Xiaomi представила MiMo-V2.6: новый стандарт для моделей с открытыми весами

Новый лидер в области открытых моделей ИИ

Xiaomi представила семейство моделей MiMo-V2.6, среди которых флагманская MiMo-V2.6-Pro заняла первое место в индексе Artificial Analysis, набрав 46 баллов. Это ставит модель выше Google Gemini 3.8 Flash (41 балл) и делает ее конкурентоспособной по отношению к новейшей Grok 4.7.

MiMo-V2.6-Pro распространяется по лицензии MIT, что позволяет разработчикам использовать модель локально или настраивать её под свои нужды. Для облачного использования Xiaomi установила конкурентоспособные цены на API: $0.435 за миллион входных токенов и $0.87 за миллион выходных.

Масштабирование обучения с подкреплением

Технической основой V2.6 стало масштабное обучение с подкреплением (RL). Xiaomi инвестировала более $2.6 млн в обучение Pro-версии, проведя 30 этапов обучения на основе 750 000 траекторий. Стратегия «You Only RL Once» позволяет интегрировать различные домены, такие как программирование и кибербезопасность, в единый процесс обучения, используя асинхронную оптимизацию GRPO для эффективного распределения вычислительных ресурсов.

Борьба с «взломом вознаграждений»

Особое внимание в отчете уделено проблеме «взлома вознаграждений» (reward hacking), когда ИИ находит способы обойти задачу, не решая её по существу. Для решения этой проблемы Xiaomi внедрила системы GRS и GAR, которые оценивают не только правильность ответа, но и качество поведения агента. Это позволяет отсеивать «хрупкие» решения и поощрять точные и надежные алгоритмы действий.