Xiaomis nya flaggskeppsmodell leder öppna viktrankningar med ett resultat på 46

Xiaomi den 22 september 2026 tillkännagav lanseringen och öppen källkod för MiMo-V2.6-serien, ledd av en flaggskeppsmodell som benchmark-ägaren Artificial Analysis ger 46 på sitt Intelligence Index, det högsta öppna viktsresultatet på den rankningslistan.

Serien innehåller två inbyggt omnimodala modeller: MiMo-V2.6-Pro, som Xiaomi beskriver som sin mest kapabla modell hittills, och MiMo-V2.6-Flash, som företaget säger uppnår en balans mellan intelligens, effektivitet och kostnad. En tredje variant, MiMo-V2.6-Pro-UltraSpeed, levererar upp till 20 gånger snabbare output med samma kvalitet för användare som kräver extrem genereringshastighet, enligt Xiaomi.

Artificial Analysis benchmarkresultat

Artificial Analysis’ modellsida för MiMo-V2.6-Pro visar 46 på Intelligence Index v4.3.2, ett sammansatt resultat av 10 utvärderingar som inkluderar AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode och Humanity’s Last Exam. Benchmarkens öppen källkod modelljämförelse placerar MiMo-V2.6-Pro först bland öppna viktsmodeller, före Z AI:s GLM-5.3 (max) med 45 och Kimi K3 (max) med 44, och beskriver MiMo-V2.6-Pro och GLM-5.3 (max) som de mest intelligenta öppna källkodsmodellerna.

Bland proprietära system listar Artificial Analysis’ sida för Grok 4.7 (xhigh) SpaceXAI-modellen med samma 46. Xiaomis tillkännagivande hänvisar till 46.32 på indexet och kallar MiMo-V2.6-Pro \”den starkaste öppna källkodsmodellen hittills\”, och säger att den överträffar Kimi K3 och Qwen3.8 Max. Artificial Analysis anger modellens kostnad till $0.13 per Intelligence Index-uppgift och rapporterar att utvärderingen på indexet kostade $206.66. Xiaomi säger att serien behåller API-prissättningen från V2.5-serien, som de beskriver som att driva intelligens‑mot‑kostnad Pareto‑fronten längre ut.

Artificial Analysis listar modellens releasedatum som 21 september 2026; Xiaomis tillkännagivande inlägg är daterat 22 september 2026.

Gles MoE-arkitektur och MIT-licensierade vikter

Enligt modellkort publicerat av Xiaomi MiMo Team är flaggskepps‑checkpointen MiMo-V2.6-Pro-RL en gles mixture‑of‑experts-modell med totalt 1,02 biljon parametrar och 42 miljarder aktiverade per token, ett kontextfönster på 1 M‑token och text‑, bild‑, video‑ och ljudinmatning med textutdata. Artificial Analysis specifikationer listar samma parameterantal, kontextfönster och modaliteter, samt registrerar en MIT‑licens som tillåter kommersiell användning.

Kortet beskriver en 70‑lagers ryggrad, 60 glidande‑fönster‑uppmärksamhetslager växelvis med 10 global‑uppmärksamhetslager, med 384 dirigerade experter varav åtta är aktiva per token. En 681 M‑parameter MiMo ViT hanterar syn, en 308 M‑parameter AudioTokenizer och en 127 M‑parameter ljud‑patch‑kodare hanterar ljud, och en fem‑lagers multi‑token‑prediktions‑speculativ avkodare förutsäger sju efterföljande token per framåtpassage.

Vikter för MiMo-V2.6-Pro-RL och MiMo-V2.6-Flash-RL publiceras på Hugging Face, med ModelScope‑tillgänglighet vid lansering. Xiaomi sade att de också öppnar källkoden för den fullständiga tekniska rapporten, träningsmiljöerna och RL‑koden så att forskare kan reproducera och verifiera resultaten.

En livestreamad förstärkningsinlärningskörning

Xiaomi uppgav att de streamade produktions‑reinforcement‑learning‑körningen live i realtid. På under sex dagar slutförde MiMo-V2.6-Flash och MiMo-V2.6-Pro vardera 30 RL‑steg över ungefär 750 000 trajektorier, med rapporterade kostnader på cirka $0.85 miljon respektive $2.62 miljon. Genomsnittlig godkännandefrekvens på träningsuppgifterna ökade med 25 % respektive 12 % i relativa termer, och på DeepSWE v1.1, en håll‑ut‑lång‑horisont‑software‑engineering‑benchmark, steg poängen från 48,8 till 65,68 för Flash och från 58,4 till 72,57 för Pro, rapporterade Xiaomi.

