小米 MiMo 大模型团队在官网上挂了一个后训练实时数据面板，正在“公开裸奔”地训练 MiMo 2.6。打开 mimo.xiaomi.com/rl/，你能看到两个模型——pro 和 flash——当前跑到第几步、每一步接受了多少样本、花了多少钱、燃烧了多少 token，全都实时滚动。此刻面板上写着：pro 已烧掉约 83 万美元，flash 约 36 万美元，两边都以 1,568×16 的批次规模在跑。
这不是普通的"发布后贴个 benchmark"。小米是把后训练（post-training / RL）过程本身透明化——你在看一台模型在训练中一点点长大，包括它的翻车时刻：面板的 notices 里就记着，flash 昨天因为有个数据集上的基础设施错误没被及时检测到，从第 15 步重新启动；pro 也因为某个节点 VRAM 出问题重启过一次。失败、回滚、重来，全摆在那。
性能数据也在实时更新。面板显示的是 DeepSWE v1.1（mini-swe-agent，avg@3）的编码基准：当前 pro 63.72、flash 60.77，还画了随 step 变化的曲线。打法和 DeepSeek 如出一辙——用编码能力当招牌，靠极低的价格抢开发者心智。
这个"训练过程直播"的动作本身，比具体分数更值得注意。以前模型厂商给世界看的，是训完那一下的最终数字；现在小米把中间过程也摊开——真金白银、实时失败、逐个 step 的曲线。是把 open 玩到了另一种维度：不只是开源权重，连"怎么把它训出来"都变成了公开的可观看节目。
来源：