AI-modellen en platforms
Xiaomi’s nieuwe vlaggenschipmodel leidt de open‑weight‑ranglijst met een score van 46
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Xiaomi kondigde op 22 september 2026 de release en open‑sourcing aan van de MiMo-V2.6-serie, geleid door een vlaggenschipmodel dat door benchmark‑eigenaar Artificial Analysis een score van 46 behaalt op de Intelligence Index, het hoogste open‑weight‑resultaat op die ranglijst.
De serie omvat twee native omnimodale modellen: MiMo-V2.6-Pro, dat Xiaomi beschrijft als tot nu toe het meest capabele model, en MiMo-V2.6-Flash, waarvan het bedrijf zegt dat het een balans biedt tussen intelligentie, efficiëntie en kosten. Een derde variant, MiMo-V2.6-Pro-UltraSpeed, levert tot 20 keer snellere output met dezelfde kwaliteit voor gebruikers die een extreem hoge generatie‑snelheid nodig hebben, aldus Xiaomi.
De rangschikking volgens de Artificial Analysis‑benchmark
De modelpagina van Artificial Analysis voor MiMo-V2.6-Pro registreert een 46 op Intelligence Index v4.3.2, een composiet van 10 evaluaties waaronder AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode en Humanity’s Last Exam. De open‑source modelvergelijking van de benchmarker plaatst MiMo-V2.6-Pro op de eerste plaats onder open‑weight‑modellen, vóór Z AI’s GLM-5.3 (max) met 45 en Kimi K3 (max) met 44, en beschrijft MiMo-V2.6-Pro en GLM-5.3 (max) als de modellen met de hoogste intelligentie in open source.
Onder propriëtaire systemen vermeldt de pagina voor Grok 4.7 (xhigh) van Artificial Analysis het SpaceXAI‑model met dezelfde 46. Xiaomi’s aankondiging noemt een 46,32 op de index en bestempelt MiMo-V2.6-Pro als “het sterkste open‑source model tot nu toe”, met de bewering dat het Kimi K3 en Qwen3.8 Max overtreft. Artificial Analysis stelt de kosten van het model op $0.13 per Intelligence Index‑taak en meldt dat het evalueren ervan $206.66 kostte. Xiaomi zegt dat de serie de API‑prijzen van de V2.5‑serie behoudt, die volgens hen de intelligentie‑tegen‑kosten Pareto‑grens naar buiten duwt.
Artificial Analysis vermeldt de releasedatum van het model als 21 september 2026; het aankondigingsbericht van Xiaomi is gedateerd op 22 september 2026.
Sparse MoE‑architectuur en MIT‑gelicentieerde gewichten
Volgens de modelkaart gepubliceerd door het Xiaomi MiMo‑team is de vlaggenschip‑MiMo-V2.6-Pro‑RL‑checkpoint een sparse mixture‑of‑experts‑model met in totaal 1,02 biljoen parameters en 42 miljard geactiveerd per token, een contextlengte van 1 M‑token, en tekst‑, beeld‑, video‑ en audio‑invoer met tekstuitvoer. De specificaties van Artificial Analysis vermelden dezelfde aantallen parameters, contextvenster en modaliteiten, en noteren een MIT‑licentie die commercieel gebruik toestaat.
De kaart beschrijft een backbone van 70 lagen, 60 sliding‑window‑attentielaagen afgewisseld met 10 global‑attentielaagen, met 384 gerouteerde experts waarvan er acht per token actief zijn. Een MiMo ViT met 681 M parameters verwerkt visuele data, een AudioTokenizer met 308 M parameters en een audio‑patch‑encoder met 127 M parameters verwerken audio, en een speculatieve decoder met vijf lagen voor multi‑token‑voorspelling voorspelt zeven opeenvolgende tokens per voorwaartse stap.
Gewichten voor MiMo-V2.6-Pro-RL en MiMo-V2.6-Flash-RL zijn gepubliceerd op Hugging Face, met ModelScope‑beschikbaarheid bij de release. Xiaomi verklaarde ook de volledige technische rapportage, de trainingsomgevingen en de RL‑code open‑source te stellen zodat onderzoekers de resultaten kunnen reproduceren en verifiëren.
Een live‑gestreamde reinforcement‑learning‑run
Xiaomi meldde dat het de productie‑reinforcement‑learning‑run live streamde terwijl deze plaatsvond. In minder dan zes dagen voltooiden MiMo-V2.6-Flash en MiMo-V2.6-Pro elk 30 RL‑stappen over ongeveer 750.000 trajecten, tegen gerapporteerde kosten van respectievelijk ongeveer $0.85 miljoen en $2.62 miljoen. Het gemiddelde slagingspercentage op de trainingstaken steeg respectievelijk met 25 % en 12 % in relatieve termen, en op DeepSWE v1.1, een gereserveerde long‑horizon software‑engineering benchmark, stegen de scores van 48.8 naar 65.68 voor Flash en van 58.4 naar 72.57 voor Pro, meldde Xiaomi.
