답변게시됨23 소스
샤오미 MiMo-V2.6-Pro가 오픈웨이트 AI 1위에 오른 이유
MiMo V2.6 Pro는 Artificial Analysis Intelligence Index 46점으로 GLM 5.3(45점), Kimi K3(44점)를 앞선 오픈웨이트 1위 모델이다. 샤오미는 코드·에이전트·시각·사이버보안 작업을 한 번의 혼합 강화학습으로 학습하는 ‘You Only RL Once’ 방식을 성능 도약의 배경으로 제시했다.
게시자GPT-5.6 Terra로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- MiMo V2.6 Pro는 Artificial Analysis Intelligence Index 46점으로 GLM 5.3(45점), Kimi K3(44점)를 앞선 오픈웨이트 1위 모델이다.
- 샤오미는 코드·에이전트·시각·사이버보안 작업을 한 번의 혼합 강화학습으로 학습하는 ‘You Only RL Once’ 방식을 성능 도약의 배경으로 제시했다.
- 함께 공개된 MiMo V2.6 Flash는 총 3,090억 파라미터, 활성 150억 파라미터의 저비용 모델로 100만 토큰 컨텍스트와 멀티모달 입력을 지원한다.
AI 프롬프트
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-Pro의 등장은 오픈웨이트 AI 시장에서 의미가 크다. 널리 추적되는 복합 벤치마크에서 선두 성적을 내면서도, 공개된 API 요금은 매우 낮고 사후학습 산출물도 폭넓게 공개했기 때문이다. 다만 해석은 정확해야 한다. 샤오미가 한 벤치마크의 오픈웨이트 부문에서 정상에 올랐다는 뜻이지, AI 전체 성능 최전선의 선두가 됐다는 뜻은 아니다.
오픈웨이트 1위, 전체 1위는 아니다
Artificial Analysis는 MiMo-V2.6-Pro를 Intelligence Index 46점으로 오픈웨이트 모델 중 최고 순위에 올렸다. GLM-5.3은 45점, Kimi K3는 44점이다. 31
이 점수는 xAI의 비공개 모델인 Grok 4.7 구성과 같은 수준으로 알려졌다. 하지만 샤오미도 자사 플래그십이 최강 비공개 모델에는 아직 뒤진다고 인정한다. Artificial Analysis에서 Claude Fable 5.1과 GPT-6 Astra는 53점으로, MiMo의 46점보다 7점 높다. 1
19
따라서 이번 성과의 핵심은 ‘최고의 비공개 모델과 동급’이 아니라, 오픈웨이트 기준선을 새로 세웠다는 데 있다.
성능 향상의 배경: ‘You Only RL Once’
샤오미는 사후학습 방식을 **‘You Only RL Once’**라고 부른다. 코딩, 범용 에이전트, 시각 작업, 사이버보안을 각각 별도 정책으로 학습하는 대신, 여러 영역의 작업과 에이전트 하니스(harness)를 하나의 강화학습(RL) 실행에 섞는 방식이다.
샤오미의 논리는 서로 다른 작업에도 공통된 행동이 존재한다는 것이다. 예컨대 현재 부족한 정보를 파악하고, 어떤 도구를 쓸지 고르고, 도구 실행 결과를 평가하며, 실패 뒤 재시도하거나 접근법을 바꾸는 능력이다. 이를 한 정책 안에서 함께 익히면 영역 사이에 전략을 전이할 수 있다는 설명이다. 5
샤오미는 Pro와 Flash가 각각 약 75만 개의 궤적(trajectories)을 바탕으로 30회의 RL 단계를 6일 이내에 마쳤다고 밝혔다. 회사가 공개한 학습 비용은 Pro 약 262만 달러, Flash 약 85만 달러다. 다만 이는 독립 감사를 거친 총비용이 아니라 샤오미 자체 발표 수치다. 10
여러 도구 사용 환경에 걸쳐 RL을 확장하면, 작업군마다 별도의 사후학습 파이프라인을 만드는 대신 큰 성능 향상을 낼 수 있다는 가능성을 보여준다. 다만 MiMo-V2.5-Pro 대비 20점 상승이라는 주장도 출시 시점의 비교로 봐야 하며, 모든 실제 업무에서의 전반적 우위를 증명하는 결과로 확대해석해서는 안 된다. 14
가격 경쟁력도 핵심이다
MiMo-V2.6-Pro의 공개 API 가격은 입력 100만 토큰당 0.435달러, 출력 100만 토큰당 0.87달러다. Artificial Analysis의 작업 비용 추정치를 활용한 비교에서는 Pro의 Intelligence Index 작업당 비용이 약 0.13달러로, Grok 4.7 xHigh의 3.74달러와 대비된다. 21
물론 벤치마크 작업 비용은 실제 서비스 운영비와 같지 않다. 프롬프트와 응답 길이, 캐시 사용, 도구 호출, 추론 설정에 따라 비용은 달라진다. 그럼에도 46점이라는 성능과 낮은 토큰 단가의 조합은, 강한 추론·에이전트 성능을 대규모로 활용하려는 팀에 Pro가 매력적인 선택지인 이유다.
