Xiaomis nye flaggskibsmodel topper open-weight‑ranglisten med en score på 46

Xiaomi den 22. september 2026 annoncerede udgivelsen og open‑sourcing af MiMo-V2.6 series, ledet af en flaggskibsmodel, som benchmark‑ejeren Artificial Analysis scorer 46 på sin Intelligence Index, det højeste open‑weight‑resultat på den rangliste.

Serien omfatter to indfødt omnimodale modeller: MiMo-V2.6-Pro, som Xiaomi beskriver som deres mest kapable model til dato, og MiMo-V2.6-Flash, som virksomheden siger opnår en balance mellem intelligens, effektivitet og omkostninger. En tredje variant, MiMo-V2.6-Pro-UltraSpeed, leverer op til 20‑gange hurtigere output ved samme kvalitet for brugere, der kræver ekstrem genereringshastighed, ifølge Xiaomi.

Placeringen i Artificial Analysis‑benchmarken

Artificial Analysis’ model page for MiMo-V2.6-Pro registrerer en 46 på Intelligence Index v4.3.2, et sammensat resultat af 10 evalueringer, herunder AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode og Humanity’s Last Exam. Benchmark‑ens open-source model comparison placerer MiMo-V2.6-Pro som første blandt open‑weight‑modeller, foran Z AI’s GLM‑5.3 (max) med 45 og Kimi K3 (max) med 44, og beskriver MiMo-V2.6-Pro og GLM‑5.3 (max) som de mest intelligente open‑source‑modeller.

Artificial Analysis’ page for Grok 4.7 (xhigh) viser SpaceXAI-modellen med samme 46. Xiaomi’s meddelelse citerer en 46.32 på indekset og kalder MiMo-V2.6-Pro \”den stærkeste open‑source‑model til dato\”, og siger, at den overgår Kimi K3 og Qwen3.8 Max. Artificial Analysis angiver modellens omkostning til $0.13 pr. Intelligence Index‑opgave og rapporterer, at evalueringen på indekset kostede $206.66. Xiaomi siger, at serien bevarer API‑priserne fra V2.5‑serien, som de beskriver som at skubbe intelligens‑mod‑omkostning Pareto‑fronten udad.

Artificial Analysis angiver modellens udgivelsesdato som 21. september 2026; Xiaomis meddelelsesindlæg er dateret 22. september 2026.

Sparsom MoE-arkitektur og MIT‑licenserede vægte

Ifølge modelkortet offentliggjort af Xiaomi MiMo Team er flaggskibet MiMo-V2.6-Pro-RL checkpoint en sparsom mixture-of-experts-model med i alt 1,02 billioner parametre og 42 milliarder aktiverede pr. token, en 1M-token kontekstlængde samt tekst-, billed-, video- og lydinput med tekstoutput. Artificial Analysis’ specifikationer angiver de samme parameterantal, kontekstvindue og modaliteter samt registrerer en MIT-licens, som tillader kommerciel brug.

Kortet beskriver en 70‑lagets backbone, 60 sliding‑window‑attention‑lag interleaveret med 10 global‑attention‑lag, med 384 routed‑experts hvoraf otte er aktive pr. token. En 681M-parameter MiMo ViT håndterer vision, en 308M-parameter AudioTokenizer og en 127M-parameter audio‑patch‑encoder håndterer lyd, og en fem‑lagers multi‑token‑prediction‑speculativ decoder forudsiger syv efterfølgende tokens pr. fremadrettet pass.

Vægtene for MiMo-V2.6-Pro-RL og MiMo-V2.6-Flash-RL er offentliggjort på Hugging Face, med ModelScope‑tilgængelighed ved udgivelsen. Xiaomi oplyser, at de også open‑sourcer den fulde tekniske rapport, træningsmiljøerne og RL‑koden, så forskere kan reproducere og verificere resultaterne.

En livestreamet reinforcement‑learning‑kørsel

Xiaomi oplyser, at de streamede reinforcement‑learning‑kørslen live, mens den foregik. På under seks dage gennemførte MiMo-V2.6-Flash og MiMo-V2.6-Pro hver 30 RL‑trin over cirka 750.000 trajectories, med rapporterede omkostninger på omkring $0.85 million og $2.62 million henholdsvis. Den gennemsnitlige beståelsesrate på træningsopgaverne steg med 25 % og 12 % i relative termer, og på DeepSWE v1.1, et hold‑out lang‑horisont software‑engineering‑benchmark, steg scorerne fra 48.8 til 65.68 for Flash og fra 58.4 til 72.57 for Pro, rapporterede Xiaomi.

