RespostasPublicado18 fontes
O que a transmissão pública do MiMo-V2.6 revela sobre o treinamento de IA da Xiaomi
A Xiaomi exibe telemetria selecionada de dois treinamentos de RL ainda em andamento, o MiMo V2.6 Pro e o MiMo V2.6 Flash: cerca de 2 bilhões de tokens por etapa, com 1.568 prompts e 16 rollouts cada. O destaque técnico é a escala não apenas de computação do modelo, mas também de ambientes para agentes, avaliadores e...
Publicado porEditado com GPT-5.6 TerraImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- A Xiaomi exibe telemetria selecionada de dois treinamentos de RL ainda em andamento, o MiMo V2.6 Pro e o MiMo V2.6 Flash: cerca de 2 bilhões de tokens por etapa, com 1.568 prompts e 16 rollouts cada.
- O destaque técnico é a escala não apenas de computação do modelo, mas também de ambientes para agentes, avaliadores e mecanismos de recompensa baseados em testes e rubricas.
- O painel oferece uma transparência incomum sobre o progresso operacional e algumas falhas, mas não comprova continuidade ininterrupta do treinamento, procedência integral dos dados nem desempenho final independente.
Prompt de IA
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
A equipe MiMo, da Xiaomi, tornou pública uma etapa incomum do desenvolvimento de modelos de IA: um painel que acompanha o pós-treinamento por aprendizado por reforço (RL, na sigla em inglês) de dois modelos ainda não lançados, o MiMo-V2.6-Pro e o MiMo-V2.6-Flash. Em vez de divulgar apenas uma tabela final de benchmarks, a página exibe telemetria selecionada, como curvas de recompensa, número de rollouts, tempo por etapa, estimativas correntes de custo computacional, avaliações e eventos de infraestrutura. 1
8
A principal conclusão não é que o painel comprove o resultado final dos modelos. É que a Xiaomi está tratando a operação de RL para agentes em larga escala — com rollouts, ambientes, verificação, avaliação, atualizações, falhas e gastos — como algo que vale a pena observar publicamente.
O que aparece no painel
Relatos sobre a página pública indicam que as execuções paralelas de Pro e Flash começaram em 15 de setembro de 2026. O painel acompanha o progresso enquanto os modelos continuam em treinamento; a Xiaomi ainda não anunciou especificações finais, preços ou disponibilidade pública para nenhum dos dois. 1
8
A configuração de lote divulgada é robusta: 1.568 prompts, com 16 rollouts por prompt — cerca de 25 mil rollouts — e aproximadamente 2 bilhões de tokens por etapa de RL. Segundo a Xiaomi, o sistema opera de forma totalmente assíncrona. 24
Isso é relevante porque a proposta não parece ser um ciclo simples de otimização de preferências sobre pares estáticos de texto. Luo Fuli, líder da equipe MiMo, descreveu três dimensões de escala:
- Computação: cerca de 2 bilhões de tokens por etapa;
- Ambientes e harnesses: múltiplas tarefas de agentes e estruturas de execução combinadas em uma mesma rodada;
- Computação de avaliadores: atribuição de crédito intragrupo para agentes, com recompensas baseadas em casos de teste e rubricas.
24
Na prática, a descrição sugere uma cadeia em que os modelos geram ações ou soluções, executam tarefas em ambientes, recebem retorno de verificadores ou rubricas e são atualizados a partir desse retorno. Nessa escala, produzir rollouts e rodar avaliadores pode ser tão importante operacionalmente quanto o otimizador em si.
Por que o sistema assíncrono é a principal história técnica
Um sistema de RL totalmente assíncrono permite que geração de rollouts, execução nos ambientes, pontuação e atualização do modelo avancem sem que todos os componentes precisem esperar pela tarefa mais lenta. Isso é particularmente útil em cargas de trabalho mistas de agentes, nas quais algumas tarefas terminam rapidamente, enquanto outras exigem uso prolongado de ferramentas ou avaliação mais cara.
