MiMo-V2.6 de Xiaomi: gran potencial open weight, pero con dudas de procedencia

Xiaomi ha puesto sobre la mesa una propuesta difícil de ignorar para equipos de IA: pesos descargables, licencia MIT, entrada multimodal, una ventana de contexto anunciada de hasta un millón de tokens y tarifas de API muy reducidas. MiMo-V2.6-Pro apunta a tareas exigentes de agentes y programación; MiMo-V2.6-Flash busca abaratar experimentos y operaciones de alto volumen.

Pero una licencia abierta no resuelve por sí sola la pregunta que más importa a una empresa: ¿qué evidencia existe sobre la procedencia de los datos y trazas usados para entrenar el modelo? Las acusaciones de Anthropic sobre una posible destilación no autorizada de Claude no son una sentencia judicial ni una auditoría forense independiente. Aun así, plantean riesgos que conviene despejar antes de tratar a MiMo como infraestructura crítica.

Qué lanzó Xiaomi

Xiaomi publicó los checkpoints descargables MiMo-V2.6-Pro-RL y MiMo-V2.6-Flash-RL; sus repositorios indican licencia MIT. También lanzó MiMo-V2.6-Distill-Qwen-9B, un modelo agéntico de 9.000 millones de parámetros creado mediante ajuste supervisado de Qwen3.5-9B con datos generados por MiMo. 245

Los dos modelos mayores se presentan como sistemas omnimodales: aceptan texto, imágenes, vídeo y audio, y Xiaomi les atribuye una ventana de contexto de hasta un millón de tokens. Pro usa una arquitectura mixture of experts (MoE) dispersa, con 1,02 billones de parámetros totales y 42.000 millones activados por token. Flash tiene alrededor de 309.000 millones de parámetros totales y 15.000 millones activos por token. 3

La licencia MIT permite, en términos amplios, usar y modificar los artefactos publicados. Sin embargo, no certifica la procedencia de todos los insumos de entrenamiento ni de los datos sintéticos usados antes de publicar los pesos. Tampoco equivale automáticamente a garantías, indemnización o protección frente a reclamaciones de terceros.

Rendimiento: una señal prometedora, con límites claros

MiMo-V2.6-Pro registró 46,32 en el Intelligence Index v4.3 de Artificial Analysis, según los reportes citados. En esa comparación aparece al nivel de Grok 4.7 y en el primer puesto de la clasificación de modelos con pesos abiertos. Es una referencia externa significativa, aunque sigue siendo un índice compuesto: no prueba cómo responderá el modelo ante los datos, los idiomas, la latencia, las políticas de seguridad o las cargas de contexto largo de una organización concreta. 2324

Los materiales de Xiaomi también comunican mejoras notables en programación y uso de agentes. En los resultados de aprendizaje por refuerzo sobre DeepSWE v1.1, el valor average@3 de Pro subió de 58,4 a 72,6; Flash pasó de 48,7 a 65,7. DeepSWE v1.1 reúne 113 tareas de ingeniería de repositorios verificadas funcionalmente, y average@3 representa la tasa de aprobación media en tres intentos generados. 10

Son datos útiles para decidir qué evaluar, pero siguen siendo resultados reportados por el proveedor mientras no haya reproducciones independientes. La decisión de despliegue debería basarse en pruebas ciegas con conjuntos privados y tareas cercanas a producción, no solo en una tabla de clasificación.

Pro frente a Flash: capacidad y coste

Modelo	Escala de arquitectura	Precio publicado por 1 millón de tokens de entrada	Precio publicado por 1 millón de tokens de salida	Uso más razonable
MiMo-V2.6-Pro	1,02 Bn totales / 42.000 M activos	US$ 0,435	US$ 0,87	Evaluación de agentes, programación y tareas complejas
MiMo-V2.6-Flash	Unos 309.000 M totales / 15.000 M activos	US$ 0,14	US$ 0,28	Pruebas masivas y cargas sensibles al coste

Las tarifas publicadas de Flash rondan un tercio de las de Pro, tanto para entrada como para salida. 20 Por eso Flash suele ser el punto de partida más sensato cuando el volumen importa más que exprimir el último punto de rendimiento en benchmarks.

El autoalojamiento cambia la ecuación. Los pesos abiertos pueden aportar portabilidad y un mayor control sobre los datos, pero trasladan a la empresa el coste y la responsabilidad de GPU, almacenamiento, inferencia, observabilidad, actualizaciones, parches y soporte. El precio más bajo por token no siempre implica el menor coste total de propiedad.

Qué se sabe del coste de aprendizaje por refuerzo

Xiaomi publicó checkpoints y un informe técnico. Los reportes sobre sus ejecuciones de aprendizaje por refuerzo indican que ambos modelos grandes completaron 30 pasos de RL con unas 750.000 trayectorias. Xiaomi comunicó un coste aproximado de US$ 2,62 millones para Pro y US$ 850.000 para Flash: unos US$ 3,47 millones en conjunto. 1829

Estas cifras no deben interpretarse como el coste integral de crear los modelos. La información citada indica que cubren la fase de RL, mientras que los costes de preentrenamiento no se divulgaron. 29 Sirven, por tanto, para evaluar una etapa concreta del posentrenamiento, no el presupuesto completo de desarrollo.

