小米承认 MiMo-V2.6 存在重复调用问题，称 9 万美元完成修复

小米 MiMo 团队复盘了 MiMo-V2.6 上线后的工具调用重复问题。团队表示，模型有时会反复调用相同或高度相似的工具，持续消耗上下文，但任务没有进展。

在 OpenCode 中，Flash 和 Pro 出现重复工具调用的回复占比一度分别达到 1.02% 和 0.54%。

问题出在强化学习奖励设计

小米称，问题根源在于强化学习的奖励设计。训练主要奖励「最后有没有把任务做对」，但没有充分惩罚过程中的低效行为。

原来的规则是，只有单轮工具调用超过 32 次才会处罚，32 次以下的重复调用完全不扣分。随着 RL 规模扩大，这种坏习惯反而被不断强化。

小米回放训练 checkpoint 后发现，Flash 中单轮调用超过 10 次的异常样本比例，从 step 0 的 11.1% 增至 step 20 的 24.6%。

完整重训预计需 231 万美元

团队提到，最直接的修复办法，是把惩罚阈值从 32 次降到 8 次，再重跑约 20 个 MixRL step，但预计要花 231 万美元。

最终采用 RL teacher 修复方案

小米最终没有选择完整重训，而是只训练了一个专门纠正重复调用的 RL teacher，跑 12 个 step、约 7000 个样本，再通过 MOPD 把这项能力合回 Pro 和 Flash。

整轮修复约花 9 万美元，只有完整重训方案的约 4%，其他主要 benchmark 基本保持不变。

新版权重和 API 已上线

小米表示，修复后的 MiMo-V2.6-Pro-MOPD 和 Flash-MOPD 权重已经开放，API 也已经切到新版，调用名称不变。

团队还表示，会重置 MiMo Desktop 用户当前周期的剩余额度。