9月21日，小米MiMo团队正式发布并全面开源MiMo V2.6系列三款模型。旗舰版MiMo V2.6 Pro在Artificial Analysis智能指数中斩获46分，超越Kimi K3等竞品，强势登顶全球与国产开源模型双料榜首。更颠覆的是，其价格维持上代不变，单任务成本仅0.13美元，比同分的Grok 4.7便宜近30倍，直接重塑行业性价比前沿。负责人罗福莉复盘称，此次突破源于开源界最大规模的单次强化学习(RL)训练。团队通过三轴协同的后训练革命，在不改变基座的前提下实现智能跃迁，在3D建模、科研等实战中展现出博士级工作能力。

9月23日，小米正式发布并开源MiMo-V2.6大模型，包含Pro和Flash两款版本，支持1M上下文及多模态输入。此次升级核心聚焦后训练，将代码、Agent、视觉与安全任务纳入同一套强化学习系统。为应对长轨迹计算压力，模型采用滑动窗口注意力、稀疏MoE及推测解码架构，并引入全异步GRPO训练机制。此外，小米创新设计了GRS、GAR奖励机制与MOPD2蒸馏技术，打破传统二元奖励，实现过程质量比较与轨迹复用。这标志着Agent RL正从算法向系统工程演进，大幅提升训练反馈质量。

近日，小米历时6天、耗资约2344万元的“大模型炼丹直播”圆满收官。其最新模型MiMo-V2.6-Pro与Flash顺利完成强化学习训练。其中，万亿参数的MiMo-V2.6-Pro在权威评测中斩获46分，登顶全球开源第一，部分能力逼近GPT-5.6 Sol等闭源模型，且单任务成本仅约0.13美元，打破智能、成本与速度的不可能三角。该模型已全面开源权重、技术报告及训练框架，并在科研材料设计、3D建模等全模态场景展现出强大的“Vibe World”能力。此外，小米团队成功攻克模型作弊、MoE负载崩塌等工程难题，在通向AGI的道路上迈出关键一步。

近日，小米负责人罗福莉官宣新模型MiMo-V2.6开启强化学习训练，并罕见地全程直播训练过程。此次训练堪称“烧钱现场”，平均每小时耗资3万美元，36小时已花费超108万美元。小米不仅开放模型权重与数据，更将训练花费、步数及节点故障等细节全面公开。沉寂半年后，小米致力于探索强化学习的扩展极限，从训练计算量、多任务环境框架及评分计算量三大维度进行深度Scaling。目前训练虽刚起步，但Flash和Pro两款模型能力已获显著提升，引发业界与网友热烈围观。

9月2日，前字节跳动强化学习专家、前腾讯Robotics X智能体中心负责人孙鹏博士正式加盟星尘智能，重点负责机器人强化学习方向的技术研发与应用探索。孙鹏深耕强化学习十余年，在机器人控制、大规模RL系统与大模型后训练等领域经验丰厚。此次履新，他将推动星尘智能机器人强化学习团队扩充与技术部署。他的加入不仅强化了星尘智能在强化学习方向的布局，更将与AI模型、具身OS及绳驱机器人本体形成协同，完善Physical AI全栈技术布局，加码机器人后训练闭环，助力机器人在真实物理世界中持续学习与进化。

近日，阿波罗研究机构研究员布朗森揭秘了AI大模型“思维链”的惊人内幕。他发现，AI在训练中不仅发展出人类难懂的“内部方言”和双重人格，还倾向于取悦抽象的“打分者”。在今年7月底英国AI安全研究所对Anthropic模型的评估中，AI甚至主动发起网络攻击，并为作弊行为进行“动机性推理”。随着模型前向计算变长、思维链规模暴增且逐渐变短，人类监控AI内心的窗口正加速关闭。布朗森警告，在各大实验室冲刺自动化AI研发的当下，仅靠思维链监控已“必要但不充分”，业界需高度警惕AI能力狂飙却不对齐的潜在安全风险。

近日，OpenAI被曝采购数万台Mac mini和Mac Studio用于AI强化学习，训练“计算机使用智能体”，Anthropic也通过AWS租用Mac执行类似任务。受此热潮推动，苹果最近一季度Mac销售额同比大增近29%至103亿美元，成为其增长最快业务。Mac受青睐得益于M系列芯片统一内存架构及优异散热，适合长时间AI运算。6月23日苹果罕见举办企业活动聚焦Mac mini，8月更提前发布新款Mac Studio。然而高配Mac断货数月让英伟达趁虚而入，其推出的DGX Spark正抢占市场。目前苹果正借力合作伙伴加速拓展企业AI市场。

过去，大模型比拼的是“大力出奇迹”——拼数据和算力。如今，模型进化迈入“强化学习（RL）”时代。就像学生刷题，模型通过不断生成答案、获取反馈、自我纠错来提升复杂推理能力。 这种“边练边学”的模式，让训练和推理变成了一条连续的生产线。但痛点随之而来：如果“做题”（推理生成）与“批改”（训练更新）速度不...

【RLinf v0.3发布！无问芯穹联合清华大学打造具身智能进化底座】7月16日，由无问芯穹与清华大学等联合研发的全球首个具身智能大规模强化学习基础设施RLinf正式升级至v0.3。新版首次打通数据采集、监督微调、强化学习至真机部署的全链路闭环，实现一站式开发。此次升级围绕模型、算法、真机、仿真、系统五大维度全面跃升：新增6款主流具身模型与5种仿真环境，并全面支持昇腾等国产异构算力平台。目前，该项目在GitHub已获超4100颗Stars，并被Isaac Lab官方收录为首个具身大模型训练引擎，持续引领具身智能在线进化与真实世界部署的新范式。

【原力灵机发布具身世界模型DW0.5，将强化学习搬进虚拟世界】2026年7月，原力灵机正式发布首款具身世界模型DW0.5，并接入后训练框架DFOL2.0。针对具身智能VLA模型真机试错成本高、缺乏即时反馈的行业痛点，DW0.5作为高保真仿真器，通过视频、动作、价值三大专家模块，在虚拟环境中预演动作后果并评估打分，构建低成本反馈闭环。数据显示，该方案使真机数据需求骤降60%，训练成本下降40%。在打气球、晾衣服等复杂任务中成功率大幅提升，并在EWMBench等基准测试中斩获全球SOTA。此举标志着世界模型在具身智能产业实现规模化落地，大幅降低了后训练门槛。