Por qué importan las acusaciones sobre Claude

El 10 de septiembre, Anthropic afirmó haber detectado y bloqueado campañas que califica como destilación no autorizada contra Claude y que atribuyó a siete laboratorios radicados en China, entre ellos Xiaomi. Anthropic define esta práctica como un esfuerzo industrial para extraer capacidades de un modelo y reproducirlas sin autorización. 47

Según información que resume el informe de Anthropic, Xiaomi habría registrado conversaciones relacionadas con sus modelos MiMo y las habría enviado a Claude para crear datos de entrenamiento. Una fuente secundaria cifra la actividad atribuida a Xiaomi en más de 400.000 solicitudes y más de 1.500 cuentas, y señala que Anthropic no observó que respuestas de Claude se entregaran a usuarios finales. 44 El conjunto de campañas atribuidas por Anthropic suele describirse como unas 190 millones, o cerca de 200 millones, de interacciones. 3338

Conviene distinguir con precisión lo que se sabe de lo que no se ha demostrado:

• Se trata de acusaciones de Anthropic, no de una resolución judicial ni de una auditoría independiente.
• Las fuentes revisadas no prueban que un checkpoint concreto de MiMo-V2.6 contenga contenido derivado de Claude.
• Tampoco establecen que se haya transmitido información de un cliente específico ni que un benchmark publicado esté contaminado.

Aun con esas reservas, las acusaciones abren cuatro frentes de diligencia empresarial.

1. Cadena de custodia de los datos de entrenamiento

Un comprador empresarial debería pedir evidencia de si se usaron salidas de modelos externos, interacciones de usuarios retransmitidas o trazas sintéticas de origen no aclarado en el entrenamiento o posentrenamiento de un checkpoint determinado.

2. Exposición en el tratamiento de datos

Si conversaciones de clientes o usuarios se reenviaron externamente, el asunto no se limita a propiedad intelectual. Puede afectar al consentimiento, la confidencialidad, la retención, las transferencias internacionales de datos y las obligaciones contractuales de tratamiento.

3. Validez de los benchmarks

La exposición a enunciados de benchmarks, soluciones o variantes generadas por un modelo profesor podría inflar resultados publicados. Las fuentes no demuestran contaminación en MiMo-V2.6, pero hacen más recomendable una evaluación independiente de contaminación antes de confiar en sus puntuaciones.

4. Reparto del riesgo comercial

Una licencia abierta no concede automáticamente indemnización, garantías, aviso de incidentes, derechos de auditoría ni remedios contractuales adecuados en caso de una reclamación de terceros.

Marco práctico para adoptar MiMo-V2.6

La lectura razonable es tratar MiMo-V2.6 como un candidato para piloto, no como una base estratégica automática mientras las cuestiones de procedencia sigan sin resolverse.

Usos razonables ahora

• Investigación y evaluación internas con datos no sensibles.
• Prototipos aislados y autoalojados cuando la portabilidad aporte valor.
• Experimentos de programación, recuperación de información, procesamiento documental y multimodalidad con presión de costes.
• Equipos capaces de ejecutar sus propias pruebas de seguridad, fiabilidad y red teaming.

Usos que conviene aplazar

• Decisiones reguladas o de alto impacto.
• Datos altamente confidenciales de clientes, salud, finanzas, administración pública o defensa.
• Generación de código de alto riesgo sin revisión humana y mecanismos de reversión.
• Despliegues que exijan garantías sobre los datos de entrenamiento, indemnización, derechos de auditoría o compromisos definidos de respuesta a incidentes.

Diligencia mínima antes de producción

1. Solicitar una declaración escrita de procedencia. Preguntar expresamente si se usaron salidas de Claude, interacciones de usuarios retransmitidas u otras salidas de modelos externos en el entrenamiento o posentrenamiento.
2. Cerrar protecciones contractuales. Aclarar indemnización, notificación de incidentes, retención de datos, subencargados, residencia de datos y trazabilidad de cada versión del artefacto.
3. Ejecutar evaluaciones independientes. Usar conjuntos privados y tareas resistentes a contaminación. Medir recuperación con contexto largo, comportamiento multilingüe, uso de herramientas, alucinaciones, resistencia a inyección de instrucciones y memorización.
4. Desplegar con controles técnicos. En autoalojamiento, restringir el acceso saliente a red, aplicar controles estrictos de identidad y acceso, registrar el uso del modelo y conservar una vía de reversión hacia otro modelo validado.
5. No enviar datos sensibles a APIs sin aprobar. Ningún dato de cliente debería llegar a un endpoint externo hasta que los términos de tratamiento y los controles técnicos satisfagan los requisitos internos.

Conclusión

MiMo-V2.6 reúne una combinación poco habitual: pesos descargables bajo MIT, contexto multimodal anunciado de un millón de tokens, resultados de rendimiento competitivos y precios de inferencia muy bajos. Pro es la opción que merece evaluación cuando prima la máxima capacidad; Flash es la alternativa más económica para experimentar a escala. 32023

No obstante, disponibilidad abierta no significa preparación automática para la empresa. Hasta que Xiaomi aporte evidencia satisfactoria sobre procedencia, gobierno del modelo y asignación de riesgos, MiMo-V2.6 encaja mejor en pilotos controlados. Para cargas sensibles o críticas para el negocio, la validación independiente debe ser un requisito previo, no un trámite posterior.