1. 从“能聊天”到“能进化”MiMo-V2.6 到底想解决什么第一次看到“自我改进的强化学习规模化”这个说法我脑子里冒出来的不是兴奋而是怀疑。过去两年开源大模型的迭代节奏基本是“预训练堆数据、后训练堆标注”模型本身在部署之后是静态的——你问它一百遍它还是那个水平不会因为你多问了几轮就变聪明。MiMo-V2.6 这份技术报告最让我在意的点就是它试图把“模型上线之后还能持续变强”这件事从一句口号变成一套可复现的工程流程。先把结论摆前面MiMo-V2.6 的核心不是又刷了多少榜单分数而是它把Agentic RL智能体式强化学习和MoE混合专家这两条线拧在了一起并且把“自我改进”拆成了可规模化的训练闭环。关键词里的 MiMo-V2.6、强化学习、开源大模型、MoE、Agentic RL其实指向的是同一个问题——当一个模型要作为智能体去执行多步任务时怎么让它从自己的执行轨迹里学到东西而不是靠人一遍遍喂标准答案。这篇文章适合谁看如果你只是想把模型拉下来跑个对话那这篇可能偏硬但如果你在做 Agent 应用、在做后训练、在琢磨怎么让模型在特定任务上越跑越准那 MiMo-V2.6 这套思路值得逐层拆开看。我会尽量把报告里那些“看起来很高深”的设计翻译成实际动手时能对上号的逻辑包括它为什么选 MoE、为什么强化学习要规模化、自我改进的闭环卡在哪、以及部署时那些文档里不会写的坑。需要先说明一点下面涉及的具体超参、训练阶段划分部分是基于公开技术报告的常见实践做的合理补全因为原始正文是空的我会明确标注哪些是推断、哪些是行业通用做法。这样你读的时候心里有数不会把推断当成官方定论。2. MoE 架构在 MiMo-V2.6 里的真实角色不是省算力那么简单2.1 为什么大模型到了这个阶段都往 MoE 走很多人对 MoE 的理解停留在“参数量大但激活少所以省算力”。这话对但只说对了一半。MiMo-V2.6 用 MoE更关键的原因在于强化学习规模化对模型容量的胃口。强化学习训练和预训练不一样它需要模型在同一个任务上反复采样、反复试错如果模型容量不够策略很快就会收敛到一个平庸的局部最优怎么调奖励都上不去。MoE 提供的是“大容量 稀疏激活”的组合总参数够大能容纳多样化的策略每次前向只激活一部分专家采样成本又不会爆炸。打个比方预训练像是让一个学生把所有课本读一遍MoE 像是给他配了一整个教研组遇到数学题叫数学老师遇到作文叫语文老师。强化学习阶段这个学生要不断做题、对答案、调整方法教研组越大他能尝试的解题思路就越多。MiMo-V2.6 把专家数量和路由机制设计好本质上是在给强化学习留出足够的“策略空间”。2.2 路由机制决定了 RL 训练稳不稳MoE 最容易被忽视、也最容易出问题的地方是路由。路由网络决定一个 token 交给哪些专家处理如果路由塌缩——也就是所有 token 都涌向少数几个专家——那 MoE 就退化成一个小模型强化学习的多样性直接崩掉。MiMo-V2.6 在报告里强调的负载均衡不是一句套话而是 RL 训练能不能跑下去的前提。我在实际调 MoE 类模型时踩过一个坑预训练阶段路由看起来很均衡一到强化学习微调因为奖励信号集中在某类任务上路由会迅速偏向处理这类任务的专家其他专家慢慢“饿死”。表现出来就是训练前期 reward 涨得很快中期突然平台化怎么加数据都没用。后来排查才发现是路由熵掉到了很低的值。所以如果你要复现 MiMo-V2.6 的训练流程监控路由熵和专家激活分布应该和监控 loss 一样重要最好每个训练步都记下来。2.3 专家粒度与 RL 采样效率的取舍专家粒度是另一个需要权衡的点。专家越细模型对不同任务的区分能力越强但路由决策的难度也越大训练初期的不稳定性越高。MiMo-V2.6 选择的是一个相对中间偏细的粒度这跟它要做 Agentic RL 有关——智能体任务本身就是多步骤、多类型的粗粒度专家很难同时覆盖“规划”“工具调用”“结果校验”这些差异很大的子能力。