MiMo-V2.6：通过扩大强化学习算力迈向自我改进

MiMo-V2.6 系列报告介绍了一个全模态模型家族，通过扩大 RL 算力推进模型智能：异步训练每步消耗 1,568 个样本和 2.7-3.7B tokens，上下文长度最高达 1M；环境覆盖代码、通用、视觉和网络领域，并引入 groupwise agentic grading 提供更准确的奖励信号。