知道什么时候该停才是难的

小米把 MiMo-V2.6 反复调工具的毛病修了，修复报告写得挺实在。问题不难懂：模型对同一件事反复发工具调用，token 白烧，任务卡在原地，桌面版、Code、OpenCode 里都最明显。

根因那段是本篇的干货。训练的评分只盯着最后答案对没对，过程里绕的弯路、空烧的 token 没人记账；单轮里少于三十二次调用，系统压根不罚。奖励信号漏掉了这一块，模型自然学不会收手。

修法比问题更值得抄。官方没砸钱全量重训，先用大约十二步、七千条样本训了一个专打重复的小老师，再把它合进主模型，成本只有全量重训的百分之四。效果是重复明显变少、成绩基本没掉，开源权重带上 MOPD 后缀，API 同步更新，桌面版用户的额度还重置了。

报告在 mimo.xiaomi.com/blog/mimo-v2-6… ，权重在 huggingface.co/collections/Xi… 。

我的看法是这给所有训 agent 的人上了一课：贵的不一定是对的。四成本的定向小补丁解决了一个影响体验的大毛病，比堆算力重训划算得多，前提是先把根因测准，知道浪费漏在哪一环。

收在那句总结上：Agent 难的不是会调工具，是知道什么时候该停。