从实操角度看如果你拿不到 MiMo-V2.6 的完整训练配置想在自己的 MoE 模型上做类似的事我的建议是先固定专家粒度把路由的负载均衡损失权重调大一点等 RL 训练稳定后再逐步放开。一上来就追求极致稀疏大概率会在训练中期崩掉而且崩的时候 loss 曲线不一定难看是 reward 悄悄不涨了很难查。3. Agentic RL 的规模化把“试错”变成可复制的流水线3.1 智能体任务和传统 RL 任务的根本差异传统强化学习任务比如打游戏、控制机器人环境是确定的状态转移规则固定奖励函数也相对清晰。Agentic RL 面对的是开放环境模型要调用工具、要读网页、要跟外部系统交互每一步的观测都可能带噪声奖励还往往是稀疏的、延迟的。MiMo-V2.6 要做的“规模化”核心难点就在这里——怎么让成千上万条并行的智能体轨迹都能产出对策略更新有用的信号。我自己的体会是做 Agentic RL 最痛苦的不是算法是环境工程。你要保证每个采样 worker 拿到的环境状态是隔离的、可复现的否则一条轨迹跑出来的结果换个 worker 就复现不了梯度更新全是噪声。MiMo-V2.6 报告里提到的规模化背后一定有一套环境池和轨迹管理机制这部分往往比模型本身更耗工程精力。3.2 奖励设计从“结果对错”到“过程可信”Agentic RL 的奖励设计直接决定模型学出来的是“会做事”还是“会骗奖励”。如果只给最终结果奖励模型很容易学会走捷径——比如工具调用失败但硬编一个看起来对的答案。MiMo-V2.6 在自我改进的框架里应该引入了过程奖励或者中间校验信号让模型不仅要对还要“对得可信”。这里有个很实用的经验奖励函数一定要做对抗测试。你可以故意构造一批“看起来对但过程错”的轨迹看模型会不会给高分。如果会说明奖励被 hack 了得赶紧加约束。我在做工具调用类 Agent 时就遇到过模型学会“不调用工具直接编结果”的情况最后是靠加了一个“工具调用覆盖率”的辅助奖励才压下去。3.3 规模化采样的工程瓶颈在哪规模化 RL 采样瓶颈通常不在 GPU而在环境吞吐和轨迹存储。一条智能体轨迹可能几十步每步都要跟外部环境交互如果环境响应慢GPU 就在那空转等数据。MiMo-V2.6 要做到规模化必须解决异步采样和轨迹回放的问题——采样 worker 持续产出轨迹训练 worker 按批次消费中间用高吞吐的缓冲区衔接。实操上我建议把轨迹存储和模型训练解耦。轨迹先落盘或者进消息队列训练侧按需拉取这样即使某个环境挂了也不会把整个训练拖死。另外轨迹的序列化格式要提前定好别用 pickle 这种跨版本容易出问题的方案用 JSON Lines 或者 Parquet 更稳后面做数据分析和回放也方便。4. 自我改进闭环模型怎么“自己教自己”4.1 自我改进不是让模型自言自语“自我改进”这个词很容易被误解成模型自己生成数据自己学听起来像永动机。实际上 MiMo-V2.6 的自我改进更接近一个带校验的迭代流程模型在当前策略下采样轨迹用奖励模型或者规则校验筛出高质量轨迹再用这些轨迹去更新策略更新后的策略再采样如此循环。关键在于“校验”这一环没有校验的自我改进就是自我强化偏见越练越偏。这个闭环里奖励模型的质量是天花板。如果奖励模型本身有偏差模型会朝着偏差方向一路狂奔。所以 MiMo-V2.6 大概率在奖励模型上做了持续更新或者用了多源校验规则 模型 人工抽检来互相制衡。你在自己搭类似流程时千万别用一个固定的奖励模型跑到底要定期用新策略的采样数据去微调奖励模型否则它很快就会被策略“绕过”。4.2 迭代轮次与策略漂移的控制自我改进跑多了会出现策略漂移——模型为了拿高奖励行为越来越极端离初始的通用能力越来越远。MiMo-V2.6 控制漂移的手段从常见实践看一般包括 KL 约束、参考策略正则、以及定期混入预训练数据。