Modèles et plateformes d’IA
Le nouveau modèle phare de Xiaomi mène le classement open-weight avec un score de 46
Ajouter Unite.AI à vos sources préférées sur Google
Xiaomi, le 22 septembre 2026, a annoncé la sortie et l’open source de la série MiMo-V2.6, dirigée par un modèle phare que le propriétaire du benchmark Artificial Analysis note 46 sur son Intelligence Index, le meilleur résultat open-weight de ce classement.
La série comprend deux modèles omnimodaux natifs : le MiMo-V2.6-Pro, que Xiaomi décrit comme son modèle le plus performant à ce jour, et le MiMo-V2.6-Flash, que l’entreprise affirme offrir un équilibre entre intelligence, efficacité et coût. Une troisième variante, le MiMo-V2.6-Pro-UltraSpeed, fournit une sortie jusqu’à 20 fois plus rapide avec la même qualité pour les utilisateurs qui exigent une vitesse de génération extrême, selon Xiaomi.
Le classement du benchmark Artificial Analysis
Artificial Analysis’ page du modèle for MiMo-V2.6-Pro enregistre un 46 sur Intelligence Index v4.3.2, un composite de 10 évaluations incluant AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode et Humanity’s Last Exam. La comparaison de modèles open-source du benchmark place le MiMo‑V2.6‑Pro en première position parmi les modèles open-weight, devant le GLM‑5.3 (max) de Z AI avec 45 et le Kimi K3 (max) avec 44, et décrit le MiMo‑V2.6‑Pro et le GLM‑5.3 (max) comme les modèles open source les plus intelligents.
Parmi les systèmes propriétaires, la page pour Grok 4.7 (xhigh) d’Artificial Analysis répertorie le modèle SpaceXAI au même 46. L’annonce de Xiaomi cite un 46.32 sur l’indice et qualifie le MiMo‑V2.6‑Pro de « le modèle open-source le plus performant à ce jour », affirmant qu’il dépasse le Kimi K3 et le Qwen3.8 Max. Artificial Analysis indique que le coût du modèle est de $0.13 par tâche de l’Intelligence Index et rapporte que son évaluation sur l’indice a coûté $206.66. Xiaomi précise que la série conserve les tarifs API de la série V2.5, qu’elle décrit comme repoussant la frontière de Pareto intelligence‑versus‑coût vers l’extérieur.
Artificial Analysis indique la date de sortie du modèle au 21 septembre 2026 ; le post d’annonce de Xiaomi est daté du 22 septembre 2026.
Architecture MoE parcimonieuse et poids sous licence MIT
Selon la fiche du modèle publiée par l’équipe Xiaomi MiMo, le point de contrôle phare MiMo‑V2.6‑Pro‑RL est un modèle à mélange d’experts parcimonieux avec 1.02 trillion de paramètres au total et 42 billion activés par jeton, une longueur de contexte de 1 M de jetons, et des entrées texte, image, vidéo et audio avec sortie texte. Les spécifications d’Artificial Analysis listent les mêmes décomptes de paramètres, fenêtre contextuelle et modalités, et enregistrent une licence MIT, qui autorise une utilisation commerciale.
La fiche décrit un backbone de 70 couches, 60 couches d’attention à fenêtre glissante entrelacées avec 10 couches d’attention globale, avec 384 experts routés dont huit sont actifs par jeton. Un MiMo ViT de 681 M paramètres gère la vision, un AudioTokenizer de 308 M paramètres et un encodeur de patch audio de 127 M paramètres traitent l’audio, et un décodeur spéculatif à prédiction multi‑jeton de cinq couches prédit sept jetons suivants par passe avant.
Les poids du MiMo‑V2.6‑Pro‑RL et du MiMo‑V2.6‑Flash‑RL sont publiés sur Hugging Face, avec une disponibilité sur ModelScope lors du lancement. Xiaomi a indiqué qu’il publie également en open source le rapport technique complet, les environnements d’entraînement et le code RL afin que les chercheurs puissent reproduire et vérifier les résultats.
Une exécution d’apprentissage par renforcement diffusée en direct
Xiaomi a indiqué qu’elle a diffusé en direct l’exécution de production d’apprentissage par renforcement au fur et à mesure. En moins de six jours, le MiMo‑V2.6‑Flash et le MiMo‑V2.6‑Pro ont chacun effectué 30 étapes d’RL sur environ 750 000 trajectoires, à des coûts déclarés d’environ $0.85 million et $2.62 million respectivement. Le taux de réussite moyen sur les tâches d’entraînement a augmenté de 25 % et 12 % en termes relatifs, et sur DeepSWE v1.1, un benchmark d’ingénierie logicielle à long horizon retenu, les scores sont passés de 48.8 à 65.68 pour le Flash et de 58.4 à 72.57 pour le Pro, selon Xiaomi.
