Xiaomi выпустила MiMo-V2.6-Pro-RL — открытую модель на 1 трлн параметров для агентов

Xiaomi выложила на Hugging Face карточку MiMo-V2.6-Pro-RL — флагманской модели новой серии MiMo-V2.6. Лицензия MIT разрешает свободно использовать модель, в том числе в коммерческих продуктах. Вместе с ней вышла облегчённая MiMo-V2.6-Flash-RL. Ссылки на скачивание обеих моделей с Hugging Face и ModelScope помечены в карточке «при выходе».

Модель построена как смесь экспертов: всего в ней 1,02 трлн параметров, но на каждый токен работают только 42 млрд. Она принимает текст, изображения, видео и звук, а её контекстное окно — миллион токенов. По замыслу авторов, этого хватит на большой репозиторий кода или многочасовую работу агента. Для ускорения в модель встроен черновой декодер: за один проход он предлагает семь следующих токенов, а основная модель их проверяет.

Главное, на чём настаивает Xiaomi, — способ обучения. Вместо отдельных прогонов обучения с подкреплением для кода, агентов, зрения и кибербезопасности компания провела один общий: задачи из разных областей шли в одном пакете. По словам авторов, так навыки подкрепляют друг друга, а модель переносит приёмы даже на незнакомые среды запуска. Кроме того, простая оценка «прошёл — не прошёл» заменена агентом-оценщиком. Он сравнивает удачные решения между собой и поощряет те, что короче и тратят меньше токенов.

Результаты тестов заявлены самой Xiaomi. В задачах программирования DeepSWE модель набрала 71,9 против 74,0 у Claude Opus 5, в AutomationBench — 53,1 против 50,3, а в Terminal Bench 2.1 немного обошла и Opus 5, и GPT-5.6 Sol. Заметно она отстаёт во взломе уязвимостей: в ExploitBench — 47,9 против 78,5 у GPT-5.6 Sol, и в более новом Terminal Bench 4.0. Прошлая MiMo-V2.5 Pro в тех же тестах выглядела намного слабее: в DeepSWE у неё было 19,0.

Запускать модель Xiaomi советует через движки SGLang и vLLM. Кроме того, она доступна в API компании, приложениях MiMo Studio и MiMo Desktop, агенте для программирования MiMo Code и на OpenRouter.