الإجاباتمنشور18 المصادر
ما الذي يكشفه بثّ شاومي لتدريب MiMo-V2.6 بالتعلّم المعزّز؟
تبث شاومي مؤشرات مختارة من تشغيلَي تعلّم معزّز غير مكتملين لنموذجي MiMo V2.6 Pro وMiMo V2.6 Flash، بنحو ملياري رمز في كل خطوة تدريب. الإشارة التقنية الأبرز هي توسيع الحوسبة والبيئات متعددة المهام وحوسبة المقيمين معاً، لا الاكتفاء بزيادة قدرة تدريب النموذج.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- تبث شاومي مؤشرات مختارة من تشغيلَي تعلّم معزّز غير مكتملين لنموذجي MiMo V2.6 Pro وMiMo V2.6 Flash، بنحو ملياري رمز في كل خطوة تدريب.
- الإشارة التقنية الأبرز هي توسيع الحوسبة والبيئات متعددة المهام وحوسبة المقيمين معاً، لا الاكتفاء بزيادة قدرة تدريب النموذج.
- توفر اللوحة شفافية تشغيلية نادرة، لكنها لا تثبت استمرارية البث دون انقطاع، ولا مصدر البيانات، ولا الأداء النهائي المستقل للنموذج.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Xiaomi’s public MiMo-V2.6 reinforcement-learning post-training livestream at mimo.xiaomi.com/rl/, what does it reveal about the para. Article summary: Xiaomi’s MiMo-V2.6 page is an unusual public dashboard for *ongoing* RL post-training, not a release of a finished model. It exposes selected trainer-log telemetry for parallel unreleased Pro and Flash runs—reward and be. Topic tags: general, education, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
تجربة شاومي مع فريق MiMo غير مألوفة في تطوير نماذج الذكاء الاصطناعي: فبدلاً من نشر جدول نتائج نهائي بعد اكتمال التدريب، أتاحت الشركة لوحة متابعة عامة لمرحلة ما بعد التدريب بالتعلّم المعزّز (RL) لنموذجين لم يُطرحا بعد، هما MiMo-V2.6-Pro وMiMo-V2.6-Flash. تعرض اللوحة مؤشرات مختارة، منها منحنيات المكافأة، وعدد عمليات توليد المسارات، وزمن الخطوات، وتكلفة الحوسبة المتراكمة، ونتائج تقييمات أثناء التدريب، وبعض أحداث البنية التحتية. 1
8
لكن الخلاصة ليست أن اللوحة تثبت تفوق نموذج نهائي. الأهم أنها تكشف أن شاومي تتعامل مع تشغيل التعلّم المعزّز واسع النطاق للوكلاء—بما يشمله من بيئات اختبار، وتوليد مسارات، وتحقق، وتقييم، وأعطال، وإنفاق حوسبي—بوصفه جزءاً من عملية يمكن مراقبتها علناً.
ما الذي تعرضه اللوحة؟
تشير التقارير إلى أن تشغيلَي Pro وFlash المتوازيين بدآ في 15 سبتمبر 2026. وتتابع اللوحة التقدم بينما لا يزال النموذجان قيد التدريب؛ ولم تعلن شاومي بعد المواصفات النهائية أو الأسعار أو موعد الإتاحة العامة لأي منهما. 1
8
إعداد الدفعة المُعلن كبير: 1,568 موجّهاً، مع 16 مساراً لكل موجّه، أي نحو 25 ألف مسار، وحوالي ملياري رمز لكل خطوة تعلّم معزّز. وتقول شاومي إن النظام يعمل بأسلوب غير متزامن بالكامل. 24
ووفقاً للو فولي، قائدة فريق MiMo، جرى التوسيع عبر ثلاثة محاور:
- الحوسبة: نحو ملياري رمز في كل خطوة.
- البيئات وأطر الاختبار: مهام وكلاء متعددة ممزوجة عبر أطر مختلفة ضمن التشغيل الواحد.
- حوسبة المقيمين: إسناد الفضل داخل المجموعة للوكلاء، مع مكافآت تستند إلى حالات اختبار ومعايير تقييم مكتوبة.
24
عملياً، يوحي ذلك بمسار تدريب تُنتج فيه النماذج أفعالاً أو حلولاً، وتنفذها داخل بيئات مهام، ثم تتلقى تغذية راجعة من اختبارات تحقق أو معايير تقييم، قبل تحديث النموذج بناءً عليها. وعند هذا الحجم، قد تصبح قدرة توليد المسارات وتشغيل المقيمين لا تقل أهمية تشغيلية عن المُحسِّن الذي يحدّث النموذج نفسه.
لماذا يُعد التشغيل غير المتزامن محور القصة التقنية؟
يتيح التعلّم المعزّز غير المتزامن استمرار توليد المسارات وتنفيذ البيئات والتقييم وتحديثات النموذج بالتوازي، من دون أن تضطر كل المكونات إلى انتظار أبطأ مهمة. وهذا مهم خصوصاً في أحمال عمل الوكلاء المختلطة، حيث قد تنتهي بعض المهام سريعاً فيما تتطلب أخرى استخدام أدوات لفترة أطول أو تقييماً أعلى كلفة.
