Xiaomi emite en directo el entrenamiento por refuerzo de sus modelos MiMo-V2.6

El equipo MiMo de Xiaomi está retransmitiendo en directo el entrenamiento por refuerzo de dos modelos que todavía no ha publicado, MiMo-V2.6-Pro y MiMo-V2.6-Flash. La compañía ha abierto el panel público que vuelca las métricas del entrenador tal cual salen de los logs: curvas de recompensa, número de rollouts, tiempos por paso y el coste de cómputo acumulado de la ejecución. Ninguno de los dos modelos está disponible para uso público.

Qué se ve en el panel

Además de las métricas propias del entrenamiento, el panel sigue el rendimiento en tareas de código durante la fase intermedia y otros resultados de evaluación que se van actualizando a medida que las runs avanzan. Es decir, quien entre verá curvas moverse, no un cuadro de resultados cerrado.

Lo que no hay es lo que suele acompañar a un lanzamiento: especificaciones finales, precios, API ni pesos. Xiaomi no ha anunciado nada de eso. El propio panel se limita a decir que la serie MiMo-V2.6 llega "pronto".

Luo Fuli, responsable de MiMo, explicó que el equipo había pasado cerca de seis meses estudiando hasta dónde podía escalar el aprendizaje por refuerzo después de sacar MiMo-V2.5. Ese es el marco del experimento que ahora se retransmite: no tanto un escaparate de producto como una prueba de hasta dónde aguanta la receta cuando se le mete más cómputo y más ciclos de RL.

Por qué mirarlo

Ver un entrenamiento abierto mientras ocurre es poco frecuente. Lo habitual es que las empresas enseñen el resultado ya cocinado, con las curvas seleccionadas y sin el coste por el camino. Aquí el coste de cómputo corre en pantalla, lo que da una referencia bastante cruda de lo que cuesta llevar un modelo de este tamaño por RL, aunque la cifra sea de Xiaomi y no de un tercero que la audite.

Para quien trabaja con modelos desplegados en producción, el interés está en dos cosas concretas. Una, si la serie V2.6 acaba saliendo con pesos abiertos o solo como servicio, porque eso decide si se puede autoalojar. Otra, el comportamiento del rendimiento en código durante el entrenamiento: si las curvas se estancan o siguen subiendo cuando el panel lleve más horas, se verá antes que en cualquier nota de prensa.

Queda por ver si Xiaomi mantiene el panel abierto hasta el final de las runs o lo cierra cuando llegue el lanzamiento, y si entonces publica detalles de arquitectura y licencia. Hasta ahora lo único verificable es lo que muestra el dashboard.