저비용 모델 MiMo-V2.6-Flash
MiMo-V2.6-Flash는 효율과 대량 호출을 겨냥한 모델이다. 희소 Mixture-of-Experts(MoE) 구조를 사용하며, 총 파라미터는 3,090억 개, 토큰당 활성 파라미터는 150억 개다. Pro는 총 1조 200억 개, 활성 420억 개로 보고됐다. 두 모델 모두 100만 토큰 컨텍스트 윈도를 지원하고, 텍스트·이미지·영상·오디오 입력을 받는다. 4
Flash의 가격은 캐시 미적용 입력 100만 토큰당 0.14달러, 출력 100만 토큰당 0.28달러다. 샤오미는 캐시 입력 가격을 100만 토큰당 0.0028달러로 제시한다. 3
10
샤오미가 공개한 벤치마크 비교에서는 Flash가 DeepSWE v1.1에서 Pro보다 낮은 성능을 보이지만, 긴 컨텍스트와 멀티모달 작업을 위한 저비용 대안으로 자리매김한다. 이는 공급업체가 발표한 비교 수치인 만큼, 실제 도입 전에는 해당 환경에서 독립 검증이 필요하다. 10
Flash에 대한 초기 사용 평가
팀 데트머스(Tim Dettmers)는 Flash가 “3,000억~5,500억 파라미터급에서 최고 모델처럼 느껴진다”고 평가했다. 그는 자신의 사용 환경에서 DeepSeek V4.1 및 GLM-5.3 Flash보다 더 나았다고 했고, 300만 토큰을 넘는 세션에서 자동 컨텍스트 압축이 잘 작동했다고 전했다. 처리 속도는 디코드 약 초당 250토큰, 프리필 약 초당 2,600토큰이라고 밝혔다. 44
긴 시간 이어지는 코딩 작업에는 주목할 만한 관찰이지만, 이는 한 사용자의 경험담일 뿐 독립 벤치마크나 다른 하드웨어·서빙 환경에서의 성능 보장은 아니다.
샤오미가 실제로 공개한 것
이번 공개는 내려받을 수 있는 가중치에 그치지 않는다. 샤오미는 MIT 라이선스로 Pro와 Flash를 공개하면서 기술 보고서, 7,000개가 넘는 RL 작업 환경, 엔드투엔드 RL 프레임워크, 조합형 미니 하니스를 함께 오픈소스화한다고 밝혔다. 두 RL 실행의 트레이너 로그를 바탕으로 한 대시보드도 제공한다. 46
2
이 정도의 사후학습 공개는 연구자가 학습 방식을 들여다보고 작업 환경을 확장하는 데 도움이 될 수 있다. 다만 완전한 재현 패키지와 동일한 것은 아니다. 제공된 자료만으로는 모든 사전학습 데이터, 인프라 구성요소, 학습 세부 사항까지 공개됐다고 볼 근거는 없다.
오픈웨이트 경쟁 구도에 주는 의미
MiMo-V2.6-Pro는 중국 연구소들이 오픈웨이트 분야에서 매우 강한 경쟁력을 갖추고 있으며, 이 Intelligence Index 순위에서는 현재 선두라는 점을 뒷받침한다. Pro는 GLM-5.3과 Kimi K3의 오픈웨이트 점수를 앞서고, MIT 라이선스로 제공돼 비공개 API 전용 모델과는 활용 방식도 다르다. 31
36
그러나 이를 중국 연구소가 미국 연구소를 전반적으로 앞선다는 주장으로 바꾸는 것은 과도하다. 같은 지수에서 최상위 비공개 모델인 Claude Fable 5.1과 GPT-6 Astra는 53점이다. 19
실무적인 결론은 더 단순하다. 이 벤치마크에서 오픈웨이트 AI는 고가의 독점 모델에 한층 가까워졌고, MiMo-V2.6-Pro는 배포 가능한 가중치, 낮은 추론 단가, 멀티모달 입력, 장문 컨텍스트 기반 에이전트 작업을 중시하는 팀이 검토할 만한 중요한 선택지가 됐다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"샤오미 MiMo-V2.6-Pro가 오픈웨이트 AI 1위에 오른 이유"에 대한 짧은 대답은 무엇입니까?
MiMo V2.6 Pro는 Artificial Analysis Intelligence Index 46점으로 GLM 5.3(45점), Kimi K3(44점)를 앞선 오픈웨이트 1위 모델이다.
먼저 검증할 핵심 포인트는 무엇인가요?
MiMo V2.6 Pro는 Artificial Analysis Intelligence Index 46점으로 GLM 5.3(45점), Kimi K3(44점)를 앞선 오픈웨이트 1위 모델이다. 샤오미는 코드·에이전트·시각·사이버보안 작업을 한 번의 혼합 강화학습으로 학습하는 ‘You Only RL Once’ 방식을 성능 도약의 배경으로 제시했다.
실무에서는 다음으로 무엇을 해야 합니까?
함께 공개된 MiMo V2.6 Flash는 총 3,090억 파라미터, 활성 150억 파라미터의 저비용 모델로 100만 토큰 컨텍스트와 멀티모달 입력을 지원한다.
출처
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