AnswersPublished23 sources
Waarom Xiaomi’s MiMo-V2.6-Pro nu de open-weight-AI-ranglijst aanvoert
MiMo V2.6 Pro staat met een Intelligence Index score van 46 bovenaan bij open weight modellen, vóór GLM 5.3 (45) en Kimi K3 (44). Xiaomi schrijft de sprong toe aan één gemengde reinforcement learning run voor onder meer code, agents, visuele taken en cyberbeveiliging.
Gepubliceerd doorBewerkt met GPT-5.6 TerraAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- MiMo V2.6 Pro staat met een Intelligence Index score van 46 bovenaan bij open weight modellen, vóór GLM 5.3 (45) en Kimi K3 (44).
- Xiaomi schrijft de sprong toe aan één gemengde reinforcement learning run voor onder meer code, agents, visuele taken en cyberbeveiliging.
- De goedkopere MiMo V2.6 Flash biedt eveneens een contextvenster van 1 miljoen tokens en multimodale invoer, gericht op gebruik op grote schaal.
AI Prompt
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 is vooral opmerkelijk door de combinatie van een leidende benchmarkpositie bij open-weight-modellen, lage API-tarieven en de relatief uitgebreide publicatie van trainingsmateriaal. De belangrijke nuance: Xiaomi staat bovenaan in de open-weight-categorie van één veelgevolgde samengestelde benchmark, niet aan de absolute top van alle AI-modellen.
Nummer één bij open weights, niet overall
Artificial Analysis zet MiMo-V2.6-Pro op de eerste plaats onder open-weight-modellen met een Intelligence Index-score van 46. GLM-5.3 volgt met 45 en Kimi K3 met 44. 31
Die score ligt in dezelfde orde als die van een configuratie van xAI’s gesloten Grok 4.7. Xiaomi erkent echter zelf dat zijn vlaggenschip nog achterloopt op de sterkste gesloten modellen. Artificial Analysis noteert voor Claude Fable 5.1 en GPT-6 Astra elk 53 punten: zeven meer dan MiMo’s 46. 1
19
Dat maakt de prestatie relevant, maar ook afgebakend: Xiaomi heeft een nieuw referentiepunt voor open weights neergezet, niet bewezen dat het al gelijkstaat aan de beste gesloten systemen.
De verklaring van Xiaomi: één grote RL-run
Xiaomi noemt zijn post-trainingaanpak ‘You Only RL Once’. In plaats van afzonderlijke modellen of beleidslagen te trainen voor programmeren, algemene agents, visuele taken en cyberbeveiliging, mengt het bedrijf die domeinen — inclusief verschillende agent-harnassen — in één reinforcement-learningrun (RL). Het uitgangspunt is dat een model zo overdraagbare vaardigheden leert: herkennen welke informatie ontbreekt, het juiste hulpmiddel kiezen, uitkomsten beoordelen en herstellen na een mislukte poging. 5
Volgens Xiaomi doorliepen zowel Pro als Flash in minder dan zes dagen 30 RL-stappen, verspreid over ongeveer 750.000 trajecten. De gemelde trainingskosten bedragen circa 2,62 miljoen dollar voor Pro en 850.000 dollar voor Flash. Dit zijn cijfers van Xiaomi zelf en geen onafhankelijk gecontroleerde totaalkosten. 10
De release wijst erop dat grootschalige RL in uiteenlopende omgevingen waarin modellen tools gebruiken, flinke capaciteitswinst kan opleveren zonder voor ieder taakgebied een afzonderlijk post-trainingtraject op te zetten. Xiaomi’s gemelde verbetering van 20 punten ten opzichte van MiMo-V2.5-Pro blijft wel een vergelijking rond de release, geen bewijs dat het model in elke praktische toepassing beter presteert. 14
Prijs is een belangrijk deel van het verhaal
Voor MiMo-V2.6-Pro noemt Xiaomi een API-tarief van $ 0,435 per miljoen inputtokens en $ 0,87 per miljoen outputtokens. Een vergelijking op basis van taak-kostenschattingen van Artificial Analysis komt uit op ongeveer $ 0,13 per Intelligence Index-taak voor Pro, tegenover $ 3,74 voor Grok 4.7 xHigh. 21
De kosten van een benchmarktaak zijn niet hetzelfde als die van een productieworkload: promptlengte, uitvoerlengte, caching, toolgebruik en inferentie-instellingen tellen allemaal mee. Toch is juist de combinatie van 46 punten en lage tokenprijzen aantrekkelijk voor teams die sterke redeneer- of agentprestaties op schaal nodig hebben.
