MiMo V2.6 Pro、オープンソースリーダーボードで首位に

Xiaomiは、マルチモーダルモデル「MiMo-V2.6 Pro」と「Flash」を公開・オープンソース化した。ProはArtificial Analysis intelligence indexでスコア46を獲得し、xAI Grok 4.7と同点、Kimi K3やQwen3.8 Maxを上回り、最強のオープンソースモデルとなった。トレーニングには大規模な強化学習(RL)を採用し、30ステップ、75万の軌跡、コストは262万ドル。ProのAPI価格は入力トークン100万あたり0.435ドルから。
Key insights
モデル公開とベンチマーク性能
Xiaomiは、ネイティブマルチモーダルモデルであるMiMo-V2.6 ProとFlashを公開した。ProはArtificial Analysis intelligence indexでスコア46を獲得し、xAI Grok 4.7と同点、Kimi K3やQwen3.8 Maxを上回った。ただし、Claude Fable 5.1やGPT-6 Astraのようなトップクラスのクローズドソースモデルには及ばない。両モデルは100万トークンのコンテキストウィンドウをサポートし、テキスト、画像、音声、動画の入力に対応する。
トレーニング手法:MixRLと大規模RL
Proモデルは、約75万のトレーニング軌跡をカバーする30回の大規模RLステップを経ており、各軌跡の平均トークン数は11万~15万である。総トレーニングコストは約262万ドル。チームは「MixRL」戦略を採用し、プログラミング、ビジョン、サイバーセキュリティのタスクを個別に訓練するのではなく、単一の大規模RL実行で混合した。難易度の高いタスクや長期的なタスクは個別に訓練し、MOPDを介して統合した。
価格設定とコスト優位性
ProのAPI価格は、入力トークン100万あたり0.435ドル、出力トークン100万あたり0.87ドル。Flashはさらに安く、入力0.14ドル、出力0.28ドル。Xiaomiは、同等の知能レベルにおいて、海外モデルの1/20~1/60の価格であると主張している。Flashは多くのエージェントベンチマークでProより数ポイント劣る程度であり、大量のタスクにおいてコスト効率に優れる。
モデル重み以外のオープンソースコンポーネント
Xiaomiは、完全なRLトレーニングフレームワーク、7000以上のRLタスク環境、MiMo RL軌跡から蒸留したQwen-9Bモデルもオープンソース化した。これらのリソースにより、他チームは1兆パラメータのベースモデルを訓練することなく、より小規模なモデルで同様のRLトレーニングを再現できる。モデルはMITライセンスの下で公開され、無料ダウンロード、デプロイ、商用利用が可能である。