MiMo V2.6 Proオープンソースモデル、大規模強化学習で登場

Xiaomiは、オープンソースのマルチモーダルモデル「MiMo-V2.6 Pro」と「Flash」を発表しました。ProはArtificial Analysisで46点を獲得し、Grok 4.7と並んで最強のオープンソースモデルとなりました。大規模な強化学習(30ステップ、75,000トラジェクトリ、262万ドルのコスト)をMixRL戦略で実施しています。API価格は、入力100万トークンあたり0.435ドルからです。
Key insights
MiMo-V2.6 Proがオープンソースモデルで最高スコアを達成
Proモデルは、Artificial Analysisの総合知能指数で46点を獲得し、xAIのGrok 4.7と並び、Kimi K3やQwen3.8 Maxを上回りました。依然として、クローズドソースのリーダーであるClaude Fable 5.1やGPT-6 Astraには及びません。このモデルは、100万トークンのコンテキストとマルチモーダル入力(テキスト、画像、音声、動画)をサポートしています。
トレーニングはオープンソースモデルで最大規模の単一RLランを使用
トレーニングには262万ドルの費用がかかり、30ステップ、約75万トラジェクトリ(各平均11万〜15万トークン)で実施されました。チームリーダーのFuli Luo氏(DeepSeek R1にも従事)は、エンジニアリング上の課題はR1を上回ると述べています。MixRL戦略では、プログラミング、ビジョン、サイバーセキュリティタスクを1回のRLランで組み合わせ、検証が難しいタスクは別途トレーニングし、MOPDで統合しました。
攻勢的な価格設定:海外モデルの1/20〜1/60
ProのAPI価格は、入力100万トークンあたり0.435ドル、出力100万トークンあたり0.87ドルです。Flashはそれぞれ0.14ドルと0.28ドルです。Xiaomiは、この価格が海外モデルの同等の知能と比較して1/20〜1/60であると主張しています。Flashは、多くのエージェントベンチマークでProにわずかに及ばないものの、大量のエージェントタスクにおいて高い費用対効果を発揮します。
モデル重みを超えて:RLフレームワークと7,000タスクをオープンソース化
Xiaomiは、完全なRLトレーニングフレームワーク、7,000以上のRLタスク環境、MiMo RLトラジェクトリから蒸留したQwen-9Bモデルを公開しました。これにより、他のチームは、1兆パラメータのベースモデルをゼロから構築することなく、小規模モデルでの大規模RLトレーニングを再現できます。モデルはMITライセンスで公開されています。