โมเดลระดับไฮเอนด์ใหม่ของ Xiaomi นำอันดับน้ำหนักเปิดด้วยคะแนน 46

Xiaomi เมื่อวันที่ 22 กันยายน 2026 ประกาศการเปิดตัวและเปิดซอร์สของ ซีรีส์ MiMo-V2.6 โดยมีโมเดล flagship นำ ซึ่งได้รับคะแนน 46 จากการทดสอบของ Artificial Analysis บน Intelligence Index ซึ่งเป็นผลลัพธ์น้ำหนักเปิดสูงสุดในบอร์ดนั้น

ชุดนี้ประกอบด้วยโมเดลออมนิโมดัลสองรุ่นโดยเนทีฟ: MiMo-V2.6-Pro ซึ่ง Xiaomi อธิบายว่าเป็นโมเดลที่มีความสามารถสูงสุดจนถึงปัจจุบัน, และ MiMo-V2.6-Flash ซึ่งบริษัทกล่าวว่ามีสมดุลระหว่างปัญญา, ประสิทธิภาพ, และต้นทุน. รุ่นที่สาม, MiMo-V2.6-Pro-UltraSpeed, ให้ผลลัพธ์เร็วขึ้นถึง 20 เท่าในคุณภาพเดียวกันสำหรับผู้ใช้ที่ต้องการความเร็วการสร้างระดับสุดขีด, ตามที่ Xiaomi ระบุ

อันดับการทดสอบของ Artificial Analysis

Artificial Analysis’ หน้าโมเดล สำหรับ MiMo-V2.6-Pro บันทึกคะแนน 46 บน Intelligence Index เวอร์ชัน 4.3.2 ซึ่งเป็นการรวมของการประเมิน 10 รายการรวมถึง AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode, และ Humanity’s Last Exam. ผู้ทำเบนช์มาร์ค การเปรียบเทียบโมเดลโอเพ่นซอร์ส จัดให้ MiMo-V2.6-Pro อยู่เป็นอันดับแรกในโมเดลน้ำหนักเปิด, ดำเนินหน้า GLM‑5.3 (max) ของ Z AI ที่ 45 และ Kimi K3 (max) ที่ 44, และอธิบายว่า MiMo-V2.6-Pro และ GLM‑5.3 (max) เป็นโมเดลโอเพ่นซอร์สที่มีปัญญาสูงที่สุด

ในระบบที่เป็นกรรมสิทธิ์, หน้าสำหรับ Grok 4.7 (xhigh) ของ Artificial Analysis ระบุว่าโมเดล SpaceXAI มีคะแนนเดียวกันที่ 46. การประกาศของ Xiaomi อ้างว่ามีคะแนน 46.32 บนดัชนีและเรียก MiMo-V2.6-Pro ว่า “โมเดลโอเพ่นซอร์สที่แข็งแกร่งที่สุดจนถึงปัจจุบัน” โดยบอกว่ามันเหนือกว่า Kimi K3 และ Qwen3.8 Max. Artificial Analysis ระบุค่าต้นทุนของโมเดลที่ $0.13 ต่องานบน Intelligence Index และรายงานว่าการประเมินบนดัชนีใช้ค่าใช้จ่าย $206.66. Xiaomi กล่าวว่า ชุดนี้ยังคงรักษาราคา API ของชุด V2.5 ซึ่งบริษัทอธิบายว่าเป็นการขยายแนวหน้า Pareto ระหว่างปัญญาและต้นทุนออกไป

Artificial Analysis ระบุวันที่เปิดตัวของโมเดลเป็น 21 กันยายน 2026; โพสต์ประกาศของ Xiaomi มีวันที่ 22 กันยายน 2026.

สถาปัตยกรรม Sparse MoE และน้ำหนักที่ได้รับอนุญาตแบบ MIT

ตาม การ์ดโมเดล ที่ทีม Xiaomi MiMo เผยแพร่, checkpoint flagship MiMo-V2.6-Pro-RL เป็นโมเดล sparse mixture-of-experts ที่มีพารามิเตอร์รวม 1.02 ล้านล้านและเปิดใช้งาน 42 พันล้านต่อโทเคน, ความยาวคอนเท็กซ์ 1 ล้านโทเคน, และรับอินพุตข้อความ, รูปภาพ, วิดีโอ, และเสียงพร้อมผลลัพธ์เป็นข้อความ. ข้อกำหนดของ Artificial Analysis ระบุจำนวนพารามิเตอร์, หน้าต่างคอนเท็กซ์, และโหมดเดียวกัน, และบันทึกว่ามีใบอนุญาต MIT ซึ่งอนุญาตให้ใช้เชิงพาณิชย์

