RespuestasPublicado23 fuentes
MiMo-V2.6-Pro pone a Xiaomi al frente de la IA de pesos abiertos
MiMo V2.6 Pro es el modelo de pesos abiertos mejor situado en el Intelligence Index de Artificial Analysis: 46 puntos, por delante de GLM 5.3 (45) y Kimi K3 (44). Xiaomi atribuye el salto a una única gran ejecución de aprendizaje por refuerzo que mezcla tareas de programación, agentes, visión y ciberseguridad.
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- MiMo V2.6 Pro es el modelo de pesos abiertos mejor situado en el Intelligence Index de Artificial Analysis: 46 puntos, por delante de GLM 5.3 (45) y Kimi K3 (44).
- Xiaomi atribuye el salto a una única gran ejecución de aprendizaje por refuerzo que mezcla tareas de programación, agentes, visión y ciberseguridad.
- MiMo V2.6 Flash busca despliegues de alto volumen con una ventana de contexto de un millón de tokens, entradas multimodales y precios desde 0,14 USD por millón de tokens de entrada no almacenados en caché.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Xiaomi’s newly released, MIT-licensed MiMo-V2.6-Pro become the top open-weight model on the Artificial Analysis Intelligence Index—s. Article summary: MiMo‑V2.6‑Pro’s result is best understood as a major reinforcement-learning scaling result, not proof that it has closed the overall frontier. It is the current highest-scoring open-weight model on Artificial Analysis’s . Topic tags: general, general web, user generated, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
MiMo-V2.6-Pro es relevante por una combinación poco habitual: encabeza una clasificación de modelos de pesos abiertos, tiene un precio de API bajo y llega acompañado de materiales de posentrenamiento que Xiaomi ha puesto a disposición pública. Pero conviene acotar el logro: lidera la categoría de pesos abiertos en un índice compuesto muy seguido; no lidera la frontera global de capacidades.
Primero entre los pesos abiertos, no entre todos los modelos
Artificial Analysis sitúa a MiMo-V2.6-Pro como el modelo de pesos abiertos mejor clasificado en su Intelligence Index, con 46 puntos. En esa lista supera a GLM-5.3, con 45, y a Kimi K3, con 44. 31
La puntuación coincide con la de una configuración propietaria de Grok 4.7. Aun así, Xiaomi reconoce que su modelo insignia sigue por detrás de los mejores sistemas cerrados: Claude Fable 5.1 y GPT-6 Astra figuran con 53 puntos, siete más que MiMo-V2.6-Pro. 1
19
La conclusión, por tanto, es precisa: Xiaomi ha elevado el listón de los pesos abiertos, pero no ha demostrado paridad general con los modelos cerrados más capaces.
La apuesta técnica: «You Only RL Once»
Xiaomi denomina a su estrategia de posentrenamiento «You Only RL Once». En vez de entrenar políticas independientes para programación, agentes generales, tareas visuales y ciberseguridad, mezcla esos dominios y varios entornos de ejecución de agentes —harnesses— en una única ejecución de aprendizaje por refuerzo (RL).
La hipótesis de la compañía es que muchas de esas tareas requieren conductas transferibles: detectar qué información falta, decidir qué herramienta usar, evaluar el resultado de una herramienta y recuperarse de un intento fallido. 5
Según Xiaomi, Pro y Flash completaron cada uno 30 pasos de RL sobre unas 750.000 trayectorias en menos de seis días. El coste declarado fue de unos 2,62 millones de dólares para Pro y 850.000 dólares para Flash. Son cifras comunicadas por la propia empresa, no costes auditados de forma independiente. 10
El avance apunta a que escalar el aprendizaje por refuerzo en entornos variados y con uso de herramientas puede mejorar mucho el rendimiento sin crear un proceso de posentrenamiento específico para cada categoría. El aumento de 20 puntos frente a MiMo-V2.5-Pro debe entenderse, no obstante, como una comparación de lanzamiento y no como prueba de superioridad en todas las cargas de trabajo reales. 14
Precio: una parte esencial del atractivo
Xiaomi lista MiMo-V2.6-Pro a 0,435 USD por millón de tokens de entrada y 0,87 USD por millón de tokens de salida. Una comparación basada en las estimaciones de coste por tarea de Artificial Analysis calcula unos 0,13 USD por tarea del Intelligence Index, frente a 3,74 USD para Grok 4.7 xHigh. 21
Ese cálculo de coste por tarea de referencia no equivale al coste de usar un modelo en producción: cambia según la longitud de las instrucciones y respuestas, el uso de caché, las herramientas y la configuración de inferencia. Aun con esa salvedad, el binomio de 46 puntos y bajo precio explica por qué Pro resulta atractivo para equipos que necesitan razonamiento o flujos de agentes a escala.
