小米MiMo公开RL停了:两条训练烧掉347万美元
相关推荐
小米承认MiMo-V2.6会「原地复读」:RL把坏习惯越训越严重,9万美元修复
动察 Beating AI 快讯,小米 MiMo 团队复盘了 MiMo-V2.6 上线后的工具调用重复问题。模型有时会反复调用相同或高度相似的工具,持续消耗上下文,但任务没有进展。在 OpenCode 中,Flash 和 Pro 出现重复工具调用的回复占比一度分别达到 1.02% 和 0.54%。 问题出在强化学习的奖励设计。训练主要奖励「最后有没有把任务做对」,却没有充分惩罚过程中的低效行为。原来的规则只有单轮工具调用超过 32 次才会处罚,32 次以下的重复调用完全不扣分。随着 RL 规模扩大,这种坏习惯反而被不断强化。小米回放训练 checkpoint 后发现,Flash 中单轮调用超过 10 次的异常样本比例从 step 0 的 11.1% 增至 step 20 的 24.6%。 最直接的办法是把惩罚阈值从 32 次降到 8 次,再重跑约 20 个 MixRL step,但预计要花 231 万美元。小米最终只训练了一个专门纠正重复调用的 RL teacher,跑 12 个 step、约 7000 个样本,再通过 MOPD 把这项能力合回 Pro 和 Flash。整轮修复约花 9 万美元,只有完整重训方案的约 4%,其他主要 benchmark 基本保持不变。 修复后的 MiMo-V2.6-Pro-MOPD 和 Flash-MOPD 权重已经开放,API 也已经切到新版,调用名称不变。小米还会重置 MiMo Desktop 用户当前周期的剩余额度。
Anthropic开源零知识证明系统FlashProve
Odaily星球日报讯 Anthropic 发布基于零知识证明(zkSNARK)的开源 AI 推理验证系统 FlashProve,StarkWare 联合创始人 Alessandro Chiesa 参与研究。该系统利用与区块链 ZK 技术同源的密码学方法,使用户无需获取模型权重或重新运行模型,即可验证 AI 输出是否由指定模型生成。 Anthropic 表示,Claude 参与了系统优化,目前已开源相关代码及 Lean 形式化证明。该系统仍处于研究原型阶段,证明生成的 GPU 时间开销约为普通推理的 70–95 倍。 测试显示,FlashProve 在单张 H100 GPU 上,可为 Meta 旗下 4000 亿参数模型 Llama 4 Maverick 以约每秒 110 Token 的速度生成证明,单个证明约 19 MB。
AI网络安全榜爆冷:GPT-6、Claude旗舰因安全拒答掉队,小米MiMo追平Grok登顶
动察 Beating AI 快讯,Artificial Analysis 推出独立的 Cyber Index,专门评测 AI Agent 做企业网络防御的能力。它不是从原来的通用 Intelligence Index 里抽几项测试,而是另外采用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三项网络安全评测,分别测试漏洞审计与修补、漏洞发现,以及从发现漏洞到复现并修补的完整流程,三项各占三分之一。 首批榜单中,Grok 4.7(xhigh)和小米 MiMo-V2.6-Pro 同为 56 分,GPT-6 Luna(max)53 分,GLM-5.3-Flash 50 分。MiMo 平均每个任务成本只有 0.18 美元,Grok 4.7 要 11.67 美元;Luna 更低,只要 0.12 美元。 不过,这张榜不能简单理解成模型本身的网络安全能力排名。GPT-6 Sol、GPT-6 Astra 和 Claude Opus 5.5 都参加了测试,但在 CyberGym-E2E-AA 上几乎全部拒答,其中 Sol 和 Astra 拒绝全部任务,Opus 5.5 拒绝 98%。拒答直接记 0 分,Luna 反而愿意继续完成这些任务,所以综合成绩更高。Artificial Analysis 也表示,大量拒答让这些前沿模型的实际能力很难判断。 GLM-5.3 也出现了明显反常。完整版在 Artificial Analysis 的通用能力榜上高于 Flash,但这次 Cyber Index 只有 36 分,Flash 达到 50 分。主要差距来自 CyberGym-E2E-AA:Flash 得到 74%,完整版只有 29%。Artificial Analysis 暂未解释这一差距的原因。