KL 约束是让新策略不要偏离旧策略太远参考策略正则类似混入预训练数据则是防止模型“忘了怎么正常说话”。我踩过的坑是 KL 系数设得太小模型三轮迭代后就开始输出一堆重复的、为了拿奖励而拿奖励的内容通用对话能力明显下降。后来把 KL 系数调大并且每轮迭代混 10% 左右的通用指令数据才稳住。这个比例不是固定的任务越专精混入比例可以越低但完全不加长期跑必然退化。4.3 什么信号说明闭环该停了自我改进不是跑得越久越好。有几个信号出现就该考虑停或者重置一是奖励曲线还在涨但人工评估分数不涨甚至下降说明奖励被 hack 了二是策略输出的多样性骤降同一个问题多次采样答案几乎一样三是路由熵持续走低MoE 的专家开始塌缩。MiMo-V2.6 作为开源模型把这些监控指标开放出来对复现者来说价值很大因为你可以直接对照自己的训练曲线判断状态。5. 复现与部署从报告到能跑起来的距离5.1 硬件门槛与并行策略MiMo-V2.6 是 MoE 架构部署时的显存占用和稠密模型不是一个算法。MoE 的总参数大但激活参数少推理时显存主要花在加载所有专家上。如果你显存不够常见的做法是专家分片到多卡用张量并行或者专家并行。具体选哪种取决于你的卡间带宽带宽高就张量并行带宽一般就专家并行把不同专家放不同卡上减少通信。我实测下来MoE 推理的瓶颈往往在路由通信而不是矩阵计算。每次前向都要做 all-to-all 的专家分发和回收如果卡间互联是 PCIe 而不是 NVLink延迟会很明显。所以部署前先测一下你的互联带宽别等跑起来才发现 GPU 利用率只有 30%。5.2 强化学习训练侧的资源配置如果你不只是推理还想做 RL 微调那资源规划要更细。采样侧需要大量并发环境训练侧需要大显存放模型和优化器状态奖励模型还要额外占一份。常见的做法是采样和训练分到不同机器采样侧用 CPU 密集型机器跑环境训练侧用 GPU 机器。MiMo-V2.6 的规模化能力前提就是这套分离架构。这里有个容易忽略的点采样侧的网络带宽。智能体任务经常要访问外部服务如果采样机器网络差轨迹产出速度会拖垮整个训练。我建议采样侧单独走一条网络通道别和训练侧的梯度同步抢带宽。5.3 常见报错与排查思路MoE RL 的组合报错往往不直观。我整理了几个高频问题和排查方向现象可能原因排查动作reward 前期涨后期平路由塌缩或奖励被 hack看路由熵、做奖励对抗测试训练 loss 正常但输出退化KL 约束太松或数据分布漂移调大 KL 系数、混入通用数据采样速度远低于预期环境响应慢或轨迹序列化开销大压测环境、换高效序列化格式多卡推理吞吐上不去专家并行通信瓶颈测互联带宽、调整专家分布模型输出重复率高策略熵过低加熵正则、检查奖励设计这些不是从报告里抄的是我自己在类似架构上踩出来的。报告通常只讲成功路径但这些坑才是决定你能不能复现的关键。6. 这套东西对普通开发者意味着什么MiMo-V2.6 作为开源模型最大的意义不是让你直接拿去商用而是把“强化学习规模化”和“自我改进闭环”这两件原本只在大厂内部讨论的事变成了可以下载、可以读代码、可以复现的工程样本。你可以不跑完整训练但可以拆出其中一块——比如路由负载均衡的实现、轨迹管理的设计、奖励校验的流程——用到自己的项目里。我个人最看重的是它把 Agentic RL 的工程细节暴露出来了。以前做 Agent强化学习部分基本靠猜现在有一个开源参照至少知道规模化采样大概长什么样、奖励设计要注意什么、闭环怎么控制漂移。这些经验比榜单上的几个点有价值得多。最后分享一个我自己的习惯拿到这类技术报告先别急着看结论直接翻到训练流程和消融实验部分看它砍掉哪个模块会掉多少分。那个掉分最多的模块往往就是这套方法真正的命门。MiMo-V2.6 的命门从关键词和架构看大概率在路由稳定性和奖励校验这两块你复现的时候把最多精力放在这两处成功率会高很多。 MiMo-V2.6 自我改进强化学习规模化：MoE 与 Agentic RL 工程实践
