Xiaomis nye flaggskip-modell leder åpne-vektsrangeringer med en poengsum på 46

Xiaomi kunngjorde den 22. september 2026 lanseringen og åpen kildekoding av MiMo-V2.6-serien, ledet av en flaggskip-modell som benchmark-eieren Artificial Analysis gir en poengsum på 46 på sin Intelligence Index, det høyeste åpne-vektsresultatet på den ranglisten.

Serien inneholder to innebygde omnimodale modeller: MiMo-V2.6-Pro, som Xiaomi beskriver som sin mest kapable modell til dags dato, og MiMo-V2.6-Flash, som selskapet sier oppnår en balanse mellom intelligens, effektivitet og kostnad. En tredje variant, MiMo-V2.6-Pro-UltraSpeed, leverer opptil 20 ganger raskere output med samme kvalitet for brukere som krever ekstrem generasjonsfart, ifølge Xiaomi.

Artificial Analysis‑benchmarkens plassering

Artificial Analysis’ modellsiden for MiMo-V2.6-Pro registrerer en 46 på Intelligence Index v4.3.2, et sammensatt resultat av 10 evalueringer som inkluderer AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode og Humanity’s Last Exam. Benchmark‑ens åpen‑kilde modell‑sammenligning plasserer MiMo-V2.6-Pro først blant åpne‑vekts‑modeller, foran Z AI sin 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 åpne kilde-modellene.

Blant proprietære systemer lister Artificial Analysis’ siden for Grok 4.7 (xhigh) SpaceXAI-modellen med samme 46. Xiaomis kunngjøring nevner en 46.32 på indeksen og kaller MiMo-V2.6-Pro “den sterkeste åpne kilde-modellen til dags dato”, og sier den overgår Kimi K3 og Qwen3.8 Max. Artificial Analysis angir modellens kostnad til $0.13 per Intelligence Index-oppgave og rapporterer at evalueringen på indeksen kostet $206.66. Xiaomi sier at serien beholder API-prisingen fra V2.5-serien, som de beskriver som å skyve Pareto-fronten for intelligens-mot-kostnad utover.

Artificial Analysis oppgir modellens lanseringsdato som 21. september 2026; Xiaomis kunngjøringsinnlegg er datert 22. september 2026.

Sparsom MoE-arkitektur og MIT-lisensierte vekter

Ifølge modellkortet publisert av Xiaomi MiMo-teamet, er flaggskip-checkpointen MiMo-V2.6-Pro-RL en sparsommelig mixture-of-experts-modell med 1.02 trillion totale parametere og 42 milliarder aktiverte per token, en 1M-token kontekstlengde, samt tekst, bilde, video og lyd‑inngang med tekst‑utgang. Artificial Analysis-spesifikasjonene viser de samme parameterantallene, kontekstvinduet og modalitetene, og registrerer en MIT-lisens som tillater kommersiell bruk.

Kortet beskriver en 70-lags ryggrad, 60 sliding-window-oppmerksomhetslag vekslet med 10 global-oppmerksomhetslag, med 384 rutede eksperter hvorav åtte er aktive per token. En 681M-parameter MiMo ViT håndterer visjon, en 308M-parameter AudioTokenizer og en 127M-parameter lyd-patch-enkoder håndterer lyd, og en fem-lags multi-token-prediksjons-speculativ dekoder forutsier syv påfølgende token per fremoverpass.

Vektene for MiMo-V2.6-Pro-RL og MiMo-V2.6-Flash-RL er publisert på Hugging Face, med ModelScope-tilgjengelighet ved lansering. Xiaomi opplyser at de også gjør den fullstendige tekniske rapporten, treningsmiljøene og RL-koden åpen kilde, slik at forskere kan reprodusere og verifisere resultatene.

