Le nouveau modèle phare de Xiaomi domine le classement open-weight avec un score de 46

Xiaomi a annoncé le 22 septembre 2026 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 à 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 nécessitant une vitesse de génération extrême, selon Xiaomi.

Le classement du benchmark Artificial Analysis

Artificial Analysis’ page du modèle pour MiMo-V2.6-Pro enregistre un 46 sur l’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 avec le même score de 46. L’annonce de Xiaomi cite un 46.32 sur l’index 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’index 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‑vs‑coût vers l’extérieur.

Artificial Analysis indique la date de sortie du modèle au 21 septembre 2026 ; le communiqué de Xiaomi est daté du 22 septembre 2026.

Architecture MoE parcimonieuse et poids sous licence MIT

Selon la fiche 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 comportant 1,02 billion de paramètres au total et 42 milliards activés par token, une longueur de contexte de 1 M de tokens, ainsi que des entrées texte, image, vidéo et audio avec sortie texte. Les spécifications d’Artificial Analysis indiquent les mêmes nombres de paramètres, fenêtre contextuelle et modalités, et mentionnent une licence MIT, qui autorise une utilisation commerciale.

La fiche décrit une architecture de base de 70 couches, 60 couches d’attention à fenêtre glissante entrelacées de 10 couches d’attention globale, avec 384 experts routés dont huit sont actifs par token. Un ViT MiMo 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 cinq couches de prédiction multi‑token prédit sept tokens suivants à chaque passage 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 déclaré qu’elle rendait également 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 session d’apprentissage par renforcement diffusée en direct

Xiaomi a indiqué avoir diffusé en direct la session d’apprentissage par renforcement de production au fur et à mesure. En moins de six jours, le MiMo-V2.6-Flash et le MiMo-V2.6-Pro ont chacun accompli 30 étapes de RL sur environ 750 000 trajectoires, à des coûts rapportés 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 de génie logiciel à horizon long 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 la puissance de calcul RL selon trois axes : des lots plus importants sur une architecture entièrement asynchrone avec 1 568 échantillons par mise à jour, un entraînement avec une longueur de contexte allant jusqu’à 1 M de tokens et de 3,5 à 3,7 milliards de tokens par étape ; une suite multi‑tâches couvrant le codage, les agents généraux, les tâches visuelles et cyber, mélangées sur plusieurs plateformes ; et davantage de calcul de notation, en utilisant la comparaison relative au sein de chaque groupe pour produire des signaux de récompense plus précis.

La fiche modèle précise une optimisation de politique relative de groupe entièrement asynchrone avec 1 568 invites et 16 rollouts chacune par étape, une synthèse de récompense groupée pour créer des rubriques spécifiques aux tâches hors ligne à partir de rollouts contrastés, et une redistribution d’avantage groupée pour classer les trajectoires réussies en ligne. Une étape de distillation en politique sur le flux, multi‑préfixe multi‑enseignant appelée MOPD2, suit la session 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 vérification croisée entre les vérificateurs.

Tarification, disponibilité et utilisations démontrées

Dans les 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 Pro rapportés incluent 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.

La tarification de l’API reste inchangée par rapport à 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 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 simulé 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 métal‑organiques 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.