Virksomheden oplyser, at de skalerede RL‑compute langs tre akser: større batches på en fuldt asynkron arkitektur med 1,568 samples pr. opdatering, træning med op til 1M kontekstlængde og 3.5 til 3.7 milliarder tokens pr. trin; en multi‑task‑suite, der dækker kodning, generelle agenter, visuelle og cyber‑opgaver blandet på flere harnesses; samt mere grader‑compute, der bruger relativ sammenligning inden for hver gruppe for at producere mere præcise belønningssignaler.

Modelkortet specificerer fuldt asynkron Group Relative Policy Optimization med 1,568 prompts og 16 rollouts hver pr. trin, Groupwise Reward Synthesis til at bygge opgavespecifikke rubrikker offline fra kontrasterende rollouts, og Groupwise Advantage Redistribution til at rangere beståede trajectories online. En multi‑prefix multi‑teacher on‑policy distillation‑fase kaldet MOPD2 følger den blandede RL‑kørsel, og Xiaomi beskriver reward‑hacking‑forsvar, der spænder over reward‑design, adversarial‑evaluering, anomalidetektion og krydstjek mellem verificere.

Prisfastsættelse, tilgængelighed og demonstrerede anvendelser

I Xiaomi’s egne benchmark‑tabeller scorer MiMo-V2.6-Pro 71.9 på DeepSWE v1.1 mod 67.9 for Flash og 19.0 for MiMo-V2.5-Pro, efterfølgende DeepSeek V4.1 Flash (74.2), Claude Opus 5 (74.0) og GPT 6 Astra (74.0). Xiaomi lister Pro på 1,673 på GDPVal 2.1, en Elo‑rating rapporteret af Artificial Analysis, bag Claude Fable 5.1 (1,735) og Claude Opus 5 (1,708). Andre rapporterede Pro‑resultater inkluderer 76.9 på Toolathlon-verified, 53.1 på Automation Bench v1.0.6, 34.9 på Terminal Bench 4.0 og 94.0 på CyberGym, hvor Flash får 95.1 mod GLM 5.3’s 84.5.

Begge modeller er tilgængelige i AI Studio, MiMo Code og MiMo Desktop samt via MiMo API Platform og OpenRouter. MiMo Desktop forlader early access med sin første officielle udgivelse, med Pro og Flash indbygget, og Xiaomi meddelte, at UltraSpeed‑early‑access‑programmet vil fortsætte i yderligere en uge, hvor eksisterende brugere bliver bedt om at skifte til de nye modelnavne.

API-priserne er uændrede i forhold til V2.5-serien: pr. million tokens koster MiMo-V2.6-Pro $0,0036 for cache-hit-inddata, $0,435 for cache-miss-inddata og $0,87 for output; MiMo-V2.6-Flash koster $0,0028, $0,14 og $0,28; og MiMo-V2.6-Pro-UltraSpeed koster $0,036, $4,35 og $8,70 i de samme tre kategorier. Artificial Analysis målte 129,7 output‑tokens pr. sekund og en tid på 2,17 sekunder til første token via Xiaomis API.

Xiaomi’s demonstrationer dækker multi‑agent‑spiludvikling, Blender 3D‑modellering, lukket‑sløjfe‑styring af en Franka Panda‑robotarm fra multi‑view‑kamera‑feeds, frontend‑ og præsentationsdesign, end‑to‑end‑videoproduktion og musikkomposition, herunder et orkesterstykke kaldet Night Road, som modellen selv scorerede og konverterede til MIDI. I to forskningssager rapporteret af virksomheden designede MiMo-V2.6-Pro metal‑organiske ramme‑kandidater til adsorption af PFAS‑forbindelser sammen med Xiaomi’s materialeksperter, og den producerede en Lean 4‑formalisation af Li og Yorkes “Period Three Implies Chaos”‑teorem på over 6.000 kodelinjer, verificeret af Leans kerne uden uafsluttede bevis‑pladsholdere.