Xiaomi выпустила семейство MiMo-V2.6 из двух моделей: флагманской MiMo-V2.6-Pro и более дешёвой MiMo-V2.6-Flash. Обе нативно работают с текстом, изображениями, видео и аудио и поддерживают контекст до 1 млн токенов. Pro построена на разреженной MoE-архитектуре с 1,02 трлн параметров, из которых при инференсе активируются 42 млрд, а Flash — с 309 млрд и 15 млрд активных параметров соответственно. Веса опубликованы на Hugging Face под лицензией MIT.

Главный акцент релиза Xiaomi делает не на увеличении модели, а на масштабировании обучения с подкреплением. Pro и Flash прошли по 30 крупных RL-шагов примерно на 750 тысячах траекторий каждый. Один шаг включал до 1568 задач с 16 попытками решения и несколько миллиардов токенов. При этом в одном обучающем процессе одновременно смешивались программирование, работа агентов, визуальные задачи и кибербезопасность — вместо отдельных специализированных этапов RL. На весь такой прогон Xiaomi потратила около $2,62 млн для Pro и $0,85 млн для Flash.

Отдельная часть работы посвящена тому, как оценивать уже правильные решения. Обычная награда «прошёл тест / не прошёл» не позволяет модели понять, какое из нескольких успешных решений лучше. Xiaomi поэтому добавила агентного оценщика, который сравнивает траектории между собой и отдаёт преимущество более качественным, коротким и эффективным вариантам. Компания рассматривает эту схему как шаг к циклу самосовершенствования, в котором улучшение самой модели одновременно позволяет получать более точный обучающий сигнал для следующих итераций.

Результаты получились заметными. На закрытом от обучения DeepSWE v1.1 показатель Pro вырос в ходе RL примерно с 58,4 до 72,6, а Flash — с 48,8 до 65,7. В итоговых тестах Pro набирает 71,9 на DeepSWE v1.1 против 74 у Claude Opus 5 и 73 у GPT-5.6 Sol. На Artificial Analysis Intelligence Index модель получила около 46 баллов и на момент релиза стала самой высокооценённой моделью с открытыми весами в этом рейтинге. Независимые результаты Artificial Analysis также показывают скорость около 134 токенов/с через API Xiaomi.

Но Xiaomi позиционирует MiMo-V2.6 уже не просто как языковую или кодовую модель. В демонстрациях она самостоятельно собирает 3D-сцены и игры из текста, изображения или видео, управляет роботизированной рукой по видеопотоку, создаёт интерфейсы и презентации, работает с Figma, генерирует и монтирует видео и даже пишет музыкальные произведения с экспортом в MIDI. В исследовательских примерах Pro помогла подобрать кандидатов новых материалов для связывания PFAS и участвовала в формализации в Lean 4 основной теоремы из классической работы Ли и Йорка «Period Three Implies Chaos» — итоговый проект превысил 6000 строк и был полностью проверен ядром Lean.

API при этом осталось довольно дешёвым: MiMo-V2.6-Flash стоит $0,14 за миллион входных и $0,28 за миллион выходных токенов, Pro — $0,435 и $0,87 соответственно. Для Pro также появился режим UltraSpeed, который Xiaomi заявляет как до 20 раз более быстрый, но токены в нём стоят в десять раз дороже. Модели уже доступны через API Xiaomi, MiMo Desktop, MiMo Code, AI Studio и OpenRouter, а веса, технический отчёт, RL-код и обучающие среды опубликованы для самостоятельного запуска и изучения.