L’entreprise a déclaré avoir fait évoluer le calcul RL selon trois axes : des lots plus grands sur une architecture entièrement asynchrone avec 1 568 échantillons par mise à jour, un entraînement jusqu’à une longueur de contexte de 1 M et de 3,5 à 3,7 billion de jetons par étape ; une suite multitâche couvrant le codage, les agents généraux, les tâches visuelles et cyber, mélangées sur plusieurs harnais ; et davantage de puissance de calcul pour les évaluateurs, en utilisant la comparaison relative au sein de chaque groupe afin de produire des signaux de récompense plus précis.
La fiche du modèle précise une optimisation de politique relative de groupe entièrement asynchrone avec 1 568 invites et 16 déroulements chacun par étape, une synthèse de récompense groupée pour construire hors ligne des rubriques spécifiques aux tâches à partir de déroulements contrastés, et une redistribution d’avantage groupée pour classer en ligne les trajectoires réussies. Une étape de distillation en ligne de politique multi‑préfixe multi‑enseignant appelée MOPD2 suit l’exécution RL mixte, et Xiaomi décrit des défenses contre la manipulation de récompense couvrant la conception de récompense, l’évaluation adversariale, la détection d’anomalies et la double vérification entre les vérificateurs.
Tarification, disponibilité et utilisations démontrées
Dans les propres tableaux de référence de Xiaomi, le MiMo-V2.6-Pro obtient 71,9 sur DeepSWE v1.1 contre 67,9 pour Flash et 19,0 pour le MiMo-V2.5-Pro, se situant derrière DeepSeek V4.1 Flash (74,2), Claude Opus 5 (74,0) et GPT 6 Astra (74,0). Xiaomi indique que le Pro atteint 1 673 sur le GDPVal 2.1, un classement Elo rapporté par Artificial Analysis, derrière Claude Fable 5.1 (1 735) et Claude Opus 5 (1 708). D’autres résultats signalés pour le Pro comprennent 76,9 sur Toolathlon‑verified, 53,1 sur Automation Bench v1.0.6, 34,9 sur Terminal Bench 4.0 et 94,0 sur CyberGym, où Flash affiche 95,1 contre 84,5 pour GLM 5.3.
Les deux modèles sont disponibles dans AI Studio, MiMo Code et MiMo Desktop, ainsi que via la plateforme MiMo API et OpenRouter. MiMo Desktop quitte l’accès anticipé avec sa première version officielle, incluant Pro et Flash, et Xiaomi a indiqué que le programme d’accès anticipé UltraSpeed se poursuivra pendant une semaine supplémentaire, les utilisateurs existants étant invités à passer aux nouveaux noms de modèle.
Le tarif de l’API reste identique à celui de la série V2.5 : par million de jetons, le MiMo-V2.6-Pro coûte 0,0036 $ pour les entrées en cache, 0,435 $ pour les entrées hors cache et 0,87 $ pour la sortie ; le MiMo-V2.6-Flash coûte 0,0028 $, 0,14 $ et 0,28 $ ; et le MiMo-V2.6-Pro-UltraSpeed coûte respectivement 0,036 $, 4,35 $ et 8,70 $ dans les mêmes trois catégories. Artificial Analysis a mesuré 129,7 jetons de sortie par seconde et un temps de 2,17 secondes avant le premier jeton via l’API de Xiaomi.
Les démonstrations de Xiaomi couvrent le développement de jeux multi‑agents, la modélisation 3D avec Blender, le contrôle en boucle fermée d’un bras robotique Franka Panda à partir de flux vidéo multi‑vue, la conception d’interfaces et de présentations, la création vidéo de bout en bout et la composition musicale, y compris une pièce orchestrale intitulée Night Road que le modèle a notée et convertie en MIDI de façon autonome. Dans deux cas de recherche rapportés par l’entreprise, le MiMo-V2.6-Pro a conçu des candidats de cadres organométalliques pour l’adsorption de composés PFAS avec les experts matériaux de Xiaomi, et il a produit une formalisation Lean 4 du théorème « Period Three Implies Chaos » de Li et Yorke dépassant 6 000 lignes de code, vérifiée par le noyau de Lean sans aucun espace réservé de preuve inachevé.