كما أن تركيز شاومي على حوسبة المقيمين ذو دلالة. ففي مهام الوكلاء، قد يتوقف نجاح النتيجة النهائية على سلسلة من الأفعال لا على إجابة واحدة. لذلك يصبح توزيع المكافأة على تلك السلسلة—وهو ما تسميه الشركة «إسناد الفضل داخل المجموعة للوكلاء»—جزءاً أساسياً من نظام التدريب، لا تفصيلاً لاحقاً. 24
بعبارة أبسط: توسيع RL للوكلاء لا يعني فقط إضافة مزيد من وحدات معالجة الرسوميات. بل يتطلب أيضاً سعة كافية للبيئات، وتوليد المسارات، وأدوات التحقق والتقييم، حتى يستمر تدفق التغذية الراجعة المفيدة إلى حلقة التدريب.
كيف تُقرأ عدّادات التكلفة؟
قدرت تقارير مبكرة اعتماداً على اللوحة أن الإنفاق المشترك تجاوز 1.08 مليون دولار خلال نحو 36 ساعة من بدء تشغيل Pro، بمتوسط يقارب 30 ألف دولار للساعة عبر التشغيلين. 4 وأظهرت لقطات أخرى نحو 830 ألف دولار لـPro و360 ألف دولار لـFlash، مع إعادة تشغيل Pro بسبب ذاكرة VRAM في إحدى العقد، وإعادة تشغيل Flash بعد خطأ في مجموعة بيانات عند الخطوة 15.
9
هذه أرقام لافتة، لكن ينبغي التعامل معها بحذر:
- إنها تقديرات جارية لتكلفة الحوسبة تعرضها شاومي نفسها، وليست فواتير مدققة من جهة مستقلة.
- لا تكشف القيمة الظاهرة قواعد المحاسبة: فقد لا تشمل كل تكاليف العتاد أو السعة المحجوزة أو الهندسة أو إعداد البيانات أو التخزين أو الشبكات أو بنية التقييم.
- لا تثبت الميزانية الإجمالية لتطوير MiMo-V2.6، ولا تكلفة كل تحسن فعلي في القدرات.
- قد تجعل إعادة التشغيل وتغير معدلات الاستفادة من الموارد أي استقراء بسيط للتكلفة بالساعة مضللاً.
ومع ذلك، يصعب تجاهل نقطة واحدة: شاومي تقدّم هذا التدريب باعتباره جهداً مكلفاً وكثيف البنية التحتية في التعلّم المعزّز، لا تجربة خفيفة لما بعد التدريب.
ماذا تقول منحنيات المكافأة ونتائج DeepSWE، وماذا لا تقول؟
تتضمن اللوحة، بحسب التقارير، منحنيات مكافأة وتقييمات برمجية أثناء التدريب. وفي إحدى اللقطات، سجل DeepSWE v1.1 نتيجة 63.72 لنموذج Pro و60.77 لنموذج Flash. 9
هذه مؤشرات تشخيصية وليست ادعاءات نهائية بشأن القدرة. فقد يتسق ارتفاع منحنى المكافأة مع تحسن إتمام المهام، لكنه قد يعكس أيضاً تغير مزيج المهام، أو التباين، أو سلوك المقيم، أو التحسين المفرط للمكافأة، أو التعرض المسبق لمعيار الاختبار. وبالمثل، لا تتحول نتيجة معيار أثناء التشغيل إلى نتيجة نهائية للنموذج ما لم تُنشر بروتوكولات التقييم وإعدادات أخذ العينات وضوابط التلوث وآلية اختيار نقطة الحفظ النهائية، ثم تُراجع بصورة مستقلة.
القراءة السليمة هي أن البث يسمح بمشاهدة تطور إشارات التدريب؛ لكنه لا يثبت بمفرده مدى قدرة نموذج MiMo-V2.6 المكتمل على التعميم خارج بيئة التقييم المعروضة.
ما الذي وعدت شاومي بالكشف عنه؟
قالت لو فولي إن الفريق أمضى قرابة نصف عام في بحث سؤال واحد: إلى أي مدى يمكن توسيع التعلّم المعزّز؟ ووصفت MiMo-V2.6 بأنه ما زال في منتصف تشغيل RL، وأضافت أن شاومي ستفتح تفاصيله المصدرية «جزءاً بعد جزء» خلال الأسابيع المقبلة. 24
هذا التزام مهم بمزيد من الإفصاح التقني، لكنه لا يساوي تلقائياً حزمة كاملة قابلة لإعادة الإنتاج. فالتصريح لا يعد، في حد ذاته، بنشر كل بيانات التدريب، أو الموجّهات، أو أوزان المقيمين، أو تنفيذ البيئات، أو حالة المُحسِّن، أو كل نقاط الحفظ، أو سجلات العناقيد الحاسوبية الكاملة.
كيف تختلف التجربة عن Xiaomi-Robotics-U0؟
تتمحور شفافية MiMo-V2.6 حول رؤية العملية: أي إتاحة مؤشرات تشغيلية مختارة من تدريب مستمر لما بعد تدريب نموذج لغوي ووكيلي.
