Nový vlajkový model Xiaomi vede žebříček otevřených vah s hodnocením 46

Xiaomi 22. září 2026 oznámilo vydání a otevření zdrojového kódu série MiMo-V2.6, vedené vlajkovým modelem, který podle vlastníka benchmarku Artificial Analysis dosáhl na svém Intelligence Index 46, což je nejvyšší výsledek otevřených vah v tomto žebříčku.

Série zahrnuje dva nativně omnimodální modely: MiMo-V2.6-Pro, který Xiaomi popisuje jako svůj dosud nejvýkonnější model, a MiMo-V2.6-Flash, o němž společnost uvádí, že nachází rovnováhu mezi inteligencí, efektivitou a náklady. Třetí varianta, MiMo-V2.6-Pro-UltraSpeed, poskytuje až 20‑krát rychlejší výstup při stejné kvalitě pro uživatele, kteří potřebují extrémní rychlost generování, podle Xiaomi.

Umístění v benchmarku Artificial Analysis

Artificial Analysis’ stránka modelu pro MiMo-V2.6-Pro zaznamenává 46 v Intelligence Index v4.3.2, souhrn 10 hodnocení zahrnujících AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode a Humanity’s Last Exam. Benchmarkera porovnání open-source modelů umisťuje MiMo-V2.6-Pro na první místo mezi modely s otevřenými vahami, před GLM‑5.3 (max) od Z AI s 45 a Kimi K3 (max) s 44, a popisuje MiMo-V2.6-Pro a GLM‑5.3 (max) jako nejinteligentnější open-source modely.

Mezi proprietárními systémy Artificial Analysis’ stránka pro Grok 4.7 (xhigh) uvádí model SpaceXAI se stejným skóre 46. Oznámení Xiaomi uvádí 46,32 v indexu a nazývá MiMo-V2.6-Pro „nejvýkonnější open-source model dosud“, s tím, že překonává Kimi K3 a Qwen3.8 Max. Artificial Analysis stanoví cenu modelu na 0,13 $ za úlohu v Intelligence Index a uvádí, že jeho vyhodnocení v indexu stálo 206,66 $. Xiaomi uvádí, že série zachovává cenovou politiku API série V2.5, kterou popisuje jako posunout Paretoovu hranici inteligence‑vs‑náklady dále ven.

Artificial Analysis uvádí datum vydání modelu jako 21. září 2026; příspěvek s oznámením Xiaomi je datován 22. září 2026.

Řídká architektura MoE a váhy licencované pod MIT

Podle karty modelu publikované týmem Xiaomi MiMo je checkpoint vlajkového modelu MiMo-V2.6-Pro-RL řídký model směsi odborníků s celkovým počtem 1,02 bilionu parametrů a 42 miliardou aktivovaných na token, kontextovou délkou 1 M tokenů a vstupy text, obrázek, video a audio s výstupem text. Specifikace Artificial Analysis uvádějí stejné počty parametrů, kontextové okno i modality a zaznamenávají licenci MIT, která umožňuje komerční využití.

Karta uvádí 70‑vrstvý backbone, 60 vrstev pozornosti s posuvným oknem prokládaných 10 vrstvami globální pozornosti, s 384 směrovanými experty, z nichž osm je aktivních na token. Model MiMo ViT s 681 M parametry zpracovává vizuální data, AudioTokenizer s 308 M parametry a audio patch encoder s 127 M parametry zpracovávají audio a pěti‑vrstvý spekulativní dekodér pro predikci více tokenů předpovídá sedm následujících tokenů během jednoho průchodu.

Váhy pro MiMo-V2.6-Pro-RL a MiMo-V2.6-Flash-RL jsou zveřejněny na Hugging Face, s dostupností v ModelScope při vydání. Xiaomi uvedlo, že také otevřelo celý technický report, tréninková prostředí a kód RL, aby výzkumníci mohli výsledky reprodukovat a ověřovat.

Živě streamovaný běh posilovacího učení

Xiaomi uvedlo, že streamovalo produkční běh posilovacího učení živě v reálném čase. Během méně než šesti dnů dokončily MiMo-V2.6-Flash a MiMo-V2.6-Pro každá 30 kroků RL na přibližně 750 000 trajektoriích, přičemž hlášené náklady byly přibližně 0,85 milionu dolarů a 2,62 milionu dolarů respektive. Průměrná úspěšnost na tréninkových úlohách vzrostla o 25 % a 12 % v relativních termínech a na DeepSWE v1.1, vyhrazeném dlouhodobém benchmarku softwarového inženýrství, skóre vzrostla z 48,8 na 65,68 u Flash a z 58,4 na 72,57 u Pro, uvedlo Xiaomi.

