小米大模型直播训练，每小时烧钱超20万

九月十七日凌晨，小米大模型团队负责人罗福莉干了一件国内厂商没干过的事：把新一代模型MiMo-V2.6的强化学习训练全过程，摊开在直播里给大家看。不是发布会的PPT，是实时跳动的训练仪表盘，连故障都原样展示。

我看到第一眼的反应不是牛，是贵。

界面新闻算了一笔账：截至九月十七日下午，Pro和Flash两个版本累计训练成本超过一百三十五万美元，平均每小时烧掉约三万一千美元，折成人民币超二十万。Pro版训了一天二十一小时，花了九十三万多美元；Flash版一天十六小时，花了四十二万多。一句话，这模型还没训完，钱已经烧出去小一千万人民币。

更惊人的是规模。每个训练步骤要用掉约二十亿个token，按一千五百六十八个提示、每个提示十六次尝试的配置完全异步跑。训练同时维持超过六万个真实Linux沙箱并发执行代码，光卡量就估算在六千到八千张H100。国内厂商第一次把后训练的账单晒在太阳底下，等于把行业里心照不宣的成本黑箱撕开了一道口子。

目前Pro版DeepSWE得分六十三点七二，Flash版六十点七七，对照头部的DeepSeek-v4.1-flash七十四点二，训练还处在相对早期。罗福莉说接下来几周会逐步开源组内信用分配、评分器这些核心机制。雷军上半年给过定心丸：今年研发投入一百六十亿。这波直播，某种程度上也是在回应外界对小米的质疑，钱花哪了、进度到哪了，摊开看。

我的看法是，敢直播训练比敢发论文更难。论文可以挑好的讲，实时面板糊弄不了人。故障也如实挂着：Pro版因单节点显存问题重启，Flash版遇基础设施错误从第15步重跑，这种坦诚反而少见。小米这一步，赌的是透明本身就能换来信任。把训练直播做成公开课，另一个好处是帮行业校准预期，外界总以为大模型是喊口号就能出来，看到六万沙箱和八千张卡，才知道每一次智能背后都是实打实的电费和算力。至于MiMo-V2.6最终能不能打过头部模型，那是几周后才见分晓的事，现在的数字只是过程，不是成绩。