Xiaomi выложила открытую модель MiMo-V2.6-Pro-RL на триллион параметров

21 сентября Xiaomi выложила на Hugging Face открытые веса MiMo-V2.6-Pro-RL. У модели 1,02 трлн параметров, она понимает текст, картинки, видео и звук и держит в контексте до миллиона токенов.

Почему это важно: Модель под лицензией MIT можно скачать, запустить на своих серверах и встроить в коммерческий продукт. При этом в части тестов для ИИ-агентов, по данным Xiaomi, она идёт вровень с закрытыми Claude Opus 5 и GPT-5.6 Sol.

Детали: Модель построена как смесь экспертов¹, поэтому на каждый токен работает лишь малая её часть.

• Из 384 «экспертов» на каждый токен включаются восемь, а это 42 млрд параметров из 1,02 трлн.
• Картинки и видео модель читает через собственный кодировщик на 681 млн параметров, а звук — через два аудиокодировщика на 308 и 127 млн.
• Встроенный черновой декодер предлагает сразу семь следующих токенов, а основная модель проверяет их параллельно, чтобы быстрее выдавать ответ.

Как это работает: Главную ставку авторы сделали на обучение с подкреплением², которое, по их замыслу, должно вести модель к самосовершенствованию.

• Программированию, работе агента, зрению и кибербезопасности модель учили в одном общем прогоне, а не по отдельности: так, по расчёту авторов, навыки подкрепляют друг друга.
• На каждом шаге обучения модель решала 1 568 задач по 16 раз, и одно обновление весов обрабатывало миллиарды токенов.
• Проверка «прошло — не прошло» не отличает хорошее решение от просто рабочего, поэтому отдельный ИИ-оценщик сравнивает удачные попытки в каждой группе и поощряет лучшие.
• По словам авторов, так модель привыкает искать более короткие пути к решению и тратить на задачу меньше токенов.

В цифрах: Вот результаты, которые приводит Xiaomi:

• В Terminal Bench 2.1³ модель набрала 89,9 балла против 89,1 у Claude Opus 5 и 88,8 у GPT-5.6 Sol.
• В тесте агентов-программистов DeepSWE v1.1 у неё 71,9 балла, у тех же конкурентов — 74,0 и 73,0.
• В AutomationBench из раздела агентов общего назначения у неё 53,1 балла против 50,3 у Claude Opus 5 и 45,8 у GPT-5.6 Sol.
• Прошлая версия, MiMo-V2.5 Pro, набирала 19 баллов в DeepSWE и 65,2 — в Terminal Bench 2.1.

Но: В других тестах модель заметно отстаёт, а часть тестов Xiaomi составила сама.

• В новой версии Terminal Bench 4.0 у модели 34,9 балла, а у Claude Opus 5 — 49,0.
• В тесте по кибербезопасности ExploitBench у неё 47,9 балла против 70,0 у Claude Opus 5 и 78,5 у GPT-5.6 Sol.
• Тесты MiMo Code Bench, MiMo Cyber Bench и MiMo VisualCoding компания разработала сама.

Расклад: Вместе с MiMo-V2.6-Pro-RL вышла облегчённая MiMo-V2.6-Flash-RL, и в DeepSWE она, по данным Xiaomi, набирает 67,9 балла. Её размер компания в карточке не называет.

Веса обеих моделей выложены на Hugging Face и ModelScope⁴. Для запуска Xiaomi советует SGLang или vLLM — программы, которые раздают модели по сети. Ещё к модели можно обратиться через API Xiaomi, OpenRouter, веб-сервис Xiaomi MiMo Studio и приложение Xiaomi MiMo Desktop.

Если шире: В августе Alibaba выложила открытые веса Qwen3.8-Max — модели на 2,4 трлн параметров. Контекст у неё тоже до миллиона токенов.