Společnost uvedla, že rozšířila výpočetní kapacitu RL podél tří os: větší batch size na plně asynchronní architektuře se 1 568 vzorky na aktualizaci, trénink až s kontextovou délkou 1 M a 3,5‑ až 3,7 miliardami tokenů na krok; multi‑taskový balík zahrnující kódování, obecné agenty, vizuální a kybernetické úlohy kombinované v několika harnessích; a více výpočetní kapacity pro hodnocení, využívající relativní srovnání v rámci každé skupiny k vytvoření přesnějších odměnových signálů.

Karta modelu specifikuje plně asynchronní Group Relative Policy Optimization s 1 568 podněty a 16 rollouty na každý krok, Groupwise Reward Synthesis pro tvorbu úkolově specifických rubrik offline z kontrastních rolloutů a Groupwise Advantage Redistribution pro online řazení úspěšných trajektorií. Fáze multi‑prefix multi‑teacher on‑policy distilace nazvaná MOPD2 následuje po smíšeném běhu RL a Xiaomi popisuje obrany proti manipulaci s odměnami zahrnující návrh odměn, adversariální hodnocení, detekci anomálií a křížové ověřování mezi verifikátory.

Cenová politika, dostupnost a demonstrované využití

V benchmarkových tabulkách Xiaomi dosahuje MiMo-V2.6-Pro skóre 71,9 v DeepSWE v1.1 oproti 67,9 u Flash a 19,0 u MiMo-V2.5-Pro, zaostává za DeepSeek V4.1 Flash (74,2), Claude Opus 5 (74,0) a GPT 6 Astra (74,0). Xiaomi uvádí, že Pro má 1 673 v GDPVal 2.1, Elo hodnocení podle Artificial Analysis, za Claude Fable 5.1 (1 735) a Claude Opus 5 (1 708). Další uváděné výsledky Pro zahrnují 76,9 v Toolathon‑verified, 53,1 v Automation Bench v1.0.6, 34,9 v Terminal Bench 4.0 a 94,0 v CyberGym, kde Flash dosahuje 95,1 proti 84,5 u GLM 5.3.

Oba modely jsou k dispozici v AI Studio, MiMo Code a MiMo Desktop, stejně jako prostřednictvím platformy MiMo API a OpenRouter. MiMo Desktop ukončuje předběžný přístup s první oficiální verzí, ve které jsou zabudovány Pro a Flash, a Xiaomi uvedlo, že program UltraSpeed v předběžném přístupu bude probíhat ještě jeden týden, přičemž stávající uživatelé mají přejít na nová názvy modelů.

Ceny API zůstávají stejné jako u série V2.5: za milion tokenů stojí MiMo-V2.6-Pro $0,0036 za vstup s cache hit, $0,435 za vstup s cache miss a $0,87 za výstup; MiMo-V2.6-Flash stojí $0,0028, $0,14 a $0,28; a MiMo-V2.6-Pro-UltraSpeed stojí $0,036, $4,35 a $8,70 ve stejných třech kategoriích. Artificial Analysis změřil 129,7 výstupních tokenů za sekundu a čas 2,17 s do prvního tokenu přes API Xiaomi.

Ukázky Xiaomi zahrnují vývoj multiagentních her, modelování v Blenderu 3D, uzavřenou smyčkovou kontrolu robotické paže Franka Panda z vícero kamerových záběrů, návrh frontendu a prezentací, kompletní tvorbu videa i skladbu hudby, včetně orchestrální skladby nazvané Night Road, kterou model sám ohodnotil a převedl do formátu MIDI. Ve dvou výzkumných případech, které společnost uvedla, MiMo-V2.6-Pro navrhl kandidáty na metal-organické rámce pro adsorpci sloučenin PFAS ve spolupráci s materiálovými experty Xiaomi a vytvořil formalizaci v Lean 4 teorie Liho a Yorkeho “Period Three Implies Chaos”, přesahující 6 000 řádků kódu, ověřenou jádrem Lean bez nevyplněných důkazových míst.