小米MiMo公開RL停了：兩條訓練燒掉347萬美元

BiRun 訊，小米 MiMo 公開直播的兩條強化學習訓練目前均已停止。Pro 和 Flash 最後完整完成的都是 30 個訓練 step，兩條 run 閤計花費 347.47 萬美元。其中 Pro 花費 262.07 萬美元，Flash 花費 85.40 萬美元。

砸錢換來的提昇很明顯。DeepSWE v1.1 上，Pro 從第 1 步的 58.41 提昇到 72.57，漲了 14.16 分；Flash 從 48.67 提昇到 65.68，漲了 17.01 分。但兩條曲綫中間都有明顯回落，並非訓練越久分數就一路上漲。

另外兩個看板評測也在漲。Pro 的內部代碼評測從 57.54 昇至 65.43，AutomationBench 從 45.2 昇至 53.1。

訓練過程也沒那麼順利。Pro 因專家負載不均觸發過 GPU OOM，訓練集羣和評分器也斷連重啓過；Flash 因基礎設施錯誤從 step 15 重跑。後期小米還過濾了對 Pro 已經過於簡單的任務，並把出現異常 rollout 模式的 cyber 數據集從 Pro 後續訓練中移除。

信源

動察 Beating 頻道 · 動察 Beating 交流羣。