小米MiMo两条公开强化学习训练均停止，合计完成60步
小米MiMo公开直播的Pro和Flash强化学习训练均停在30个完整步骤，合计花费347.47万美元，评测成绩整体提升但期间出现回落及基础设施故障。
快讯正文
小米MiMo公开RL停了：两条训练烧掉347万美元 动察 Beating AI 快讯，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
补充解读
报道提供了两条公开训练的具体步数、成本、评测变化及故障记录，细节较完整，但当前材料仅有媒体转述，未附官方声明或看板截图，且“停止”是否代表计划结束尚不明确。该事件可反映小米AI研发投入和训练稳定性，但尚无产品发布、财务影响或市场反应数据。
关注后续官方信息，不根据单一消息做决定。
小米MiMo或官方团队是否说明停止训练的原因及是否符合原计划
公开训练看板、最终评测结果和模型权重是否发布
训练成本口径及相关算力投入是否得到官方确认
MiMo模型是否进入小米产品或对外提供服务
同事件进展
正在加载事件时间线…