幣界網消息，羅福莉表示，小米正在公開直播下一代MiMo-V2.6的強化學習訓練。團隊沉寂近半年，專注於研究強化學習的擴展能力。目前v2.6仍在进行訓練，具體技術方案將在未來幾周內陸續開源。每一步使用1568個prompt，每個生成16條rollout，總計約20億個token，全程異步運行。代碼、通用、視覺、網絡安全和聊天等agent任務被混合在同一訓練中，並同時使用多套harness。外界可以實時看到每一步的任務組成、上下文長度、訓練耗時等內部指標。UC Berkeley博士生Yichuan Wang觀察到，每一步約1500個任務，代碼任務佔約三分之二，同時活躍的沙箱超過4萬個。