การ์ดระบุว่าแบ็กโบนมี 70 ชั้น, มีชั้น attention แบบ sliding-window 60 ชั้นสลับกับชั้น attention แบบทั่วโลก 10 ชั้น, มีผู้เชี่ยวชาญที่กำหนดเส้นทาง 384 รายซึ่งมีแปดคนทำงานต่อโทเคน. MiMo ViT ที่มีพารามิเตอร์ 681 ล้านตัวจัดการด้านภาพ, AudioTokenizer ที่มีพารามิเตอร์ 308 ล้านตัวและตัวเข้ารหัสแพตช์เสียง 127 ล้านตัวจัดการเสียง, และดีโคเดอร์ speculative แบบพยากรณ์หลายโทเคน 5 ชั้นพยากรณ์โทเคนต่อเนื่องเจ็ดโทเคนต่อการส่งต่อหนึ่งครั้ง

น้ำหนักของ MiMo-V2.6-Pro-RL และ MiMo-V2.6-Flash-RL ถูกเผยแพร่บน Hugging Face, พร้อมให้ใช้บน ModelScope ตั้งแต่การเปิดตัว. Xiaomi กล่าวว่า บริษัทยังเปิดซอร์สเต็มของรายงานเทคนิคเต็มรูปแบบ, สภาพแวดล้อมการฝึกอบรม, และโค้ด RL เพื่อให้นักวิจัยสามารถทำซ้ำและตรวจสอบผลลัพธ์ได้

การรัน Reinforcement Learning แบบสตรีมสด

Xiaomi กล่าวว่าได้สตรีมการรัน reinforcement-learning ของการผลิตแบบสดขณะเกิดเหตุ. ภายในเวลาไม่ถึงหกวัน, MiMo-V2.6-Flash และ MiMo-V2.6-Pro แต่ละรุ่นเสร็จสิ้น 30 ขั้นตอน RL บนเส้นทางประมาณ 750,000 เส้นทาง, โดยมีค่าใช้จ่ายที่รายงานประมาณ $0.85 ล้านและ $2.62 ล้านตามลำดับ. อัตราการผ่านเฉลี่ยในงานฝึกเพิ่มขึ้น 25% และ 12% ในเชิงสัมพัทธ์, และบน DeepSWE v1.1, เกณฑ์การประเมินซอฟต์แวร์วิศวกรรมระยะยาวที่แยกออก, คะแนนเพิ่มจาก 48.8 เป็น 65.68 สำหรับ Flash และจาก 58.4 เป็น 72.57 สำหรับ Pro, ตามที่ Xiaomi รายงาน

บริษัทกล่าวว่ามันได้ขยายการคำนวณ RL ตามสามมิติ: ขนาดแบตช์ที่ใหญ่ขึ้นบนสถาปัตยกรรมแบบอะซิงโครนัสเต็มรูปแบบที่มี 1,568 ตัวอย่างต่อการอัปเดต, การฝึกที่ความยาวคอนเท็กซ์สูงสุด 1 ล้านและ 3.5 ถึง 3.7 พันล้านโทเคนต่อขั้นตอน; ชุดงานหลายงานที่ครอบคลุมการเขียนโค้ด, ตัวแทนทั่วไป, งานด้านภาพและไซเบอร์ที่ผสมกันหลายฮาร์เนส; และการคำนวณเกรเดอร์เพิ่มขึ้น, ใช้การเปรียบเทียบเชิงสัมพัทธ์ภายในแต่ละกลุ่มเพื่อสร้างสัญญาณรางวัลที่แม่นยำยิ่งขึ้น

การ์ดโมเดลระบุว่าใช้ Group Relative Policy Optimization แบบอะซิงโครนัสเต็มรูปแบบที่ 1,568 พรอมต์พร้อม 16 รอบต่อขั้นตอน, Groupwise Reward Synthesis เพื่อสร้างรูบริกเฉพาะงานแบบออฟไลน์จากการรันที่ต่างกัน, และ Groupwise Advantage Redistribution เพื่อจัดอันดับเส้นทางที่ผ่านการคัดกรองแบบออนไลน์. ขั้นตอนการทำ distillation แบบ on-policy ที่มีหลายพรีฟิกซ์และหลายครูชื่อ MOPD2 ตามหลังการรัน RL แบบผสม, และ Xiaomi อธิบายการป้องกันการแฮ็กรางวัลที่ครอบคลุมการออกแบบรางวัล, การประเมินเชิงศัตรู, การตรวจจับความผิดปกติ, และการตรวจสอบข้ามระหว่างผู้ตรวจสอบ

