MiMo-V2.6-Pro: Neues Open-Weight-Modell schlägt offene Konkurrenz

Xiaomi hat mit MiMo-V2.6 eine neue Generation seiner offenen KI-Modelle veröffentlicht. Im Mittelpunkt steht das Topmodell MiMo-V2.6-Pro, das sich im Intelligence Index von Artificial Analysis an die Spitze der Open-Weight-Modelle setzt. Es liegt dort jetzt vor chinesischen Konkurrenten wie GLM-5.3, Kimi K3 und DeepSeek V4.1 Flash und erreicht das Niveau einiger leistungsfähiger proprietärer Modelle wie des ebenfalls neu erschienenen KI-Modells Grok 4.7 von xAI.

Gleichzeitig bleibt das Modell trotz seiner hohen Benchmark-Leistung vergleichsweise günstig: Xiaomi verlangt über seine API 0,435 US-Dollar pro Million Input-Token ohne Cache-Treffer und 0,87 US-Dollar pro Million Output-Token. Bei einem Cache-Treffer sinkt der Input-Preis auf 0,0036 US-Dollar.

In den Messungen von Artificial Analysis zeigt sich das günstige Preis-Leistungs-Verhältnis besonders deutlich: Eine Aufgabe im Intelligence Index kostet mit MiMo-V2.6-Pro im Schnitt nur 0,13 US-Dollar und damit deutlich weniger als bei ähnlich leistungsfähigen Open-Weight- und proprietären Modellen.

Mit MiMo-V2.6-Flash bringt Xiaomi zugleich eine kleinere und noch günstigere Variante der neuen Modellfamilie heraus. Über die API kostet sie 0,14 US-Dollar pro Million Input-Token ohne Cache-Treffer und 0,28 US-Dollar pro Million Output-Token. Bei einem Cache-Treffer beträgt der Input-Preis auf 0,0028 US-Dollar.

Xiaomi zufolge erreicht die Flash-Variante in mehreren Agentenbenchmarks Werte nahe am Pro-Modell. Eine unabhängige Auswertung von Artificial Analysis liegt noch nicht vor.

Stark skaliertes Reinforcement Learning

Technisch unterscheiden sich Pro und Flash vor allem bei der Modellgröße. MiMo-V2.6-Pro basiert auf einer Mixture-of-Experts-Architektur mit insgesamt 1,02 Billionen Parametern, von denen pro Token 42 Milliarden aktiviert werden. Flash kommt auf 309 Milliarden Gesamtparameter und 15 Milliarden aktive Parameter. Beide Modelle verarbeiten Text, Bilder, Video und Audio, unterstützen bis zu eine Million Token Kontext und stehen mit offenen Gewichten zur Verfügung.

Laut Xiaomis eigenen Benchmarks zeigen die beiden neuen Modelle gegenüber dem im April erschienenen MiMo-V2.5-Pro in mehreren Coding-, Agenten- und Cybersecurity-Tests große Fortschritte. Einen wesentlichen Grund sieht das Unternehmen im nachgelagerten Reinforcement Learning (RL): Pro und Flash bearbeiteten dabei wiederholt komplexe Aufgaben aus diesen Bereichen und absolvierten jeweils 30 RL-Schritte mit rund 750.000 Aufgabenläufen, die teils lange, mehrstufige Agentenprozesse abbildeten. Das RL-Verfahren beschreibt Xiaomi ausführlich im technischen Bericht. Neben den Modellgewichten stellt Xiaomi auch den RL-Code und die verwendeten Trainingsumgebungen für weitere Forschung bereit.

Mit MiMo-V2.6-Distill-Qwen-9B veröffentlicht Xiaomi außerdem ein kleines Forschungsmodell, das auf Qwen3.5-9B basiert. Das Modell soll als Ausgangspunkt für die Forschung daran dienen, wie sich agentische Fähigkeiten auf kleinere Modelle übertragen und anschließend mit RL weiter ausbauen lassen.

MiMo-V2.6-Pro und MiMo-V2.6-Flash sind über Xiaomis API verfügbar. Die Gewichte aller drei Modelle stellt Xiaomi zudem unter MIT-Lizenz auf Hugging Face bereit.