Xiaomiが、自社モデルMimo-v2.6の強化学習(RL)によるpost-trainingの進捗をリアルタイムで可視化するダッシュボードを公開しています。Pro版とFlash版の2バリアントの学習が並行して進み、ステップ数や消費トークン数、学習コスト、ベンチマーク結果などが逐一表示される、当事者発信の一次情報です。
表示によれば、Mimo-v2.6-Proはステップ16が進行中で累計トークン数34.9B、累計コストは$1,235,597。Mimo-v2.6-Flashはステップ23が進行中で累計トークン数58.7B、累計コストは$569,121となっています。DeepSWE v1.1というベンチマークではPro(65.97)がFlash(63.86)をわずかに上回っています。学習インフラの障害情報も併せて表示されており、モデル開発の生々しい過程がそのまま見える珍しい試みです。
出典が伝えている要点
- ダッシュボードはXiaomiのMimo-v2.6モデルの強化学習トレーニング状況を表示している
- Mimo-v2.6にはPro版とFlash版の2つのモデルバリアントがあり、並行して学習が進行している
- Mimo-v2.6-Proはステップ16が進行中でステップ17のトレーニング段階にある
- Mimo-v2.6-Proの学習開始日時は2026年9月15日10:32 UTCと表示されている
- Mimo-v2.6-Proの累計トークン数は34.9Bで、ステップ16時点で2.35Bと表示されている
- Mimo-v2.6-Proの累計コストは$1,235,597と表示されている
- Mimo-v2.6-Proの訓練済みサンプル数は401kと表示されている
- Mimo-v2.6-Flashはステップ23が進行中でステップ24のトレーニング段階にある
- Mimo-v2.6-Flashの累計トークン数は58.7Bで、ステップ23時点で3.11Bと表示されている
- Mimo-v2.6-Flashの累計コストは$569,121と表示されている
- DeepSWE v1.1というベンチマークでPro（65.97）がFlash（63.86）のスコアを上回っている