أما Xiaomi-Robotics-U0 فهو مشروع مختلف ونمط مختلف من الانفتاح. تصفه شاومي بأنه نموذج عالمي ذاتي الانحدار، متعدد الوسائط، بحجم 38 مليار معامل، للذكاء المتجسد؛ ويوحّد مهام تشمل توليد النص إلى صورة، وتحرير الصور، وتوليد المشاهد المتجسدة، والنقل المتجسد، وتوليد الفيديو المتجسد. 25
34 كما يشير مستودعه العام إلى مواد منشورة خاصة بالنموذج والإطار البرمجي.
32
والفارق مباشر:
- Robotics-U0: انفتاح يركز على مخرجات النموذج والأطر أو الشيفرات وقدرات التوليد المتجسد.
- بث RL لـMiMo-V2.6: انفتاح يركز على مؤشرات تشغيلية حية مختارة لما بعد تدريب الوكلاء.
كلا النهجين مفيد، لكن أياً منهما لا يوفّر تلقائياً كل ما يلزم لإعادة إنتاج النتيجة كاملة من الصفر.
حدود لوحة RL العامة
لوحة MiMo أكثر كشفاً من إعلان تقليدي عن نتائج معيارية نهائية، لكنها تترك أسئلة جوهرية بلا إجابة.
صفة «المباشر» ليست قابلة للتحقق المستقل
قد تكون اللوحة قريبة من الزمن الحقيقي، لكنها قد تحتوي على تحديثات متأخرة أو قيم أُضيفت لاحقاً أو بيانات صُححت أو فترات توقف أو إعادة تشغيل أو تدخلات يدوية. وجودها دليل على إفصاح غير معتاد، لا برهان تشفيرياً على استمرارية التدريب دون انقطاع.
لا يمكنها إثبات مصدر البيانات
أعداد الموجّهات والمسارات والرموز والتكاليف لا تثبت غياب مخرجات نماذج معلّمة غير معلنة، أو بيانات مملوكة، أو بيانات بشرية تمت تصفيتها، أو تعرض خفي لاختبارات قياس، أو مدخلات أخرى خارج اللوحة.
المقاييس المعروضة مشروطة بسياقها
من دون نشر كامل لإطار التقييم ومجموعات اختبار مجمّدة وإعدادات أخذ العينات وبذور تشغيل متكررة وإعادة إنتاج مستقلة، لا تستطيع منحنيات المكافأة ولا نتائج DeepSWE المؤقتة حسم القدرة العامة النهائية للنموذجين.
العرض انتقائي بطبيعته
يمكن للوحة إظهار التقدم والأعطال، من دون كشف مزيج المهام كاملاً، أو أوزان المكافآت، أو موثوقية المقيمين، أو جرد العتاد، أو منهجية التكلفة الدقيقة، أو مصدر البيانات، أو معايير اختيار نقطة الحفظ النهائية.
الخلاصة
تمثل لوحة MiMo-V2.6 تجربة نادرة في إتاحة الرصد العلني لتعلّم معزّز واسع النطاق للوكلاء. ويكشف الإعداد المُعلن—نحو ملياري رمز لكل خطوة، و1,568 موجّهاً، و16 مساراً غير متزامن لكل موجّه، وبيئات مختلطة، وعمل كبير على جانب المقيمين—أن شاومي تنظر إلى توسيع RL بوصفه مشكلة أنظمة وتشغيل بقدر ما هو مشكلة تدريب نموذج. 24
تجعل التكلفة المعلنة ومنحنيات المكافأة ولقطات المعايير والأعطال الظاهرة العملية أكثر قابلية للفحص من إعلان إطلاق لاحق للتدريب. لكنها تبقى مؤشرات مختارة تصرح بها الشركة عن تشغيلين لم يكتملَا. إنها دليل قوي على شفافية تشغيلية، وليست دليلاً مستقلاً على بث متواصل بلا انقطاع، أو على المصدر الكامل للتدريب، أو على جودة النموذج النهائية.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "ما الذي يكشفه بثّ شاومي لتدريب MiMo-V2.6 بالتعلّم المعزّز؟"؟
تبث شاومي مؤشرات مختارة من تشغيلَي تعلّم معزّز غير مكتملين لنموذجي MiMo V2.6 Pro وMiMo V2.6 Flash، بنحو ملياري رمز في كل خطوة تدريب.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تبث شاومي مؤشرات مختارة من تشغيلَي تعلّم معزّز غير مكتملين لنموذجي MiMo V2.6 Pro وMiMo V2.6 Flash، بنحو ملياري رمز في كل خطوة تدريب. الإشارة التقنية الأبرز هي توسيع الحوسبة والبيئات متعددة المهام وحوسبة المقيمين معاً، لا الاكتفاء بزيادة قدرة تدريب النموذج.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
توفر اللوحة شفافية تشغيلية نادرة، لكنها لا تثبت استمرارية البث دون انقطاع، ولا مصدر البيانات، ولا الأداء النهائي المستقل للنموذج.