1. 从“能聊天”到“能进化”MiMo-V2.6 到底想解决什么第一次看到“自我改进的强化学习规模化”这个说法我脑子里冒出来的不是兴奋而是怀疑。过去两年开源大模型的迭代节奏基本是“预训练堆数据、后训练堆标注”模型本身在部署之后是静态的——你问它一百遍它还是那个水平不会因为你多问了几轮就变聪明。MiMo-V2.6 这份技术报告最让我在意的点就是它试图把“模型上线之后还能持续变强”这件事从一句口号变成一套可复现的工程流程。先把结论摆前面MiMo-V2.6 的核心不是又刷了多少榜单分数而是它把Agentic RL智能体式强化学习和MoE混合专家这两条线拧在了一起并且把“自我改进”拆成了可规模化的训练闭环。关键词里的 MiMo-V2.6、强化学习、开源大模型、MoE、Agentic RL其实指向的是同一个问题——当一个模型要作为智能体去执行多步任务时怎么让它从自己的执行轨迹里学到东西而不是靠人一遍遍喂标准答案。这篇文章适合谁看如果你只是想把模型拉下来跑个对话那这篇可能偏硬但如果你在做 Agent 应用、在做后训练、在琢磨怎么让模型在特定任务上越跑越准那 MiMo-V2.6 这套思路值得逐层拆开看。我会尽量把报告里那些“看起来很高深”的设计翻译成实际动手时能对上号的逻辑包括它为什么选 MoE、为什么强化学习要规模化、自我改进的闭环卡在哪、以及部署时那些文档里不会写的坑。需要先说明一点下面涉及的具体超参、训练阶段划分部分是基于公开技术报告的常见实践做的合理补全因为原始正文是空的我会明确标注哪些是推断、哪些是行业通用做法。这样你读的时候心里有数不会把推断当成官方定论。2. MoE 架构在 MiMo-V2.6 里的真实角色不是省算力那么简单2.1 为什么大模型到了这个阶段都往 MoE 走很多人对 MoE 的理解停留在“参数量大但激活少所以省算力”。这话对但只说对了一半。MiMo-V2.6 用 MoE更关键的原因在于强化学习规模化对模型容量的胃口。强化学习训练和预训练不一样它需要模型在同一个任务上反复采样、反复试错如果模型容量不够策略很快就会收敛到一个平庸的局部最优怎么调奖励都上不去。MoE 提供的是“大容量 稀疏激活”的组合总参数够大能容纳多样化的策略每次前向只激活一部分专家采样成本又不会爆炸。打个比方预训练像是让一个学生把所有课本读一遍MoE 像是给他配了一整个教研组遇到数学题叫数学老师遇到作文叫语文老师。强化学习阶段这个学生要不断做题、对答案、调整方法教研组越大他能尝试的解题思路就越多。MiMo-V2.6 把专家数量和路由机制设计好本质上是在给强化学习留出足够的“策略空间”。2.2 路由机制决定了 RL 训练稳不稳MoE 最容易被忽视、也最容易出问题的地方是路由。路由网络决定一个 token 交给哪些专家处理如果路由塌缩——也就是所有 token 都涌向少数几个专家——那 MoE 就退化成一个小模型强化学习的多样性直接崩掉。MiMo-V2.6 在报告里强调的负载均衡不是一句套话而是 RL 训练能不能跑下去的前提。我在实际调 MoE 类模型时踩过一个坑预训练阶段路由看起来很均衡一到强化学习微调因为奖励信号集中在某类任务上路由会迅速偏向处理这类任务的专家其他专家慢慢“饿死”。表现出来就是训练前期 reward 涨得很快中期突然平台化怎么加数据都没用。后来排查才发现是路由熵掉到了很低的值。所以如果你要复现 MiMo-V2.6 的训练流程监控路由熵和专家激活分布应该和监控 loss 一样重要最好每个训练步都记下来。2.3 专家粒度与 RL 采样效率的取舍专家粒度是另一个需要权衡的点。专家越细模型对不同任务的区分能力越强但路由决策的难度也越大训练初期的不稳定性越高。MiMo-V2.6 选择的是一个相对中间偏细的粒度这跟它要做 Agentic RL 有关——智能体任务本身就是多步骤、多类型的粗粒度专家很难同时覆盖“规划”“工具调用”“结果校验”这些差异很大的子能力。