沉寂半年之后，罗福莉公开宣布小米在强化学习方向上的动作，并以直播形式展示新模型的训练过程。直播中透露的一个细节是成本：训练一小时约花费 3 万美元。
对外界而言，这条消息有两层信息量。
一层关于人。罗福莉在沉默半年后重新出现在公众视野，落点选在强化学习，这为小米大模型技术路线的重心提供了一个明确信号。此前外界对小米在大模型上的投入节奏与方向存在不少猜测，这次官宣给出了具体答案。
另一层关于方法。把模型训练过程做成直播，在行业内并不常见。模型训练通常在公司内部完成，外界看到的多是结果——榜单分数、产品能力、接口能力。而训练过程中的试错、调参、失败重跑，几乎从不对外呈现。直播训练意味着把中间状态也摆到台面上，这既是技术信心的表达，也是一种面向开发者与市场的沟通方式。
成本则是第三个值得关注的维度。一小时 3 万美元的算力开销，把强化学习阶段的支出具体化了。强化学习需要反复采样、评估与更新，算力占用密集，训练一旦长时间运行，账单增长很快。这个数字也提醒从业者：强化学习路线的门槛不只在算法设计，更在于持续承担高额算力的能力。
从行业视角看，这一动作把竞争的观察点从"有没有模型"推进到"训练方法是否公开、算力是否跟得上"。对关注大模型训练工程与成本结构的人来说，直播中呈现的训练流程，可能比最终的模型指标更有参考价值。