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

Xiaomi annoncerede den 22. september 2026 udgivelsen og open‑sourcing af MiMo-V2.6-serien, ledet af en flaggskibsmodel, som benchmark‑ejeren Artificial Analysis giver en score på 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 med samme kvalitet for brugere, der kræver ekstrem genereringshastighed, ifølge Xiaomi.

Artificial Analysis‑benchmarkens placering

Artificial Analysis’ modelside for MiMo-V2.6-Pro registrerer en 46 på Intelligence Index v4.3.2, et sammensat resultat af 10 evalueringer, der omfatter AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode og Humanity’s Last Exam. Benchmarkens open source-modellsammenligning placerer MiMo-V2.6-Pro som den 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.

Blandt proprietære systemer lister Artificial Analysis’ side for Grok 4.7 (xhigh) SpaceXAI‑modellen med den samme 46. Xiaomi’s meddelelse nævner 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 Pareto‑fronten for intelligens‑mod‑omkostning udad.

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

Spars MoE‑arkitektur og MIT‑licenserede vægte

Ifølge modelkort offentliggjort af Xiaomi MiMo‑teamet er flaggskibs‑checkpointet MiMo-V2.6-Pro-RL en spars blandings‑af‑eksperter‑model med 1,02 billioner samlede parametre og 42 milliarder aktiverede per token, en kontekstlængde på 1 million token og tekst‑, billed‑, video- og lydinput med tekstoutput. Artificial Analysis’ specifikationer angiver de samme parameterantal, kontekstvindue og modaliteter samt en MIT‑licens, der tillader kommerciel brug.

Kortet beskriver en 70‑lagers backbone, 60 sliding‑window‑attention‑lag, der er flettet sammen med 10 global‑attention‑lag, med 384 routed‑experts, hvoraf otte er aktive per token. En 681 M‑parameter MiMo ViT håndterer vision, en 308 M‑parameter AudioTokenizer og en 127 M‑parameter audio‑patch‑encoder håndterer lyd, og en fem‑lagers multi‑token‑prediktions‑speculativ decoder forudsiger syv efterfølgende token per 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 forstærknings‑lærings‑kørsel

Xiaomi oplyser, at de streamede den produktions‑reinforcement‑learning‑kørsel live, mens den foregik. På under seks dage gennemførte både MiMo-V2.6-Flash og MiMo-V2.6-Pro hver 30 RL‑trin over cirka 750 000 trajektorier, 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‑benchmark for software‑engineering med lang horisont, 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‑beregning langs tre akser: større batch‑størrelser på en fuldt asynkron arkitektur med 1 568 prøver pr. opdatering, træning med op til 1 M kontekstlængde og 3,5 til 3,7 milliarder token pr. trin; en multi‑task‑suite, der spænder over kodning, generelle agenter, visuelle og cyber‑opgaver blandet på tværs af flere harnesses; samt mere grader‑beregning, 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 per trin, Groupwise Reward Synthesis til at bygge opgavespecifikke rubrikker offline fra kontrasterende rollouts, og Groupwise Advantage Redistribution til at rangere beståede trajektorier online. En multi‑prefix multi‑teacher on‑policy‑destillationsfase kaldet MOPD2 følger den blandede RL‑kørsel, og Xiaomi beskriver belønnings‑hacking‑forsvar, der spænder over belønningsdesign, adversarial‑evaluering, anomali‑detektion og krydstjek mellem verifikatorer.

Prisfastsættelse, tilgængelighed og demonstrerede anvendelser

MiMo-V2.6-Pro scorer 71,9 på DeepSWE v1.1 mod 67,9 for Flash og 19,0 for MiMo-V2.5-Pro og ligger bag DeepSeek V4.1 Flash (74,2), Claude Opus 5 (74,0) og GPT 6 Astra (74,0). Xiaomi angiver 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 omfatter 76,9 på Toolathon‑verificeret, 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 køre i endnu 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 per second og en tid på 2.17 sekunder til første token gennem Xiaomi’s API.

Xiaomis demonstrationer dækker multi‑agent spilsudvikling, Blender‑3D‑modellering, lukket‑sløjfe‑styring af en simuleret 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 rammekandidater til adsorption af PFAS‑forbindelser sammen med Xiaomis materialeksperter, og den producerede en Lean 4‑formaliseringskode af Li og Yorkes \”Period Three Implies Chaos\”-teorem på over 6.000 linjer kode, verificeret af Leans kerne uden uafsluttede bevis‑pladsholdere.