7.6
深览指数
科技腾讯新闻·夕小瑶科技说··AI 生成
小米直播大模型训练，两天烧掉800万
小米MiMo大模型团队首次公开直播强化学习训练过程，展示了惊人的账本：Pro和Flash两条训练线两天合计花费超113万美元（约800万人民币）。文章核心信息包括：训练以代码任务为主占三分之二，通过率每提高1个百分点Pro需14万美元、Flash需3.8万美元；Pro训练到第10步得分追平DeepSeek-V4-Pro。这是国内首次公开强化学习阶段的数据配比和实时成本，行业首例。适合关注大模型训练成本、工程效率细节的AI从业者或投资者阅读。原文 ↗
核心观点
- ▍小米首次直播大模型强化学习训练，透明公开了实时成本、数据配比和故障日志，这是一个行业首创的操作，核心目标是验证强化学习能扩展到多远。
- ▍烧钱速度惊人：两条训练线两天共花费超113万美元，超过DeepSeek-R1（29.4万美元）和MiniMax-M1（53.5万美元）两家之和。
- 01训练以代码任务为主，代码占数据集的2/3，一道题平均55轮工具调用、9万token上下文，一步要做2.5万道题，这是成本高昂的核心原因。
- 02Pro线训练通过率每提高1个百分点大约需14万美元，Flash线约3.8万美元；Pro第11步通过率61.4%比第一步提升4.9个百分点。
- 03Pro训练到第10步得分63.72，追平DeepSeek-V4-Pro；Flash第12步得60.77。离榜首Claude Fable 5差7分。
- 04仪表盘公开了训练故障日志，如「Pro训练因一个节点的显存问题正在重启」，展现了真实的工程运维过程。
- 05Pro每一步开销含模型答题（58分钟）+更新参数（64分钟），合计约2小时06分，每步约7.4万美元。
- 06小米今年在大模型上已连出四波动作：3月匿名模型Hunter Alpha登顶调用榜、4月V2.5系列开源（1T参数/42B激活）、6月UltraSpeed版本+ MOPD论文。
反方 / 局限
- — 文章暗示了关键局限：训练成本已远超同行，但仅用DeepSWE一个评测数据集（矛式任务），结论能否泛化到通用任务尚不明确。
- — 数据透露通过率增长已在放缓（Pro前10步平均一步0.5个百分点），但模型尚未收敛，后续继续扩展的边际成本可能持续走高。
8 分钟 · 3 卡片 · 7 资料
读原文 →