胡辣汤爱酸菜
@yuanwen
138个赞，4.1万次浏览，这条推文在AI圈炸了。
小米MiMo V2.6 Pro和Flash的强化学习训练直播，4天半时间烧掉了324万美元。Pro还在继续训练，Flash已经停训超过一天。
具体数据：Pro账单238万美元，Flash账单85万美元。Pro仍在step 29，每小时约2万美元，单步约30亿token；Flash停在step 30，每小时约1万美元，单步37亿token。
配置方面，1568个prompts乘以16个异步rollout，混训23套harness，代码占六成。训练过程中遇到过GPU显存不足、节点显存问题、grader断网、基础设施故障瞒报3小时，cyber数据因为坏rollout被砍。
公开面板还在实时更新：mimo.xiaomi.com/rl/
这个案例挺有意思的，它说明了AI在强化学习领域的进步。很多人可能觉得强化学习需要复杂的配置和专业的知识，但实际上用简单的工具也能实现不错的效果。
如果你也在做AI训练相关的工作，可以看看这个案例。特别是那些对训练效率有要求的场景，用这个工具可能是个不错的选择。
22 浏览 0 评论
0 反应
