RéponsesPublié23 sources
MiMo-V2.6-Pro : Xiaomi prend la tête des modèles IA à poids ouverts
MiMo V2.6 Pro est le modèle à poids ouverts le mieux classé par l’Intelligence Index d’Artificial Analysis, avec 46 points, devant GLM 5.3 (45) et Kimi K3 (44). Xiaomi attribue ce bond à un unique entraînement massif par apprentissage par renforcement, mêlant code, agents, vision et cybersécurité ; chaque modèle aur...
Publié parModifié avec GPT-5.6 TerraImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- MiMo V2.6 Pro est le modèle à poids ouverts le mieux classé par l’Intelligence Index d’Artificial Analysis, avec 46 points, devant GLM 5.3 (45) et Kimi K3 (44).
- Xiaomi attribue ce bond à un unique entraînement massif par apprentissage par renforcement, mêlant code, agents, vision et cybersécurité ; chaque modèle aurait traité environ 750 000 trajectoires en moins de six jours.
- MiMo V2.6 Flash vise les déploiements à grand volume : 309 milliards de paramètres au total, une fenêtre de contexte d’un million de tokens, des entrées multimodales et un tarif d’API de 0,14 $ par million de tokens e...
Prompt 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 attire l’attention parce qu’il associe une première place dans la catégorie des modèles à poids ouverts, des tarifs d’API particulièrement faibles et la publication d’un ensemble conséquent d’artefacts de post-entraînement. Il faut toutefois bien cadrer le résultat : Xiaomi arrive en tête des modèles open weight sur un indice composite largement suivi, pas au sommet absolu des capacités en IA.
Numéro un des poids ouverts, pas de tous les modèles
Artificial Analysis classe MiMo-V2.6-Pro premier parmi les modèles à poids ouverts avec un score de 46 à son Intelligence Index. GLM-5.3 obtient 45 et Kimi K3, 44. 31
Ce score se situe au niveau de la configuration propriétaire Grok 4.7 de xAI. Xiaomi reconnaît néanmoins que son modèle phare reste derrière les systèmes fermés les plus performants : Claude Fable 5.1 et GPT-6 Astra sont tous deux crédités de 53 par Artificial Analysis, soit sept points de plus. 1
19
Le jalon est donc important, mais précis : MiMo établit une nouvelle référence pour les modèles aux poids disponibles, sans atteindre encore la parité globale avec les meilleurs modèles propriétaires.
Le pari de Xiaomi : « You Only RL Once »
Xiaomi baptise sa méthode de post-entraînement « You Only RL Once ». Au lieu d’entraîner des politiques séparées pour le code, les agents généralistes, les tâches visuelles et la cybersécurité, l’entreprise mélange ces domaines — ainsi que plusieurs environnements d’exécution d’agents — lors d’une seule phase d’apprentissage par renforcement (RL).
L’idée est qu’une même politique peut transférer des comportements utiles d’un domaine à l’autre : repérer une information manquante, choisir un outil, évaluer le résultat produit ou repartir après un échec. 5
Selon Xiaomi, Pro comme Flash ont accompli 30 étapes de RL sur environ 750 000 trajectoires en moins de six jours. Les coûts annoncés sont d’environ 2,62 millions de dollars pour Pro et 850 000 dollars pour Flash. Il s’agit de montants déclarés par Xiaomi, et non de coûts audités indépendamment. 10
Xiaomi revendique une progression de 20 points par rapport à MiMo-V2.5-Pro. Cette comparaison de lancement suggère l’intérêt d’un RL à grande échelle dans des environnements diversifiés et outillés ; elle ne prouve pas, à elle seule, une supériorité sur tous les usages réels. 14
Des prix d’API qui changent l’équation
MiMo-V2.6-Pro est proposé à 0,435 $ par million de tokens en entrée et 0,87 $ par million de tokens en sortie. Une comparaison fondée sur les estimations de coût par tâche d’Artificial Analysis évalue le coût de Pro à environ 0,13 $ par tâche de l’Intelligence Index, contre 3,74 $ pour Grok 4.7 xHigh. 21
Ce coût de benchmark ne se transpose pas mécaniquement à une application de production : il dépend notamment de la longueur des requêtes et des réponses, du cache, de l’usage des outils et des réglages d’inférence. Mais l’alliance d’un score de 46 et de prix aussi bas rend le modèle particulièrement intéressant pour les équipes ayant besoin de raisonnement ou d’agents à grande échelle.
