Xiaomi MiMo-V2.6-Pro je jedničkou mezi AI s otevřenými vahami. Co to skutečně znamená

MiMo-V2.6-Pro je důležitý hlavně kombinací tří věcí: nejlepšího výsledku mezi modely s otevřenými vahami, nízké ceníkové ceny API a nezvykle rozsáhlého zveřejnění post-tréninkových materiálů. Je však dobré nepřehánět: Xiaomi se dostalo na čelo jedné sledované kategorie, nikoli na celkový vrchol schopností AI.

První mezi otevřenými vahami, ne mezi všemi modely

Artificial Analysis uvádí MiMo-V2.6-Pro jako nejvýše postavený open-weight model s hodnotou 46 v Intelligence Indexu. Za ním následují GLM-5.3 s 45 a Kimi K3 se 44 body. 31

Skóre 46 odpovídá konfiguraci proprietárního Groku 4.7. Xiaomi zároveň samo připouští odstup od nejsilnějších uzavřených systémů: Claude Fable 5.1 a GPT-6 Astra mají v témže žebříčku 53, tedy o sedm bodů více. 119

Výsledek proto znamená nový referenční bod pro modely, jejichž váhy lze stáhnout a nasadit, nikoli vyrovnání s úplnou světovou špičkou uzavřených služeb.

Co stálo za zlepšením

Xiaomi svůj postup post-tréninku nazývá „You Only RL Once“. Místo samostatného učení politik pro programování, obecné agenty, vizuální úlohy a kyberbezpečnost firma tyto oblasti i různé agentní „harnessy“ spojila do jednoho běhu posilovaného učení (RL).

Myšlenka je, že model se napříč úlohami učí přenositelné postupy: rozpoznat, jaká informace mu chybí, vybrat nástroj, vyhodnotit jeho výsledek a zotavit se z neúspěšného pokusu. 5

Podle Xiaomi dokončily Pro i Flash 30 RL kroků nad přibližně 750 000 trajektoriemi za méně než šest dní. Firma uvádí náklady asi 2,62 milionu USD pro Pro a 850 000 USD pro Flash; nejde ale o nezávisle auditovaná čísla. 10

Xiaomi také uvádí zlepšení Pro o 20 bodů proti MiMo-V2.5-Pro. To je vhodné chápat jako srovnání při vydání nové verze, ne jako důkaz převahy ve všech reálných pracovních scénářích. 14

Cena: silná část nabídky

Ceníková cena API pro MiMo-V2.6-Pro je 0,435 USD za milion vstupních tokenů a 0,87 USD za milion výstupních tokenů. Srovnání založené na odhadech ceny úloh Artificial Analysis vyčísluje jeden úkol Intelligence Indexu přibližně na 0,13 USD; u Groku 4.7 xHigh je to 3,74 USD. 21

Takový benchmarkový náklad není totéž co účet za konkrétní produkční aplikaci. Výsledek ovlivňuje délka promptů a odpovědí, ukládání do cache, používání nástrojů i nastavení inference. Přesto je spojení skóre 46 a nízkých tokenových cen pro týmy s náročnými agentními či reasoningovými workflow výrazné.

Flash pro časté a levnější nasazení

MiMo-V2.6-Flash je úspornější sourozenec řady. Používá řídkou architekturu mixture-of-experts (MoE) s 309 miliardami celkových parametrů a 15 miliardami aktivních parametrů. Pro má podle dostupných údajů 1,02 bilionu parametrů celkem a 42 miliard aktivních. Oba modely podporují kontextové okno o velikosti 1 milion tokenů a přijímají text, obraz, video i zvuk. 4

Flash stojí 0,14 USD za milion vstupních tokenů bez cache a 0,28 USD za milion výstupních tokenů; cena vstupu při zásahu cache je podle Xiaomi 0,0028 USD za milion tokenů. 310

Ve vlastních benchmarkových srovnáních Xiaomi vychází Flash pod Pro v DeepSWE v1.1, firma jej ale pozicuje jako levnější variantu pro dlouhý kontext a multimodální úlohy. Jde o materiály dodavatele, takže pro konkrétní nasazení je namístě vlastní nebo nezávislé testování. 10

První zkušenost z praxe

Výzkumník Tim Dettmers označil Flash za model, který na něj působí jako „nejlepší ve třídě 300 až 550 miliard parametrů“. Ve svém používání jej hodnotil lépe než DeepSeek V4.1 a GLM-5.3 Flash. Vyzdvihl také automatickou kompakci kontextu v relaci přesahující 3 miliony tokenů a uvedl zhruba 250 tokenů za sekundu při dekódování a 2,6 tisíce tokenů za sekundu při prefill fázi. 44

Jde o pozorování jednoho uživatele, nikoli o nezávislý benchmark ani o záruku stejného výkonu na jiném hardwaru či serverovém stacku.

Co Xiaomi skutečně zveřejňuje

Nejde jen o váhy modelu. Xiaomi uvádí, že pod licencí MIT zveřejňuje Pro a Flash, technickou zprávu, více než 7 000 RL prostředí pro úlohy, kompletní RL framework a skládací mini-harnessy. K dispozici je také dashboard založený na logách trenéru pro oba RL běhy. 462

Taková míra průhlednosti může výzkumníkům usnadnit rozbor post-tréninkového postupu i další práci s prostředími. Neznamená ale automaticky úplnou reprodukovatelnost vývoje modelu: dostupné materiály nedokládají zveřejnění všech předtréninkových dat, infrastrukturních součástí ani detailů výcviku.

Co to vypovídá o souboji open-weight modelů

MiMo-V2.6-Pro posiluje důkazy, že čínské laboratoře jsou v kategorii open-weight modelů mimořádně konkurenceschopné a nyní vedou tento konkrétní žebříček. Pro překonává uváděná skóre GLM-5.3 a Kimi K3 a licence MIT jej odlišuje od modelů dostupných jen přes uzavřené API. 3136

Z toho ale nelze vyvozovat, že čínské laboratoře vedou americké firmy ve všem. Stejný index řadí na vrchol uzavřené modely Claude Fable 5.1 a GPT-6 Astra s 53 body. 19

Praktický závěr je prostší: open-weight AI se v tomto měření opět přiblížila dražším proprietárním systémům. MiMo-V2.6-Pro je tak relevantní volbou pro organizace, které chtějí nasaditelné váhy, nízké náklady na inferenci, multimodální vstupy a dlouhý kontext pro agentní pracovní postupy.