ราคา, ความพร้อมจำหน่าย, และการใช้งานที่แสดงตัวอย่าง

ในตารางเบนช์มาร์คของ Xiaomi เอง MiMo-V2.6-Pro ได้คะแนน 71.9 บน DeepSWE v1.1 เทียบกับ 67.9 ของ Flash และ 19.0 ของ MiMo-V2.5-Pro โดยอยู่หลัง DeepSeek V4.1 Flash (74.2) Claude Opus 5 (74.0) และ GPT 6 Astra (74.0) Xiaomi ระบุว่า Pro มีค่า 1,673 บน GDPVal 2.1 ซึ่งเป็นคะแนน Elo ที่รายงานโดย Artificial Analysis อยู่หลัง Claude Fable 5.1 (1,735) และ Claude Opus 5 (1,708) ผลลัพธ์ Pro ที่รายงานอื่น ๆ ได้แก่ 76.9 บน Toolathlon-verified, 53.1 บน Automation Bench v1.0.6, 34.9 บน Terminal Bench 4.0, และ 94.0 บน CyberGym ซึ่ง Flash ได้คะแนน 95.1 เทียบกับ GLM 5.3 ที่ได้ 84.5

ทั้งสองโมเดลพร้อมให้ใช้ใน AI Studio, MiMo Code, และ MiMo Desktop รวมถึงผ่าน MiMo API Platform และ OpenRouter MiMo Desktop จะออกจากการเข้าถึงล่วงหน้าเมื่อมีการปล่อยเวอร์ชันอย่างเป็นทางการครั้งแรก โดยมี Pro และ Flash รวมอยู่ในตัว และ Xiaomi ระบุว่าโปรแกรม UltraSpeed ที่เข้าถึงล่วงหน้าจะดำเนินต่ออีกหนึ่งสัปดาห์ โดยผู้ใช้เดิมจะต้องเปลี่ยนไปใช้ชื่อโมเดลใหม่

ราคาการใช้ API ไม่เปลี่ยนแปลงจากชุด V2.5: ต่อหนึ่งล้านโทเค็น MiMo-V2.6-Pro มีค่าใช้จ่าย $0.0036 สำหรับอินพุตที่พบแคช, $0.435 สำหรับอินพุตที่ไม่พบแคช, และ $0.87 สำหรับเอาต์พุต; MiMo-V2.6-Flash มีค่า $0.0028, $0.14, และ $0.28; ส่วน MiMo-V2.6-Pro-UltraSpeed มีค่า $0.036, $4.35, และ $8.70 ในสามประเภทเดียวกัน Artificial Analysis วัดได้ 129.7 โทเค็นเอาต์พุตต่อวินาทีและเวลา 2.17 วินาทีจนถึงโทเค็นแรกผ่าน API ของ Xiaomi

การสาธิตของ Xiaomi ครอบคลุมการพัฒนาเกมแบบหลายเอเจนต์, การสร้างโมเดล 3D ด้วย Blender, การควบคุมแบบปิดลูปของแขนหุ่นยนต์ Franka Panda จำลองจากฟีดกล้องหลายมุม, การออกแบบส่วนหน้าและการนำเสนอ, การสร้างวิดีโอแบบครบวงจร, และการประพันธ์ดนตรี รวมถึงผลงานออร์เคสตราที่ชื่อ Night Road ซึ่งโมเดลได้ทำการประเมินและแปลงเป็นไฟล์ MIDI ด้วยตนเอง ในสองกรณีการวิจัยที่บริษัทรายงาน MiMo-V2.6-Pro ได้ออกแบบตัวเลือกกรอบโลหะ-อินทรีย์สำหรับการดูดซับสาร PFAS ร่วมกับผู้เชี่ยวชาญด้านวัสดุของ Xiaomi และได้สร้างการ formalization ของทฤษฎี “Period Three Implies Chaos” ของ Li และ Yorke ใน Lean 4 มากกว่า 6,000 บรรทัดของโค้ด ซึ่งได้รับการตรวจสอบโดยเคอร์เนลของ Lean โดยไม่มี placeholder ของการพิสูจน์ที่ยังไม่เสร็จ