北京
小米MiMo大模型负责人罗福莉做了一件在行业里不太常见的事：公开了MiMo-V2.6系列强化学习训练的实时看板。看板上显示的是两轮训练的数据，数字很直接——每小时约30800美元。
这不是一份事后总结的PPT，而是一块实时看板。训练在烧钱，看板就在跳数。
钱花在哪，看板上都有
公开的内容不止是费用。任务通过率、基准测试分数、工程层面的失败情况，都摆在了同一块看板上。也就是说，训练过程中哪些环节卡住了、哪些指标没达标，不再只存在于团队内部的复盘文档里。
对做强化学习的人来说，这几项恰好是最敏感的部分。任务通过率反映模型有没有真的学会做事，基准分数决定对外怎么讲能力，工程失败则直接对应时间和算力的浪费。三者叠在一起，就是一笔账。
把投入和回报摆到台面上
罗福莉这次公开的核心，是训练投入与回报之间的取舍。30800美元一小时是投入端的数字，任务通过率和基准分数是回报端的信号。两边放在一起看，才能判断这轮训练值不值。
行业里通常不会把这类数据亮出来。训练成本属于内部信息，失败情况更不会主动说。这次选择公开，等于把强化学习训练的真实开销和真实损耗一起交了出去。
两轮训练、每小时约30800美元，这个量级的支出在强化学习里并不意外，意外的是它被实时展示了出来。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