A ênfase da Xiaomi na computação dos avaliadores também chama atenção. Em tarefas de agentes, o resultado final pode depender de uma sequência de ações, e não de uma única resposta. Distribuir a recompensa ao longo dessa sequência — o que a Xiaomi chama de atribuição de crédito intragrupo para agentes — passa a fazer parte central do sistema de treinamento. 24
O painel, portanto, traz uma lição operacional: escalar RL para agentes não é apenas adicionar GPUs ao treinamento. Também exige capacidade suficiente de ambientes, rollouts e verificadores para manter o ciclo de treinamento abastecido com feedback útil.
Como interpretar o contador de custos
As primeiras reportagens baseadas no painel público apontaram gasto conjunto superior a US$ 1,08 milhão em cerca de 36 horas após o início do Pro, ou aproximadamente US$ 30 mil por hora, em média, entre as duas execuções. 4 Outros registros mostraram cerca de US$ 830 mil para o Pro e US$ 360 mil para o Flash, além de uma reinicialização do Pro associada à VRAM de um nó e outra do Flash após um erro de dataset na etapa 15.
9
Os números impressionam, mas exigem cautela:
- São estimativas correntes de custo computacional exibidas pela Xiaomi, não faturas auditadas de forma independente.
- O total do painel não revela as regras contábeis: ele pode incluir ou não todos os gastos com hardware, capacidade reservada, engenharia, preparação de dados, armazenamento, rede ou infraestrutura de avaliação.
- Ele não estabelece o orçamento total de desenvolvimento do MiMo-V2.6 nem o custo por ganho de capacidade.
- Reinicializações e mudanças na utilização dos recursos tornam uma simples projeção por hora potencialmente enganosa.
Ainda assim, o contador deixa um ponto claro: a Xiaomi apresenta o projeto como um esforço de RL online caro e intensivo em infraestrutura, não como um experimento leve de pós-treinamento.
O que curvas de recompensa e resultados no DeepSWE podem — e não podem — dizer
O painel inclui, segundo relatos, curvas de recompensa e avaliações intermediárias de programação. Em um dos registros, o DeepSWE v1.1 marcou 63,72 para o Pro e 60,77 para o Flash. 9
Esses dados são diagnósticos úteis, não declarações finais de capacidade. Uma curva de recompensa ascendente pode ser compatível com melhor conclusão de tarefas, mas também pode refletir alterações na mistura de tarefas, variância, comportamento do avaliador, otimização da recompensa ou exposição a benchmarks. Da mesma forma, uma pontuação intermediária não representa o resultado final, a menos que o protocolo de avaliação, as configurações de amostragem, os controles contra contaminação e o processo de seleção do checkpoint final sejam documentados e verificados de modo independente.
A leitura correta é: a transmissão permite observar os sinais do treinamento evoluindo. Ela não demonstra, por si só, quão bem um MiMo-V2.6 finalizado irá se generalizar fora do conjunto de avaliações exibido.
O que a Xiaomi prometeu divulgar
Luo Fuli afirmou que a equipe passou quase meio ano investigando uma única pergunta: até onde o aprendizado por reforço pode escalar. Ela caracterizou o MiMo-V2.6 como ainda em meio à execução de RL e disse que a Xiaomi abrirá detalhes técnicos “aos poucos” nas próximas semanas. 24
É um compromisso relevante de maior divulgação técnica, mas não deve ser entendido como uma promessa de liberação completa para reprodução do trabalho. A declaração não garante, por si só, todos os dados de treinamento, prompts, pesos dos avaliadores, implementações dos ambientes, estado do otimizador, todos os checkpoints ou logs completos do cluster.
A diferença em relação ao Xiaomi-Robotics-U0
A transparência do MiMo-V2.6 é voltada à visibilidade do processo: a Xiaomi exibe telemetria operacional selecionada de um pós-treinamento em andamento para linguagem e agentes.