En direktesendt forsterknings‑lærings‑kjøring

Xiaomi opplyser at de strømmet produksjons-reinforcement-learning-kjøringen direkte mens den foregikk. På under seks dager fullførte både MiMo-V2.6-Flash og MiMo-V2.6-Pro hver 30 RL-steg over omtrent 750,000 trajektorier, med rapporterte kostnader på ca. $0.85 million og $2.62 million henholdsvis. Gjennomsnittlig bestått-rate på treningsoppgavene økte med 25% og 12% i relative termer, og på DeepSWE v1.1, et hold-ut langt-horisont-software-engineering-benchmark, steg poengsummene fra 48.8 til 65.68 for Flash og fra 58.4 til 72.57 for Pro, rapporterte Xiaomi.

Selskapet opplyser at de skalerte RL-beregning langs tre akser: større batcher på en fullt asynkron arkitektur med 1,568 prøver per oppdatering, trening med opptil 1M kontekstlengde og 3.5 til 3.7 milliarder token per steg; en multi-oppgave-suite som dekker koding, generelle agenter, visuelle og cyber-oppgaver blandet over flere harnesser; samt mer grader-beregning, ved å bruke relativ sammenligning innen hver gruppe for å generere mer presise belønningssignaler.

Modellkortet spesifiserer fullt asynkron Group Relative Policy Optimization med 1,568 prompts og 16 rollouts hver per steg, Groupwise Reward Synthesis for å bygge oppgavespesifikke rubrikker offline fra kontrasterende rollouts, og Groupwise Advantage Redistribution for å rangere passerende trajektorier online. En multi-prefix multi-teacher on-policy-destillasjonsfase kalt MOPD2 følger den blandede RL-kjøringen, og Xiaomi beskriver forsvar mot belønnings-hacking som spenner over belønningsdesign, adversarial-evaluering, anomali-deteksjon og kryss-sjekking mellom verifikatorer.

Prisfastsettelse, tilgjengelighet og demonstrerte bruksområder

In Xiamis egne benchmark‑tabeller scorer MiMo‑V2.6‑Pro 71,9 på DeepSWE v1.1 mot 67,9 for Flash og 19,0 for MiMo‑V2.5‑Pro, og ligger bak DeepSeek V4.1 Flash (74,2), Claude Opus 5 (74,0) og GPT 6 Astra (74,0). Xiaomi oppgir at Pro har 1 673 på GDPVal 2.1, en Elo‑rating rapportert av Artificial Analysis, bak Claude Fable 5.1 (1 735) og Claude Opus 5 (1 708). Andre rapporterte Pro‑resultater inkluderer 76,9 på Toolathlon‑verifisert, 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 mot GLM 5.3s 84,5.

Begge modellene er tilgjengelige i AI Studio, MiMo Code og MiMo Desktop, samt via MiMo API‑plattformen og OpenRouter. MiMo Desktop forlater tidlig tilgang med sin første offisielle utgivelse, med Pro og Flash innebygd, og Xiaomi sa at UltraSpeed‑tidligtilgangsprogrammet vil vare én uke til, med eksisterende brukere bedt om å bytte til de nye modellnavnene.

API-prisingen er uendret fra V2.5-serien: per million tokens koster MiMo-V2.6-Pro $0.0036 for cache‑hit‑inndata, $0.435 for cache‑miss‑inndata, og $0.87 for utdata; 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 kategoriene. Artificial Analysis målte 129.7 utdata‑tokens per sekund og en tid på 2.17 sekunder til første token gjennom Xiaomis API.

Xiamis demonstrasjoner dekker multi‑agent spillutvikling, Blender‑3D‑modellering, lukket‑sløyfe‑kontroll av en simulert Franka Panda‑robotarm fra flere kamerafeeder, frontend‑ og presentasjonsdesign, ende‑til‑ende‑videoproduksjon og musikkkomposisjon, inkludert et orkesterstykke kalt Night Road som modellen selv scoret og konverterte til MIDI. I to forskningssaker rapportert av selskapet designet MiMo‑V2.6‑Pro metall‑organiske rammeverk‑kandidater for adsorpsjon av PFAS‑forbindelser sammen med Xiamis materialeksperter, og den produserte en Lean 4‑formaliseringskode av Li og Yorkes «Period Three Implies Chaos»-teorem på over 6 000 linjer kode, verifisert av Leans kjerne uten ufullstendige bevis‑plassholdere.