Xiaomiの新フラッグシップモデルがオープンウェイトランキングでスコア46をリード

Xiaomiは2026年9月22日に、MiMo-V2.6 seriesのリリースとオープンソース化を発表しました。このシリーズは、ベンチマーク所有者Artificial Analysisのインテリジェンス指数で46点を獲得したフラッグシップモデルが牽引しており、同リーダーボードで最高のオープンウェイト結果です。

このシリーズには、ネイティブにオムニモーダルな2つのモデルが含まれます。MiMo-V2.6-Proは、Xiaomiが「これまでで最も高性能なモデル」と説明しており、MiMo-V2.6-Flashは「知能、効率、コストのバランスが取れている」と同社は述べています。3番目のバリアントであるMiMo-V2.6-Pro-UltraSpeedは、同品質を保ちつつ最大20倍の高速出力を提供し、極端な生成速度を必要とするユーザー向けです。

Artificial Analysisベンチマークの順位

Artificial Analysisのモデルページ（MiMo-V2.6-Pro用）では、Intelligence Index v4.3.2で46点が記録されています。これは、AA‑Briefcase v1.1、GDPval‑AA v2.1、AutomationBench‑AA、Terminal‑Bench 4.0、SciCode、Humanity’s Last Examの10項目評価を合成したものです。ベンチマーカーのオープンソースモデル比較では、MiMo-V2.6-Proがオープンウェイトモデルの中で首位となり、Z AIのGLM‑5.3（max）45点、Kimi K3（max）44点を上回り、MiMo-V2.6-ProとGLM‑5.3（max）を最高知能のオープンソースモデルとして位置付けています。

プロプライエタリシステムの中で、Artificial AnalysisのGrok 4.7（xhigh）ページはSpaceXAIモデルが同じく46点であると掲載しています。Xiaomiの発表では、インデックスで46.32点とし、MiMo-V2.6-Proを「これまでで最も強力なオープンソースモデル」と呼び、Kimi K3およびQwen3.8 Maxを上回ると述べています。Artificial Analysisは、インテリジェンス指数タスクあたり$0.13のコストとし、インデックス評価にかかった費用は$206.66と報告しています。Xiaomiは、シリーズがV2.5シリーズと同様のAPI価格を維持しており、これにより知能対コストのパレートフロンティアが外側へシフトすると説明しています。

Artificial Analysisはモデルのリリース日を2026年9月21日と掲載しています。Xiaomiの発表投稿は2026年9月22日付です。

スパースMoEアーキテクチャとMITライセンスのウェイト

Xiaomi MiMoチームが公開したモデルカードによると、フラッグシップのMiMo-V2.6-Pro-RLチェックポイントは、総パラメータ数1.02兆、トークンあたり42億がアクティブになるスパース混合専門家（Mixture‑of‑Experts）モデルで、コンテキスト長は1Mトークン、テキスト、画像、動画、音声入力にテキスト出力を提供します。Artificial Analysisの仕様は同じパラメータ数、コンテキストウィンドウ、モダリティを示し、商用利用を許可するMITライセンスが記録されています。

カードには、70層のバックボーン、60層のスライディングウィンドウ注意層と10層のグローバル注意層が交互に配置され、384のルーティングされたエキスパートのうちトークンあたり8つがアクティブになると記載されています。681MパラメータのMiMo ViTがビジョンを処理し、308MパラメータのAudioTokenizerと127Mパラメータのオーディオパッチエンコーダが音声を処理します。また、5層のマルチトークン予測推測デコーダが、フォワードパスごとに7つの次トークンを予測します。

MiMo-V2.6-Pro-RLおよびMiMo-V2.6-Flash-RLのウェイトはHugging Faceで公開され、リリース時にModelScopeでも利用可能です。Xiaomiは、完全な技術レポート、トレーニング環境、RLコードもオープンソース化し、研究者が結果を再現・検証できるようにすると述べています。

ライブ配信された強化学習実行

Xiaomiは、プロダクションの強化学習実行をリアルタイムでライブ配信したと述べました。6日未満で、MiMo-V2.6-FlashとMiMo-V2.6-Proはそれぞれ約75万件のトラジェクトリにわたって30ステップのRLを完了し、報告されたコストはそれぞれ約85万ドルと262万ドルでした。トレーニングタスクの平均合格率は相対的にそれぞれ25％と12％上昇し、長期ホライズンのソフトウェアエンジニアリングベンチマークであるDeepSWE v1.1では、Flashのスコアが48.8から65.68に、Proのスコアが58.4から72.57に上昇したとXiaomiは報告しています。

