小米MiMo公开RL停了：两条训练烧掉347万美元

BiRun 讯，小米 MiMo 公开直播的两条强化学习训练目前均已停止。Pro 和 Flash 最后完整完成的都是 30 个训练 step，两条 run 合计花费 347.47 万美元。其中 Pro 花费 262.07 万美元，Flash 花费 85.40 万美元。

砸钱换来的提升很明显。DeepSWE v1.1 上，Pro 从第 1 步的 58.41 提升到 72.57，涨了 14.16 分；Flash 从 48.67 提升到 65.68，涨了 17.01 分。但两条曲线中间都有明显回落，并非训练越久分数就一路上涨。

另外两个看板评测也在涨。Pro 的内部代码评测从 57.54 升至 65.43，AutomationBench 从 45.2 升至 53.1。

训练过程也没那么顺利。Pro 因专家负载不均触发过 GPU OOM，训练集群和评分器也断连重启过；Flash 因基础设施错误从 step 15 重跑。后期小米还过滤了对 Pro 已经过于简单的任务，并把出现异常 rollout 模式的 cyber 数据集从 Pro 后续训练中移除。

信源

动察 Beating 频道 · 动察 Beating 交流群。