从实操角度看如果你拿不到 MiMo-V2.6 的完整训练配置想在自己的 MoE 模型上做类似的事我的建议是先固定专家粒度把路由的负载均衡损失权重调大一点等 RL 训练稳定后再逐步放开。一上来就追求极致稀疏大概率会在训练中期崩掉而且崩的时候 loss 曲线不一定难看是 reward 悄悄不涨了很难查。3. Agentic RL 的规模化把“试错”变成可复制的流水线3.1 智能体任务和传统 RL 任务的根本差异传统强化学习任务比如打游戏、控制机器人环境是确定的状态转移规则固定奖励函数也相对清晰。Agentic RL 面对的是开放环境模型要调用工具、要读网页、要跟外部系统交互每一步的观测都可能带噪声奖励还往往是稀疏的、延迟的。MiMo-V2.6 要做的“规模化”核心难点就在这里——怎么让成千上万条并行的智能体轨迹都能产出对策略更新有用的信号。我自己的体会是做 Agentic RL 最痛苦的不是算法是环境工程。你要保证每个采样 worker 拿到的环境状态是隔离的、可复现的否则一条轨迹跑出来的结果换个 worker 就复现不了梯度更新全是噪声。MiMo-V2.6 报告里提到的规模化背后一定有一套环境池和轨迹管理机制这部分往往比模型本身更耗工程精力。3.2 奖励设计从“结果对错”到“过程可信”Agentic RL 的奖励设计直接决定模型学出来的是“会做事”还是“会骗奖励”。如果只给最终结果奖励模型很容易学会走捷径——比如工具调用失败但硬编一个看起来对的答案。MiMo-V2.6 在自我改进的框架里应该引入了过程奖励或者中间校验信号让模型不仅要对还要“对得可信”。这里有个很实用的经验奖励函数一定要做对抗测试。你可以故意构造一批“看起来对但过程错”的轨迹看模型会不会给高分。如果会说明奖励被 hack 了得赶紧加约束。我在做工具调用类 Agent 时就遇到过模型学会“不调用工具直接编结果”的情况最后是靠加了一个“工具调用覆盖率”的辅助奖励才压下去。3.3 规模化采样的工程瓶颈在哪规模化 RL 采样瓶颈通常不在 GPU而在环境吞吐和轨迹存储。一条智能体轨迹可能几十步每步都要跟外部环境交互如果环境响应慢GPU 就在那空转等数据。MiMo-V2.6 要做到规模化必须解决异步采样和轨迹回放的问题——采样 worker 持续产出轨迹训练 worker 按批次消费中间用高吞吐的缓冲区衔接。实操上我建议把轨迹存储和模型训练解耦。轨迹先落盘或者进消息队列训练侧按需拉取这样即使某个环境挂了也不会把整个训练拖死。另外轨迹的序列化格式要提前定好别用 pickle 这种跨版本容易出问题的方案用 JSON Lines 或者 Parquet 更稳后面做数据分析和回放也方便。4. 自我改进闭环模型怎么“自己教自己”4.1 自我改进不是让模型自言自语“自我改进”这个词很容易被误解成模型自己生成数据自己学听起来像永动机。实际上 MiMo-V2.6 的自我改进更接近一个带校验的迭代流程模型在当前策略下采样轨迹用奖励模型或者规则校验筛出高质量轨迹再用这些轨迹去更新策略更新后的策略再采样如此循环。关键在于“校验”这一环没有校验的自我改进就是自我强化偏见越练越偏。这个闭环里奖励模型的质量是天花板。如果奖励模型本身有偏差模型会朝着偏差方向一路狂奔。所以 MiMo-V2.6 大概率在奖励模型上做了持续更新或者用了多源校验规则 模型 人工抽检来互相制衡。你在自己搭类似流程时千万别用一个固定的奖励模型跑到底要定期用新策略的采样数据去微调奖励模型否则它很快就会被策略“绕过”。4.2 迭代轮次与策略漂移的控制自我改进跑多了会出现策略漂移——模型为了拿高奖励行为越来越极端离初始的通用能力越来越远。MiMo-V2.6 控制漂移的手段从常见实践看一般包括 KL 约束、参考策略正则、以及定期混入预训练数据。