同社は、RL計算を3つの軸でスケールさせたと述べました。すなわち、1,568サンプルごとの更新を行う完全非同期アーキテクチャでの大バッチ、コンテキスト長最大1M、ステップあたり35億から37億トークンのトレーニング、コーディング、汎用エージェント、ビジュアル、サイバータスクを複数のハーネスで混合したマルチタスクスイート、そして各グループ内での相対比較を用いてより精密な報酬シグナルを生成する、より多くのグレーダー計算です。

モデルカードは、ステップごとに1,568プロンプトと各16ロールアウトを用いた完全非同期のグループ相対方策最適化（Group Relative Policy Optimization）を指定し、対照的なロールアウトからオフラインでタスク固有のルーブリックを構築するグループ単位の報酬合成（Groupwise Reward Synthesis）およびオンラインで合格トラジェクトリをランク付けするグループ単位のアドバンテージ再配分（Groupwise Advantage Redistribution）を示しています。混合RL実行の後にMOPD2と呼ばれるマルチプレフィックス・マルチティーチャー・オンポリシー蒸留段階が続き、Xiaomiは報酬設計、敵対的評価、異常検知、検証者間のクロスチェックにまたがる報酬ハッキング防御策を説明しています。

価格、入手可能性、実証された利用例

Xiaomi の独自ベンチマーク表では、MiMo-V2.6-Pro は DeepSWE v1.1 で 71.9 点を獲得し、Flash が 67.9 点、MiMo-V2.5-Pro が 19.0 点に続き、DeepSeek V4.1 Flash（74.2 点）、Claude Opus 5（74.0 点）、GPT 6 Astra（74.0 点）に次いで順位付けされています。Xiaomi は Pro の GDPVal 2.1 における Elo レーティングを 1,673 と掲載しており、これは Artificial Analysis が報告した数値で、Claude Fable 5.1（1,735）と Claude Opus 5（1,708）に次ぐ順位です。他に報告された Pro の結果としては、Toolathlon 検証で 76.9、Automation Bench v1.0.6 で 53.1、Terminal Bench 4.0 で 34.9、CyberGym で 94.0 があり、CyberGym では Flash が 95.1、GLM 5.3 が 84.5 を記録しています。

両モデルは AI Studio、MiMo Code、MiMo Desktop、さらに MiMo API Platform と OpenRouter でも利用可能です。MiMo Desktop は早期アクセスを終了し、正式リリースの最初のバージョンで Pro と Flash が組み込まれ、Xiaomi は UltraSpeed 早期アクセスプログラムがあと 1 週間続くと発表し、既存ユーザーには新しいモデル名への切り替えが求められています。

API の価格は V2.5 系列と変わりません。1 万トークンあたり、MiMo-V2.6-Pro はキャッシュヒット入力が $0.0036、キャッシュミス入力が $0.435、出力が $0.87、MiMo-V2.6-Flash はそれぞれ $0.0028、$0.14、$0.28、MiMo-V2.6-Pro-UltraSpeed は $0.036、$4.35、$8.70 です。Artificial Analysis によると、Xiaomi の API を通じて 1 秒あたり 129.7 トークンの出力と、最初のトークンまで 2.17 秒の時間が測定されました。

Xiaomi のデモは、マルチエージェントゲーム開発、Blender での 3D モデリング、マルチビューカメラ映像からの Franka Panda ロボットアームの閉ループ制御、フロントエンドとプレゼンテーションデザイン、エンドツーエンドの動画作成、音楽作曲など多岐にわたります。特に、モデルが自らスコア付けし MIDI に変換したオーケストラ作品「Night Road」も含まれます。会社が報告した 2 件の研究事例では、MiMo-V2.6-Pro が PFAS 化合物の吸着に適した金属有機構造体候補を Xiaomi の材料専門家と共同で設計し、また Lean 4 で Li と Yorke の「Period Three Implies Chaos」定理を 6,000 行以上のコードで形式化し、Lean カーネルにより未完成の証明プレースホルダーなしで検証されました。