Flash : l’option pensée pour le volume
MiMo-V2.6-Flash est la déclinaison orientée efficacité. Son architecture sparse de type mixture-of-experts (MoE) compte 309 milliards de paramètres au total, dont 15 milliards actifs, contre 1,02 billion au total et 42 milliards actifs pour Pro. Les deux modèles offrent une fenêtre de contexte de 1 million de tokens et acceptent en entrée du texte, des images, de la vidéo et de l’audio. 4
Flash est facturé 0,14 $ par million de tokens d’entrée non mis en cache et 0,28 $ par million de tokens de sortie ; Xiaomi affiche un prix de 0,0028 $ par million pour les entrées servies depuis le cache. 3
10
Les comparaisons de benchmarks publiées par Xiaomi placent Flash sous Pro sur DeepSWE v1.1, tout en le présentant comme une alternative moins coûteuse pour les charges multimodales et à très long contexte. Ces résultats étant publiés par le fournisseur, ils donnent surtout une indication du positionnement visé et méritent d’être vérifiés sur le cas d’usage concerné. 10
Un premier retour d’usage sur Flash
Tim Dettmers estime que Flash donne l’impression d’être « le meilleur modèle de la classe 300B à 550B ». D’après son expérience, il surpasse DeepSeek V4.1 et GLM-5.3 Flash ; il salue aussi sa compaction automatique du contexte sur une session de plus de 3 millions de tokens, ainsi qu’environ 250 tokens par seconde en décodage et 2,6 k tokens par seconde en préremplissage. 44
Ces observations sont intéressantes pour les flux de développement longs, mais elles relèvent du retour d’un praticien, non d’un benchmark indépendant ni d’une garantie sur d’autres matériels ou piles d’inférence.
Au-delà des poids du modèle
La publication ne se limite pas aux poids téléchargeables. Xiaomi indique diffuser Pro et Flash sous licence MIT, accompagnés d’un rapport technique, de plus de 7 000 environnements de tâches RL, d’un framework RL de bout en bout et de mini-harnais composables. Un tableau de bord alimenté par les journaux des deux entraînements RL est également accessible. 46
2
Cette visibilité sur le post-entraînement peut permettre aux chercheurs d’examiner l’approche et de réutiliser les environnements de tâches. Elle ne constitue pas pour autant un paquet de reproduction complet : les éléments fournis n’établissent pas que tous les jeux de données de préentraînement, composants d’infrastructure et détails de développement ont été publiés.
Ce que ce lancement dit de la course aux modèles ouverts
MiMo-V2.6-Pro renforce le constat que les laboratoires chinois sont très compétitifs — et dominent actuellement ce classement particulier des modèles à poids ouverts. Son score dépasse ceux de GLM-5.3 et Kimi K3, tandis que sa licence MIT le distingue concrètement d’un modèle fermé accessible uniquement par API. 31
36
Il serait en revanche excessif d’en conclure que les laboratoires chinois devancent globalement les acteurs américains. Le même indice place encore Claude Fable 5.1 et GPT-6 Astra à 53. 19
Pour les équipes techniques, le message est surtout pratique : sur cet indice, les modèles open weight se rapprochent des systèmes propriétaires coûteux. Avec des poids déployables, une tarification d’inférence basse, des entrées multimodales et un contexte très long, MiMo-V2.6-Pro devient une option qui compte pour les workflows d’agents.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « MiMo-V2.6-Pro : Xiaomi prend la tête des modèles IA à poids ouverts » ?
MiMo V2.6 Pro est le modèle à poids ouverts le mieux classé par l’Intelligence Index d’Artificial Analysis, avec 46 points, devant GLM 5.3 (45) et Kimi K3 (44).
Quels sont les points clés à valider en premier ?
MiMo V2.6 Pro est le modèle à poids ouverts le mieux classé par l’Intelligence Index d’Artificial Analysis, avec 46 points, devant GLM 5.3 (45) et Kimi K3 (44). Xiaomi attribue ce bond à un unique entraînement massif par apprentissage par renforcement, mêlant code, agents, vision et cybersécurité ; chaque modèle aurait traité environ 750 000 trajectoires en moins de six jours.
Que dois-je faire ensuite en pratique ?
MiMo V2.6 Flash vise les déploiements à grand volume : 309 milliards de paramètres au total, une fenêtre de contexte d’un million de tokens, des entrées multimodales et un tarif d’API de 0,14 $ par million de tokens e...
Sources
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