训练大模型通常像装修封闭施工：外界只在完工后看到成品，很少知道中途花了多少钱、哪里返工。小米这次把 MiMo-V2.6-Pro 和 Flash 的后训练公开直播。后训练就是模型学会语言之后，再调整它如何答题、使用工具和遵循要求；直播聚焦其中的强化学习阶段，让模型反复尝试任务，再依据奖励改进表现。
据小米 MiMo 训练仪表盘，页面数据直接来自训练日志，持续展示成本、Token（模型处理文本的计量单位）、奖励和评测结果。IT之家报道，两条任务每批处理 1,568 个 Prompt（任务指令），每个指令生成 16 条 Rollout——即一条包含多步推理和工具调用的完整尝试——每一步涉及约 20 亿级 Token。截至 2026 年 9 月 17 日，两项训练合计成本已超过 125 万美元，这仍是不断变化的数字。
它真正少见的地方，不是又公布了一张成绩单，而是把训练过程本身变成观察对象。据 36氪报道，外界还能看到训练曲线、数据构成等运行状态；仪表盘甚至记录了 Pro 任务因节点显存问题重启。换句话说，开发者看到的不只有模型变强，也有昂贵训练如何推进、波动和出错。