Xiaomi otwiera MiMo-V2.6 Pro i Flash. Razem z wagami oddaje środowiska i rachunek za trening RL
Xiaomi udostępniło wagi dwóch modeli z serii MiMo-V2.6 — Pro i Flash. Ale to nie jest zwykła premiera z dopiskiem „open weights”. Razem z wagami firma opublikowała raport techniczny, około 7 tys. środowisk zadań do uczenia przez wzmacnianie, kompletny framework RL oraz komponowalne mini-harnessy do testowania agentów. Do tego doszedł mniejszy MiMo-V2.6-Distill-Qwen-9B.
Xiaomi określa premierę jako odtwarzalny test: sprawdzenie, czy skalowanie uczenia przez wzmacnianie na weryfikowalnych, złożonych zadaniach faktycznie poprawia model. Standardowo producenci pokazują gotowy model i wybrane wyniki. Tu oddany do wglądu jest także warsztat — środowiska, kod i liczby z samego przebiegu treningu.
Ile kosztował trening
Najbardziej konkretne dane dotyczą właśnie treningu. Każdy z modeli przeszedł 30 kroków uczenia przez wzmacnianie na około 750 tys. trajektorii, w niecałe sześć dni. Pojedyncza aktualizacja opierała się na 1568 próbkach, a kontekst sięgał miliona tokenów. Trening Flasha kosztował 850 tys. dolarów, Pro — 2,62 mln, razem około 3,47 mln. W teście DeepSWE v1.1 wyniki wzrosły z 48,8 do 65,68 punktu w przypadku Flasha i z 58,4 do 72,57 u Pro.
Zadania obejmowały kodowanie, pracę agentów ogólnych, zadania wizyjne oraz cyberbezpieczeństwo. Xiaomi opisuje też zabezpieczenia przed reward hackingiem: zamrożony router, ocenę kontradyktoryjną, wykrywanie anomalii i weryfikatory krzyżowe.
Poza klasycznym kodowaniem firma pokazała w materiałach badawczych m.in. sterowanie ramieniem Franka Panda na podstawie obrazu z kamer, budowanie i wizualne testowanie scen 3D oraz tworzenie assetów do Blendera. To demonstracje producenta, nie niezależne testy.
Wyniki i dostępność
Według Xiaomi MiMo-V2.6-Pro uzyskało 46,32 punktu w Artificial Analysis Intelligence Index v4.3 — najwyżej wśród modeli open source w tym zestawieniu — i wypada na poziomie Claude Opus 5 oraz GPT-5.6 Sol w większości benchmarków agentowych. To deklaracje producenta, nie niezależnie potwierdzone wyniki.
Modele są dostępne w AI Studio, MiMo Code, MiMo Desktop (wychodzi z wczesnego dostępu), na platformie API Xiaomi i w OpenRouter. Ceny pozostały na poziomie serii V2.5: Flash 0,14 dolara za milion tokenów wejściowych i 0,28 za wyjściowe, Pro odpowiednio 0,435 i 0,87. Osobno jest wariant UltraSpeed — do 20 razy szybsze generowanie za dziesięciokrotnie wyższą cenę.
Xiaomi nie podało warunków licencji otwartych wag ani sprzętu, na którym prowadzono trening. Nie wiadomo też, jak modele wypadają na benchmarkach innych niż agentowe.
