Xiaomi выложила открытую модель MiMo-V2.6-Flash-RL на 309 млрд параметров

Xiaomi выложила на Hugging Face MiMo-V2.6-Flash-RL — облегчённую версию своей новой модели, которая работает с текстом, картинками, видео и звуком и распространяется по открытой лицензии MIT.

Почему это важно: на каждый токен модель задействует почти втрое меньше параметров, чем старшая версия серии. При этом в тестах программирования и агентной работы она, по данным Xiaomi, уступает ей лишь несколько баллов.

Расклад: в тот же день выложила компания и старшую MiMo-V2.6-Pro-RL на 1,02 трлн параметров. Flash Xiaomi описывает как версию, где качество уравновешено с затратами на запуск.

Детали: модель устроена как смесь экспертов:

• Всего в ней 309 млрд параметров, но на каждый токен работают только 15 млрд.
• Контекст вмещает до 1 млн токенов: авторы рассчитывают на большие репозитории кода и долгую работу агента в несколько сессий.
• Картинки и видео разбирает отдельный кодировщик на 681 млн параметров, звук — ещё два собственных кодировщика.
• Встроенный черновой модуль угадывает сразу 7 следующих токенов, а основная модель проверяет их разом, и ответ пишется быстрее.

Как это работает: Xiaomi обучала модель одним общим прогоном обучения с подкреплением — сразу на программировании, агентных задачах, работе с изображениями и кибербезопасности. Задачи из разных областей шли вперемешку, и, по расчёту авторов, навыки подкрепляют друг друга и переносятся на среды, которых модель в обучении не видела.

Интрига: проверка «прошло или не прошло» не отличает хорошее решение от просто рабочего, поэтому оценку Xiaomi поручила отдельному агенту. Он сравнивает между собой несколько попыток модели над одной задачей и поощряет лучшие из тех, что прошли тесты. По словам авторов, так модель учится искать короткие пути и тратить меньше токенов на задачу.

В цифрах: результаты, которые заявляет Xiaomi:

• В тесте агентного программирования DeepSWE Flash набрала 67,9 балла, старшая Pro — 71,9.
• Claude Opus 5 в том же тесте набирает 74 балла, а прошлая MiMo-V2.5 Pro набирала всего 19.
• В AutomationBench Flash с 52,3 балла обошла и Claude Opus 5, и GPT-5.6 Sol.
• В Terminal Bench 2.1, где агент работает в командной строке, у Flash 87,6 балла, у Claude Opus 5 — 89,1.

Но: в тестах на эксплуатацию уязвимостей Flash заметно слабее. В ExploitBench она набрала 25,3 балла — почти вдвое меньше, чем Pro, а у Claude Opus 5 там 70. Часть тестов в таблице Xiaomi придумала сама — например, MiMo Code Bench и MiMo Cyber Bench.

Модель можно запустить на своих серверах через программы SGLang и vLLM или подключить через API Xiaomi и сервис OpenRouter.