En modell med en billion parametere under MIT-lisens
Xiaomi slapp MiMo-V2.6-serien mandag og la vektene ut på Hugging Face under MIT-lisens. Flaggskipet MiMo-V2.6-Pro er en tynn ekspertblanding med 1,02 billioner parametere totalt og 42 milliarder aktive per token. Rimeligere MiMo-V2.6-Flash har 309 milliarder totalt og 15 milliarder aktive. Begge tar imot tekst, bilde, lyd og video, og begge har et kontekstvindu på en million tokens.
Artificial Analysis, som kjører sine egne evalueringer i stedet for å gjengi leverandørenes tabeller, ga MiMo-V2.6-Pro 46 poeng på sin Intelligence Index og plasserer den først av de 114 modellene med åpne vekter som følges. Medianen i indeksen ligger på 18.
Prisen er argumentet
I Xiaomis API koster Pro 0,43 dollar per million tokens inn og 0,87 dollar per million ut, med 99 prosent rabatt på mellomlagret inndata. Flash koster 0,14 og 0,28. Artificial Analysis anslår kostnaden ved å kjøre hele indeksen gjennom Pro til rundt 0,13 dollar per oppgave, noe som setter modellen på grenselinjen mellom intelligens og kostnad.
Det er omtrent en femtedel av det den nærmeste vestlige sammenligningen tar. SpaceXAIs Grok 4.7, som Artificial Analysis ga de samme 46 poengene da begge kom mandag, prises til 2 dollar per million tokens inn og 6 dollar per million ut.
Den uavhengige indeksen viser også de praktiske avveiningene. Pro genererer 125 tokens i sekundet, tolvte raskest blant de åpne modellene, og bruker 2,19 sekunder til første token. Den er ordrik: evaluatoren trengte 140 millioner tokens for å kjøre hele indeksen.
Trent for åpen scene
Xiaomi beskrev lanseringen som bygget offentlig. Siden 15. september har et sanntidspanel sendt forsterkningslæringen for begge modellene — steg, belønningskurver, tokengjennomstrømning, testresultater og en løpende kostnadsteller.
Etter Xiaomis eget regnskap gjorde de to modellene 30 steg med forsterkende læring hver over rundt 750 000 baner, til omtrent 2,62 millioner dollar for Pro og rundt 850 000 for Flash. Selskapet sier det brukte to metoder for å hindre modellene i å manipulere sin egen belønning: én bygger en vurderingsmal per oppgave ved å sammenligne flere forsøk, en annen flytter treningsvekt mot de bedre godkjente løsningene i en gruppe. Dette er selskapets egne beskrivelser av sin egen metode; ingen utenfra har gjentatt dem.
Hva som er åpent og hva som ikke er det
MIT-lisensen dekker vektene, og Xiaomi publiserer i tillegg den tekniske rapporten, treningsmiljøene for forsterkende læring og selve RL-koden. Det er en bredere åpning enn Alibabas forrige uke, da Qwen-Image-2.1 kom med åpne vekter, men en lisens begrenset til forskning.
En tredje variant, MiMo-V2.6-Pro-UltraSpeed, er en vertstjeneste og ingen nedlasting: Xiaomi selger den med påslag for opptil tjue ganger raskere utdata.
Hva man bør følge
Det første er om plasseringen holder når andre enn Artificial Analysis evaluerer modellen. Det andre er utbredelsen: en MIT-lisens på en modell med en billion parametere hjelper bare den som har maskinvare til å betjene 42 milliarder aktive parametere, og mesteparten av etterspørselen havner på det vertsbaserte API-et og hos ruterne heller enn på egne GPU-er.