MiMo-V2.6-Flash: la alternativa orientada a eficiencia
MiMo-V2.6-Flash es la variante pensada para equilibrar coste y capacidad. Usa una arquitectura dispersa de mezcla de expertos (MoE) con 309.000 millones de parámetros totales y 15.000 millones activos, frente a los 1,02 billones totales y 42.000 millones activos reportados para Pro. Ambos modelos admiten una ventana de contexto de un millón de tokens y entradas de texto, imagen, vídeo y audio. 4
Flash se ofrece a 0,14 USD por millón de tokens de entrada no almacenados en caché y 0,28 USD por millón de tokens de salida; el precio de entrada con caché es de 0,0028 USD por millón de tokens. 3
10
Las comparaciones publicadas por Xiaomi sitúan a Flash por debajo de Pro en DeepSWE v1.1, al tiempo que lo presentan como una opción más económica para cargas multimodales y de contexto largo. Al proceder del proveedor, esos resultados sirven para entender su posicionamiento, pero deben contrastarse con pruebas independientes antes de decidir un despliegue concreto. 10
Una primera impresión práctica sobre Flash
Tim Dettmers describió Flash como «el mejor modelo en la clase de 300.000 a 550.000 millones de parámetros» según su experiencia. También afirmó que superó a DeepSeek V4.1 y GLM-5.3 Flash en sus pruebas, destacó su compactación automática del contexto en una sesión de más de tres millones de tokens y comunicó cerca de 250 tokens por segundo en decodificación y 2.600 tokens por segundo en prellenado. 44
Son observaciones interesantes, sobre todo para flujos prolongados de programación, pero reflejan la experiencia de un único profesional: no son un benchmark independiente ni una garantía para otro hardware o sistema de servicio.
Qué está liberando Xiaomi
El lanzamiento no se limita a los pesos descargables. Xiaomi afirma que publica Pro y Flash bajo licencia MIT junto con un informe técnico, más de 7.000 entornos de tareas de RL, un marco de RL de extremo a extremo y mini-harnesses combinables. Además, expone un panel basado en los registros de entrenamiento de las dos ejecuciones de RL. 46
2
Ese grado de visibilidad sobre el posentrenamiento puede ayudar a investigadores a examinar el enfoque y aprovechar los entornos de tareas. Sin embargo, no equivale por sí solo a un paquete completo para reproducir todo el desarrollo del modelo: los materiales disponibles no establecen que se hayan publicado todos los datos de preentrenamiento, componentes de infraestructura o detalles de entrenamiento.
Lo que dice sobre la carrera de los pesos abiertos
MiMo-V2.6-Pro refuerza la evidencia de que los laboratorios chinos compiten al máximo nivel y lideran actualmente esta clasificación concreta de pesos abiertos. Su resultado supera las puntuaciones listadas para GLM-5.3 y Kimi K3, y la licencia MIT lo diferencia de un modelo cerrado disponible solo mediante API. 31
36
Sería excesivo convertirlo en una afirmación general de que los laboratorios chinos superan a los estadounidenses en conjunto. En el mismo índice, los mejores modelos cerrados, Claude Fable 5.1 y GPT-6 Astra, conservan una ventaja de siete puntos. 19
La lectura práctica es más sencilla: en este benchmark, la IA de pesos abiertos se ha acercado a sistemas propietarios costosos. MiMo-V2.6-Pro pasa a ser una opción relevante para quienes valoran pesos desplegables, inferencia barata, entrada multimodal y flujos de agentes con contexto largo.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "MiMo-V2.6-Pro pone a Xiaomi al frente de la IA de pesos abiertos"?
MiMo V2.6 Pro es el modelo de pesos abiertos mejor situado en el Intelligence Index de Artificial Analysis: 46 puntos, por delante de GLM 5.3 (45) y Kimi K3 (44).
¿Cuáles son los puntos clave a validar primero?
MiMo V2.6 Pro es el modelo de pesos abiertos mejor situado en el Intelligence Index de Artificial Analysis: 46 puntos, por delante de GLM 5.3 (45) y Kimi K3 (44). Xiaomi atribuye el salto a una única gran ejecución de aprendizaje por refuerzo que mezcla tareas de programación, agentes, visión y ciberseguridad.
¿Qué debo hacer a continuación en la práctica?
MiMo V2.6 Flash busca despliegues de alto volumen con una ventana de contexto de un millón de tokens, entradas multimodales y precios desde 0,14 USD por millón de tokens de entrada no almacenados en caché.
Fuentes
artificialanalysis.aiComparison of AI Models across Intelligence, Performance, and Price
mimo.mi.comXiaomi MiMo-V2.6 Series: 3 New Models Officially Released
huggingface.coXiaomiMiMo/MiMo-V2.6-Flash-RL - Hugging Face
mimo.xiaomi.comIntroducing MiMo-V2.6 series