真不是演的——罗福莉把训练页面挂网上直播，数字哗哗跳：每小时烧掉20多万人民币，两天砸掉135万美元。没滤镜、不剪辑，连显存崩了、基础设施报错都实时弹窗通报。这哪是发模型？分明是把AI研发的‘脏活累活’摊开给你看。别人藏在论文里的RL细节，她直接开源7000个任务环境、全套评估框架，连强化学习用的组内信用分配算法都标得清清楚楚。Artificial Analysis榜单上，MiMo-V2.6-Pro冲到46分，甩开Kimi-K3和Qwen3.8-Max一截；更狠的是，价格纹丝不动：Pro输入3元/百万Token，输出6元，比老东家DeepSeek高峰时段便宜一半。
这波操作，不是炫技，是踩准了节奏。当别家还在卷参数、堆算力，罗福莉团队闷头半年就干一件事：把强化学习‘规模化’做到极致。每步喂20亿Token，1568个Prompt同步跑16次rollout，异步到飞起。她说‘预训练是读万卷书，强化学习才是行万里路’——模型得在真实任务里摔打、纠错、拿反馈，才能从‘会答题’变成‘能办事’。小爱2.0现在一句话订机票、做PPT、跨设备调数据，靠的就是这个底座。而背屏上那只你用AI生成的会动的猫、能点按的小游戏工具栏，也不是彩蛋，是物理世界交互的第一块砖。
5499元起的小米18 Pro，被用户喊成‘AI痛机’——不是贵得肉疼，是功能多到让你手忙脚乱。它不只是一台手机，更是MiMo大模型的首个‘全栈试验场’：端侧运行小爱Agent，云上调度MiMo-V2.6，背后是雷军押注的‘人车家全生态’闭环。罗福莉那句‘智能终将从语言迈向物理世界’，此刻正落在手机背屏的动画里、机器人被踹一脚后的稳稳站定中、还有你刚语音说完‘帮我查下周航班’就弹出完整行程表的瞬间。这条路没有捷径，但小米这次，真把钱、人、时间，全押在了‘行路’上。
有人问，为啥非得把训练过程直播出来？罗福莉在内部分享会上直接回：“怕大家忘了AI不是玄学，是焊点、是散热风扇的转速、是半夜三点还在重跑的reward shaping曲线。”她没说假话。开源社区扒过MiMo的训练日志——光是调试一个跨任务的稀疏奖励对齐，团队就迭代了87版reward model，每版平均消耗4.3万GPU小时。这不是堆资源，是拿工程师的直觉+数学直觉+一点赌性，在奖励函数里‘种规则’：让模型既不钻空子，又不被框死。
更实在的是落地节奏。小爱2.0上线三个月，真实用户任务完成率从61%跳到89%，但没人提的是：背后32%的提升来自“失败归因引擎”——它不光记错在哪，还反向推哪条强化路径让模型学歪了。这个模块已嵌进小米IoT设备固件，连扫地机器人撞墙后自动调整导航策略的逻辑，都和手机上订机票用的是同一套信用分配机制。
别光盯着参数看。MiMo-V2.6-Pro的上下文窗口确实拉到256K，但真正让客服系统响应快3倍的，是它把传统RAG的检索-重排-生成三步压缩成单次token流式调度；也不是靠更大模型，而是把知识蒸馏和在线微调做成‘呼吸式更新’——用户反馈一进来，模型权重就自动微调0.03%，像人体免疫系统那样边用边学。
雷军去年财报会说“AI不是功能，是新操作系统”，当时不少人当口号听。现在看，小米真在拆旧体系：MIUI底层API全开放给小爱Agent调用，连相册加密算法都允许Agent按需解密处理照片。这不是放权，是倒逼整个软件栈重写——安卓原生权限模型早被绕开了，取而代之的是基于意图的动态授权链，你让AI修图，它只临时申请裁剪权限，完事自动释放。
所以别再说“小米在追AI”。他们正把实验室里的强化学习论文，变成你早上通勤时语音喊一句“把会议纪要发群里”，手机就自动录音、转写、摘要、@相关人员、附上待办清单的完整动作链。没有炫技，只有不停校准的“行路”节奏——毕竟，真正的智能，从来不在参数表里，而在你按下语音键的0.3秒之后。
天顺优配提示：文章来自网络，不代表本站观点。
