Company
Xiaomi MiMo
Published a breakdown of its agentic RL task mix and claims to open-source its RL environments, a rare L4 reverse-supply move in China
Overview
- HQ: Beijing
- Links: https://github.com/XiaomiMiMo; https://arxiv.org/abs/2601.02780
This profile was compiled from the AI training-data column cards (LLM); each column's data view is shown below under "Data profile" (in Chinese).
Data profile · 大模型
小米 MiMo
公开了智能体 RL 任务构成表，并声称开源 RL 环境，国内少见的 L4 反向供给
- 数据类型
- 预训练文本；真实与合成 agent 任务；开源 RL 环境；多教师蒸馏
- 规模口径
- V2-Flash 27T token；V2.6-Flash 48T（26T 文本 + 22T omni）、V2.6-Pro 30T（公司口径）
数据路线一句话
自建合成为主、少量外采：RL 任务按"真实/合成环境 × 真实/合成 prompt"拆表披露，并向外发布环境与训练动态。
六层明细
- L1 语料：V2-Flash（309B/15B 激活）27T token，三阶段：0-22T 通用，22-26T 提高代码占比并含约 5% 合成推理数据，26-27T 扩到 256K；刻意加重长依赖数据（长文网页、仓库级代码、PR、issue、commit）[1]。V2.6-Flash 48T、Pro 30T，已对 PDF 原文核对 [2]；二手博客易把 27T 误归给其他版本。
- L2 授权：未披露。
- L3 人工：未披露条数。
- L4 RL 环境：V2-Flash 的 Code Agent 90K（真实环境 + 真实 prompt）+ 30K（真实环境 + 合成 prompt）、Search Agent 150K、General Agent 50K（合成环境 + 合成 prompt）；代码环境自动搭建成功率 70%、覆盖 8 种语言。V2.6 环境来自 GitHub PR/issue、员工提交的真实开发请求、规格驱动与源码驱动合成、公开数据集及"licensed data vendors"，专业办公类环境为 thousands 级，并做反奖励作弊清理 [2]。媒体称 7,000+ 环境，报告原文未见该数 ⚠️。
- L5 合成蒸馏：中期训练约 5% 合成推理数据；后训练用 MOPD 多教师在线策略蒸馏（教师为自家 RL 专家）；另发布蒸馏到 Qwen 底座的 MiMo-V2.6-Distill-Qwen-9B。
- L6 回流政策：未披露；员工内部请求入 RL 任务。
自建与供应商
自建合成为主；供应商仅写"licensed data vendors"，未具名，是技术报告里少有的外采表述之一。
反向供给与争议
V2.6 报告自述开源 RL 环境、训练动态与框架；语料未开放。未查到蒸馏争议。
Last compiled: 2026-10-15