Nový vlajkový model Xiaomi vede žebříček otevřených vah se skóre 46

Xiaomi dne 22. září 2026 oznámilo vydání a otevřené zdrojové kódy řady MiMo-V2.6, vedené vlajkovým modelem, který podle vlastníka benchmarku Artificial Analysis dosáhl 46 na svém Intelligence Index, 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 kterém společnost uvádí, že nabízí rovnováhu mezi inteligencí, efektivitou a náklady. Třetí varianta, MiMo-V2.6-Pro-UltraSpeed, podle Xiaomi poskytuje až 20‑násobně rychlejší výstup při stejné kvalitě pro uživatele, kteří vyžadují extrémní rychlost generování.

Umístění v benchmarku Artificial Analysis

Artificial Analysis’ stránka modelu pro MiMo-V2.6-Pro zaznamenává 46 na Intelligence Index v4.3.2, což je souhrn 10 hodnocení zahrnujících AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode a Humanity’s Last Exam. Porovnání open-source modelů benchmarkeru 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 uvádí Artificial Analysis’ stránka pro Grok 4.7 (xhigh) model SpaceXAI se stejným 46. Oznámení Xiaomi uvádí 46.32 na indexu a nazývá MiMo-V2.6-Pro “nejvýkonnější open-source model dosud”, a říká, že převyšuje Kimi K3 a Qwen3.8 Max. Artificial Analysis uvádí cenu modelu na $0.13 za úkol v Intelligence Index a uvádí, že jeho vyhodnocení na indexu stálo $206.66. Xiaomi uvádí, že série zachovává cenovou politiku API série V2.5, kterou popisuje jako posunout Paretoovu hranici inteligence versus náklad ven.

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

Řídká MoE architektura a váhy pod licencí MIT

Podle modelové karty publikované týmem Xiaomi MiMo je, že vlajkový checkpoint MiMo-V2.6-Pro-RL je řídký model mixture-of-experts s 1.02 trillion celkových parametrů a 42 billion aktivovaných na token, kontextovou délkou 1M tokenů a vstupy text, obrázek, video a audio s textovým výstupem. Specifikace Artificial Analysis uvádějí stejné počty parametrů, kontextové okno a modality a zaznamenávají licenci MIT, která umožňuje komerční využití.

Karta podrobně popisuje 70‑vrstvý backbone, 60 vrstev posuvného okna s pozorností prokládaných 10 vrstvami globální pozornosti, s 384 směrovanými experty, z nichž osm je aktivních na token. 681M‑parametrový MiMo ViT zpracovává vizuální data, 308M‑parametrový AudioTokenizer a 127M‑parametrový audio patch encoder zpracovávají audio a pětvrstvý spekulativní dekodér s predikcí více tokenů předpovídá sedm následujících tokenů během jednoho průchodu.

Váhy pro MiMo-V2.6-Pro-RL a MiMo-V2.6-Flash-RL jsou publikovány na Hugging Face, s dostupností v ModelScope při vydání. Xiaomi uvedlo, že také otevřeně zveřejní kompletní technickou zprávu, tréninková prostředí a kód RL, aby je výzkumníci mohli reprodukovat a ověřit.

Živě streamovaný běh reinforcement learningu

Xiaomi uvedlo, že streamovalo produkční běh reinforcement learningu živě, jak probíhal. Za méně než šest dní dokončily MiMo-V2.6-Flash a MiMo-V2.6-Pro každá 30 kroků RL na přibližně 750000 trajektoriích, přičemž hlášené náklady činily přibližně $0.85 million a $2.62 million. 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 pro Flash a z 58.4 na 72.57 pro Pro, uvedlo Xiaomi.

Společnost uvedla, že škálovala výpočet RL podél tří os: větší batchsize na plně asynchronní architektuře se 1,568 vzorky na aktualizaci, trénink až s kontextovou délkou 1M a 3.5 až 3.7 billion tokenů na krok; multi‑tasková sada zahrnující kódování, obecné agenty, vizuální a kybernetické úlohy smíšené napříč několika háky; a více výpočetního výkonu pro hodnocení, využívající relativní srovnání v rámci každé skupiny k vytvoření přesnějších signálů odměny.

Modelová karta specifikuje plně asynchronní Group Relative Policy Optimization při 1,568 výzvách s 16 roll-outy na krok, Groupwise Reward Synthesis pro tvorbu úkolově specifických rubrik offline z kontrastních roll-outů a Groupwise Advantage Redistribution pro online řazení úspěšných trajektorií. Fáze multi‑prefix multi‑teacher on‑policy distilace nazvaná MOPD2 následuje smíšený běh RL a Xiaomi popisuje obrany proti manipulaci s odměnou zahrnující návrh odměny, adversariální hodnocení, detekci anomálií a vzájemnou kontrolu mezi verifikátory.

Ceny, 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 hodnotu 1 673 v GDPVal 2.1, což je Elo rating uvedený společností Artificial Analysis, a je za Claude Fable 5.1 (1 735) a Claude Opus 5 (1 708). Další hlášené výsledky Pro zahrnují 76,9 v Toolathlon‑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 opouští předběžný přístup s první oficiální verzí, ve které jsou zabudovány Pro a Flash, a Xiaomi uvedl, že program UltraSpeed v předběžném přístupu poběží ještě jeden týden, přičemž stávající uživatelé jsou vyzváni, aby přešli na nová jména modelů.

Ceny API zůstávají nezměněny oproti sérii 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 multi‑agentních her, modelování v Blenderu 3D, uzavřenou smyčku řízení simulovaného robotického ramene Franka Panda z vícerozhlých kamerových vstupů, návrh frontendu a prezentací, kompletní tvorbu videa i skládání hudby, včetně orchestrální skladby nazvané Night Road, kterou model sám ohodnotil a převedl do formátu MIDI. Ve dvou výzkumných případech, které společnost uvedla, navrhl MiMo-V2.6-Pro kandidáty na metal‑organické rámce pro adsorpci PFAS sloučenin ve spolupráci s materiálovými experty Xiaomi a vytvořil formalizaci v Lean 4 teorie „Period Three Implies Chaos“ od Liho a Yorkea, přesahující 6 000 řádků kódu, ověřenou jádrem Lean bez nevyplněných důkazových míst.