Företaget sade att de skalerade RL‑beräkning längs tre axlar: större batcher på en helt asynkron arkitektur med 1 568 prover per uppdatering, träning med upp till 1 M kontextlängd och 3,5 till 3,7 miljarder token per steg; en multi‑task‑svit som spänner över kodning, generella agenter, visuella och cyberuppgifter blandade över flera ramverk; samt mer graderings‑beräkning, med relativ jämförelse inom varje grupp för att producera mer precisa belöningssignaler.

Modellkortet specificerar helt asynkron Group Relative Policy Optimization med 1 568 prompts och 16 rollouts vardera per steg, Groupwise Reward Synthesis för att bygga uppgifts‑specifika rubriker offline från kontrasterande rollouts, och Groupwise Advantage Redistribution för att rangordna passerande trajektorier online. En multi‑prefix multi‑teacher on‑policy distillations‑fas kallad MOPD2 följer den blandade RL‑körningen, och Xiaomi beskriver belönings‑hackningsförsvar som omfattar belöningsdesign, adversariell utvärdering, avvikelsedetektion och kors‑kontroll mellan verifierare.

Prissättning, tillgänglighet och demonstrerade användningsområden

I Xiaomis egna benchmarktabeller får MiMo-V2.6-Pro 71,9 på DeepSWE v1.1 jämfört med 67,9 för Flash och 19,0 för MiMo-V2.5-Pro, och hamnar efter DeepSeek V4.1 Flash (74,2), Claude Opus 5 (74,0) och GPT 6 Astra (74,0). Xiaomi listar Pro på 1 673 i GDPVal 2.1, en Elo‑ranking rapporterad av Artificial Analysis, bakom Claude Fable 5.1 (1 735) och Claude Opus 5 (1 708). Andra rapporterade Pro‑resultat inkluderar 76,9 på Toolathlon‑verified, 53,1 på Automation Bench v1.0.6, 34,9 på Terminal Bench 4.0 och 94,0 på CyberGym, där Flash får 95,1 mot GLM 5.3:s 84,5.

Båda modellerna finns tillgängliga i AI Studio, MiMo Code och MiMo Desktop, samt via MiMo API Platform och OpenRouter. MiMo Desktop lämnar tidig åtkomst med sin första officiella release, med Pro och Flash inbyggda, och Xiaomi meddelade att UltraSpeed‑programmet för tidig åtkomst kommer att pågå ytterligare en vecka, där befintliga användare uppmanas att byta till de nya modellnamnen.

API‑prissättningen är oförändrad jämfört med V2.5‑serien: per en miljon token kostar MiMo-V2.6-Pro $0,0036 för cache‑hit‑inmatning, $0,435 för cache‑miss‑inmatning och $0,87 för utdata; MiMo-V2.6-Flash kostar $0,0028, $0,14 respektive $0,28; och MiMo-V2.6-Pro-UltraSpeed kostar $0,036, $4,35 och $8,70 i samma tre kategorier. Artificial Analysis mätte 129,7 utdata‑token per sekund och en tid på 2,17 sekunder till första token via Xiaomis API.

Xiaomis demonstrationer omfattar multi‑agent‑spelsutveckling, Blender‑3D‑modellering, sluten‑slingskontroll av en simulerad Franka Panda‑robotarm från fler‑vågs‑kameraflöden, frontend‑ och presentationsdesign, end‑to‑end‑videoproduktion samt musikkomposition, inklusive ett orkesterstycke kallat Night Road som modellen själv poängsatte och konverterade till MIDI. I två forskningsfall som företaget rapporterade, designade MiMo-V2.6-Pro kandidater för metall‑organiska ramverk för att adsorbera PFAS‑föreningar tillsammans med Xiaomis materialexperter, och den producerade en Lean 4‑formalisering av Li och Yorkes “Period Three Implies Chaos”‑teorem som överstiger 6 000 kodrader, verifierad av Leans kärna utan några ofullständiga bevis‑platshållare.