Já o Xiaomi-Robotics-U0 é outro tipo de projeto — e outra forma de abertura. O modelo de robótica é descrito como um modelo fundacional de mundo autorregressivo, com 38 bilhões de parâmetros, voltado à inteligência incorporada (embodied intelligence). Ele unifica tarefas como geração de texto para imagem, edição de imagens, geração de cenas incorporadas, transferência incorporada e geração de vídeo incorporado. 25
34 O repositório público da Xiaomi descreve materiais liberados de modelo e framework para esse trabalho.
32
A distinção é direta:
- Robotics-U0: abertura centrada em artefatos de modelo, código ou frameworks e capacidades de geração para robótica;
- Transmissão de RL do MiMo-V2.6: abertura centrada em telemetria selecionada e ao vivo do pós-treinamento de agentes.
As duas abordagens podem ser valiosas. Nenhuma delas, automaticamente, fornece tudo o que seria necessário para reproduzir o resultado integral do zero.
Os limites de um painel público de RL
A transmissão do MiMo é mais reveladora do que um anúncio convencional com benchmarks finais, mas incertezas importantes permanecem.
“Ao vivo” não é verificável de forma independente
Um painel público pode estar próximo do tempo real e, ainda assim, conter atualizações atrasadas, dados preenchidos posteriormente, correções, pausas, reinicializações ou intervenções manuais. Sua existência é evidência de uma divulgação incomum, não uma prova criptográfica de continuidade ininterrupta.
O painel não comprova a procedência dos dados
As contagens públicas de prompts, rollouts, tokens e custos não demonstram a ausência de resultados de modelos-professores não divulgados, dados proprietários, dados humanos filtrados, exposição oculta a benchmarks ou outros insumos fora do painel.
As métricas expostas são condicionais
Sem uma estrutura de avaliação integralmente publicada, conjuntos de teste congelados, configurações de amostragem, sementes repetidas e replicação independente, nem as curvas de recompensa nem os resultados intermediários no DeepSWE podem definir a capacidade geral final dos modelos.
A visão é seletiva
O painel pode mostrar progresso e incidentes sem revelar toda a mistura de tarefas, os pesos de recompensa, a confiabilidade dos avaliadores, o inventário de hardware, a metodologia exata de custos, a procedência dos dados ou os critérios para escolher o checkpoint final.
Em resumo
O painel do MiMo-V2.6 é um experimento raro de observabilidade pública para RL de agentes em larga escala. Sua configuração divulgada — cerca de 2 bilhões de tokens por etapa, 1.568 prompts, 16 rollouts assíncronos por prompt, ambientes mistos e trabalho substancial de avaliação — indica que a Xiaomi trata a escala de RL tanto como um problema de sistemas quanto de treinamento de modelos. 24
Os gastos reportados, as curvas de recompensa, os recortes de benchmark e as falhas visíveis tornam o processo mais inspecionável do que um anúncio feito apenas depois do lançamento. Mas continuam sendo dados selecionados e autorreportados de execuções inacabadas. O painel é uma forte evidência de transparência operacional — não uma prova independente de treinamento contínuo, procedência completa dos dados ou qualidade final do modelo.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "O que a transmissão pública do MiMo-V2.6 revela sobre o treinamento de IA da Xiaomi"?
A Xiaomi exibe telemetria selecionada de dois treinamentos de RL ainda em andamento, o MiMo V2.6 Pro e o MiMo V2.6 Flash: cerca de 2 bilhões de tokens por etapa, com 1.568 prompts e 16 rollouts cada.
Quais são os pontos-chave para validar primeiro?
A Xiaomi exibe telemetria selecionada de dois treinamentos de RL ainda em andamento, o MiMo V2.6 Pro e o MiMo V2.6 Flash: cerca de 2 bilhões de tokens por etapa, com 1.568 prompts e 16 rollouts cada. O destaque técnico é a escala não apenas de computação do modelo, mas também de ambientes para agentes, avaliadores e mecanismos de recompensa baseados em testes e rubricas.
O que devo fazer a seguir na prática?
O painel oferece uma transparência incomum sobre o progresso operacional e algumas falhas, mas não comprova continuidade ininterrupta do treinamento, procedência integral dos dados nem desempenho final independente.