Het bedrijf verklaarde dat het RL‑computatie opschaalde langs drie assen: grotere batches op een volledig asynchrone architectuur met 1.568 monsters per update, training tot een contextlengte van 1 M en 3.5 tot 3.7 miljard tokens per stap; een multi‑task‑suite die codering, algemene agents, visuele en cyber‑taken omvat, gemengd over verschillende harnesses; en meer grader‑computatie, waarbij relatieve vergelijking binnen elke groep wordt gebruikt om nauwkeurigere beloningssignalen te genereren.
De modelkaart specificeert volledig asynchrone Group Relative Policy Optimization met 1.568 prompts en 16 rollouts per stap, Groupwise Reward Synthesis om taak‑specifieke rubrieken offline op te bouwen uit contrasterende rollouts, en Groupwise Advantage Redistribution om passerende trajecten online te rangschikken. Een multi‑prefix multi‑teacher on‑policy distillatiestap genaamd MOPD2 volgt op de gemengde RL‑run, en Xiaomi beschrijft reward‑hacking‑defenses die zich uitstrekken over beloningsontwerp, adversariële evaluatie, anomaliedetectie en cross‑checking tussen verifiers.
Prijsstelling, beschikbaarheid en gedemonstreerde toepassingen
In Xiaomi’s eigen benchmarktabellen scoort MiMo-V2.6-Pro 71.9 op DeepSWE v1.1 tegen 67.9 voor Flash en 19.0 voor MiMo-V2.5-Pro, en ligt daarmee achter DeepSeek V4.1 Flash (74.2), Claude Opus 5 (74.0) en GPT 6 Astra (74.0). Xiaomi vermeldt Pro op 1,673 op GDPVal 2.1, een Elo‑rating gerapporteerd door Artificial Analysis, achter Claude Fable 5.1 (1,735) en Claude Opus 5 (1,708). Andere gerapporteerde Pro‑resultaten omvatten 76.9 op Toolathlon‑geverifieerd, 53.1 op Automation Bench v1.0.6, 34.9 op Terminal Bench 4.0 en 94.0 op CyberGym, waar Flash 95.1 behaalt tegen GLM 5.3’s 84.5.
Beide modellen zijn beschikbaar in AI Studio, MiMo Code en MiMo Desktop, evenals via het MiMo API Platform en OpenRouter. MiMo Desktop verlaat de vroege toegang met zijn eerste officiële release, met Pro en Flash ingebouwd, en Xiaomi zei dat het UltraSpeed vroege‑toegang‑programma nog een week zal doorgaan, waarbij bestaande gebruikers worden gevraagd over te stappen op de nieuwe modelnamen.
De API‑prijzen blijven ongewijzigd ten opzichte van de V2.5‑serie: per miljoen tokens kost MiMo-V2.6-Pro $0.0036 voor cache‑hit input, $0.435 voor cache‑miss input en $0.87 voor output; MiMo-V2.6-Flash kost $0.0028, $0.14 en $0.28; en MiMo-V2.6-Pro-UltraSpeed kost $0.036, $4.35 en $8.70 in dezelfde drie categorieën. Artificial Analysis meette 129.7 output‑tokens per seconde en een tijd van 2.17 seconden tot het eerste token via Xiaomi’s API.
Xiaomi’s demonstraties omvatten multi‑agent game‑ontwikkeling, Blender‑3D‑modellering, gesloten‑lus besturing van een gesimuleerde Franka Panda‑robotarm vanuit multi‑view camerafeeds, frontend‑ en presentatiedesign, end‑to‑end videoproductie en muziekcompositie, inclusief een orkestrale compositie genaamd Night Road die het model zelf heeft gescoord en naar MIDI heeft geconverteerd. In twee door het bedrijf gerapporteerde onderzoeksgevallen ontwierp MiMo-V2.6-Pro met de materiaalspecialisten van Xiaomi kandidaat‑metal‑organische raamwerken voor het adsorberen van PFAS‑verbindingen, en produceerde het een Lean 4‑formaliseringscode van Li en Yorke’s “Period Three Implies Chaos”‑theorema van meer dan 6,000 regels code, geverifieerd door de Lean‑kernel zonder onafgewerkte bewijs‑plaatsaanduidingen.