小米发布MiMo-V2.6模型,称其为当前最强开源模型
动察 Beating AI 快讯,小米今日凌晨正式发布并开源了全新的 Xiaomi MiMo-V2.6 系列。团队表示,MiMo-V2.6 系列包含 Pro 和 Flash 两个原生全模态模型。得益于 RL 算力的扩展,MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index(AA 综合智能指数)中取得 46 分,超过 Kimi K3 和 Qwen3.8 Max,成为当前最强的开源模型;但与最强的闭源模型 Claude Fable5.1 和 GPT-6 Astra 相比,仍有差距。 团队称,MiMo-V2.6 系列沿用 V2.5 系列的 API 定价,MiMo-V2.6-Pro 刷新了中国国产模型的性价比纪录:在同等智能水平下,价格仅为海外模型的 1/20 至 1/60。
小米MiMo被曝酝酿独立融资,雷军与罗福莉意见不一
动察 Beating AI 快讯,Top 华人科创社消息,小米正讨论是否将 MiMo 大模型业务分拆出来,独立融资。多家知名风投和企业投资机构已初步接触,但小米集团尚未拿出明确方案。 罗福莉及 MiMo 核心研究团队希望将大模型业务独立出来,引入外部融资,但雷军对此仍有不同考虑。双方尚未达成一致,罗福莉已开始接触少数投资人和融资顾问,不排除自行创业的可能。 罗福莉去年 11 月才正式加入小米,今年 9 月便晋升至小米最高职级 22 级。她带队推出的 MiMo-V2.6-Pro,曾登顶 Artificial Analysis 全球开源模型榜单。 小米对 MiMo 也寄予厚望。雷军今年 3 月宣布,未来三年将在 AI 领域投入至少 600 亿元。7 月,小米又调整组织架构,明确由 MiMo 团队为小爱同学提供基础模型能力,服务手机、汽车等终端业务。 如果 MiMo 独立融资,可以引入外部资本,并为研究团队提供单独的股权激励。但小米也需要重新安排对核心 AI 技术的控制,以及 MiMo 与自家手机、汽车和智能家居业务的合作关系。 目前,分拆融资及双方存在分歧的消息尚未获得小米或当事人确认。
DeepSeek把AI编程卷进「许愿时代」:从零造3D游戏,DeepSWE跑分超Opus 5
动察 Beating AI 快讯,DeepSeek 将 V4.1 Flash 升级至 1017 版本,网页端、App 和 API 已同步切换,新模型权重也已按 MIT 协议开源。 官方测试中,DeepSWE v1.1 软件工程任务通过率从 74.2% 提升至 77.0%,超过 Claude Opus 5 的 74.0%。Terminal-Bench 4.0 从 31.2% 提升至 42.3%,但仍低于 Opus 5 的 51.8%。按照官方公布的成本曲线,达到 77% 通过率的配置,每题平均仅花费约 1.3 元。不过,对比对象是 Opus 5,而非更新的 Opus 5.5。 新版本重点强化了「许愿式编程」,也就是只给出简单需求,让 AI 自行规划并完成整个项目。DeepSeek 利用自反馈强化学习改进这类能力,并展示了故宫 3D 场景、网页版赛车游戏,以及基于 Godot 引擎的《传送门 2》复刻。官方称,新模型完成任务的时间和输出长度均有所减少,还针对 DeepSeek Harness、腾讯 CodeBuddy 和 WorkBuddy 做了优化。 此外,DeepSeek 首次向开发者开放自研搜索引擎的 Search 和 Fetch API。开发者可以让 Agent 直接搜索网页、抓取正文。两个接口均按成功请求计费,每千次 5 元。通过 Claude Code、Codex 内置网页搜索功能触发的 Search 请求,前两周暂免接口调用费。