KL 约束是让新策略不要偏离旧策略太远参考策略正则类似混入预训练数据则是防止模型“忘了怎么正常说话”。我踩过的坑是 KL 系数设得太小模型三轮迭代后就开始输出一堆重复的、为了拿奖励而拿奖励的内容通用对话能力明显下降。后来把 KL 系数调大并且每轮迭代混 10% 左右的通用指令数据才稳住。这个比例不是固定的任务越专精混入比例可以越低但完全不加长期跑必然退化。4.3 什么信号说明闭环该停了自我改进不是跑得越久越好。有几个信号出现就该考虑停或者重置一是奖励曲线还在涨但人工评估分数不涨甚至下降说明奖励被 hack 了二是策略输出的多样性骤降同一个问题多次采样答案几乎一样三是路由熵持续走低MoE 的专家开始塌缩。MiMo-V2.6 作为开源模型把这些监控指标开放出来对复现者来说价值很大因为你可以直接对照自己的训练曲线判断状态。5. 复现与部署从报告到能跑起来的距离5.1 硬件门槛与并行策略MiMo-V2.6 是 MoE 架构部署时的显存占用和稠密模型不是一个算法。MoE 的总参数大但激活参数少推理时显存主要花在加载所有专家上。如果你显存不够常见的做法是专家分片到多卡用张量并行或者专家并行。具体选哪种取决于你的卡间带宽带宽高就张量并行带宽一般就专家并行把不同专家放不同卡上减少通信。我实测下来MoE 推理的瓶颈往往在路由通信而不是矩阵计算。每次前向都要做 all-to-all 的专家分发和回收如果卡间互联是 PCIe 而不是 NVLink延迟会很明显。所以部署前先测一下你的互联带宽别等跑起来才发现 GPU 利用率只有 30%。5.2 强化学习训练侧的资源配置如果你不只是推理还想做 RL 微调那资源规划要更细。采样侧需要大量并发环境训练侧需要大显存放模型和优化器状态奖励模型还要额外占一份。常见的做法是采样和训练分到不同机器采样侧用 CPU 密集型机器跑环境训练侧用 GPU 机器。MiMo-V2.6 的规模化能力前提就是这套分离架构。这里有个容易忽略的点采样侧的网络带宽。智能体任务经常要访问外部服务如果采样机器网络差轨迹产出速度会拖垮整个训练。我建议采样侧单独走一条网络通道别和训练侧的梯度同步抢带宽。5.3 常见报错与排查思路MoE RL 的组合报错往往不直观。我整理了几个高频问题和排查方向现象可能原因排查动作reward 前期涨后期平路由塌缩或奖励被 hack看路由熵、做奖励对抗测试训练 loss 正常但输出退化KL 约束太松或数据分布漂移调大 KL 系数、混入通用数据采样速度远低于预期环境响应慢或轨迹序列化开销大压测环境、换高效序列化格式多卡推理吞吐上不去专家并行通信瓶颈测互联带宽、调整专家分布模型输出重复率高策略熵过低加熵正则、检查奖励设计这些不是从报告里抄的是我自己在类似架构上踩出来的。报告通常只讲成功路径但这些坑才是决定你能不能复现的关键。6. 这套东西对普通开发者意味着什么MiMo-V2.6 作为开源模型最大的意义不是让你直接拿去商用而是把“强化学习规模化”和“自我改进闭环”这两件原本只在大厂内部讨论的事变成了可以下载、可以读代码、可以复现的工程样本。你可以不跑完整训练但可以拆出其中一块——比如路由负载均衡的实现、轨迹管理的设计、奖励校验的流程——用到自己的项目里。我个人最看重的是它把 Agentic RL 的工程细节暴露出来了。以前做 Agent强化学习部分基本靠猜现在有一个开源参照至少知道规模化采样大概长什么样、奖励设计要注意什么、闭环怎么控制漂移。这些经验比榜单上的几个点有价值得多。最后分享一个我自己的习惯拿到这类技术报告先别急着看结论直接翻到训练流程和消融实验部分看它砍掉哪个模块会掉多少分。那个掉分最多的模块往往就是这套方法真正的命门。MiMo-V2.6 的命门从关键词和架构看大概率在路由稳定性和奖励校验这两块你复现的时候把最多精力放在这两处成功率会高很多。