技术社区InfoQ 中文2026年10月10日星期六 09:24单次RL后训练烧掉260万美元、每步37亿Token，小米披露MiMo-V2.6“规模化强化学习”路线点击查看原文内容摘要点击查看原文>资讯来源InfoQ 中文原文链接打开原文