MiMo-V2.6-Flash: het voordeligere zustermodel
MiMo-V2.6-Flash is Xiaomi’s model voor efficiëntie. Het gebruikt een sparse mixture-of-experts-architectuur met 309 miljard parameters in totaal en 15 miljard actieve parameters, tegenover de gemelde 1,02 biljoen totaal en 42 miljard actief voor Pro. Beide modellen hebben een contextvenster van 1 miljoen tokens en kunnen tekst, beeld, video en audio als invoer verwerken. 4
Flash is bedoeld voor frequente inzet: $ 0,14 per miljoen niet-gecachete inputtokens en $ 0,28 per miljoen outputtokens. Xiaomi vermeldt voor gecachete input $ 0,0028 per miljoen tokens. 3
10
In Xiaomi’s eigen benchmarkvergelijkingen scoort Flash lager dan Pro op DeepSWE v1.1, maar het bedrijf positioneert Flash als goedkoper alternatief voor lange contexten en multimodale taken. Omdat het om door de leverancier gepubliceerde vergelijkingen gaat, moeten teams die resultaten voor hun eigen toepassing onafhankelijk toetsen. 10
Een eerste praktijkindruk van Flash
Tim Dettmers schreef dat Flash voor hem aanvoelde als ‘het beste model in de klasse van 300 tot 550 miljard parameters’. Hij meldde dat het in zijn gebruik beter presteerde dan DeepSeek V4.1 en GLM-5.3 Flash. Ook prees hij de automatische contextcompressie in een sessie van meer dan 3 miljoen tokens, met naar eigen zeggen ongeveer 250 tokens per seconde bij decoding en 2,6 duizend tokens per seconde bij prefill. 44
Dat is een interessante praktijkervaring, vooral voor langdurige programmeerworkflows, maar het blijft één gebruikersrapport — geen onafhankelijke benchmark en geen garantie voor andere hardware of serving-configuraties.
Wat Xiaomi precies vrijgeeft
De release omvat meer dan downloadbare gewichten. Xiaomi zegt Pro en Flash onder een MIT-licentie open source te maken, samen met een technisch rapport, meer dan 7.000 RL-taakomgevingen, een end-to-end-RL-framework en combineerbare mini-harnassen. Daarnaast is er een dashboard beschikbaar dat gegevens uit trainerlogs van de twee RL-runs toont. 46
2
Die mate van inzicht in post-training kan onderzoekers helpen de aanpak te bestuderen en voort te bouwen op de taakomgevingen. Het is niet automatisch een compleet reproductiepakket voor de volledige modelontwikkeling: uit het beschikbare materiaal blijkt niet dat alle pretrainingdatasets, infrastructuurcomponenten en trainingsdetails zijn vrijgegeven.
Wat dit zegt over de race om open weights
MiMo-V2.6-Pro onderstreept dat Chinese AI-labs zeer competitief zijn en op deze specifieke open-weight-ranglijst nu de leiding hebben. De score ligt boven die van GLM-5.3 en Kimi K3, terwijl de MIT-licentie het model wezenlijk onderscheidt van een gesloten model dat alleen via een API beschikbaar is. 31
36
Daaruit volgt echter niet dat Chinese labs Amerikaanse labs over de hele linie voorbij zijn. Op dezelfde index staan de beste gesloten modellen, Claude Fable 5.1 en GPT-6 Astra, nog altijd op 53 punten. 19
De praktische conclusie is nuchter: open-weight-AI is op deze benchmark dichter bij dure propriëtaire systemen gekomen. MiMo-V2.6-Pro is daardoor een serieuze optie voor organisaties die downloadbare gewichten, lage inferentiekosten, multimodale invoer en agentworkflows met een lange context belangrijk vinden.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Waarom Xiaomi’s MiMo-V2.6-Pro nu de open-weight-AI-ranglijst aanvoert"?
MiMo V2.6 Pro staat met een Intelligence Index score van 46 bovenaan bij open weight modellen, vóór GLM 5.3 (45) en Kimi K3 (44).
What are the key points to validate first?
MiMo V2.6 Pro staat met een Intelligence Index score van 46 bovenaan bij open weight modellen, vóór GLM 5.3 (45) en Kimi K3 (44). Xiaomi schrijft de sprong toe aan één gemengde reinforcement learning run voor onder meer code, agents, visuele taken en cyberbeveiliging.
What should I do next in practice?
De goedkopere MiMo V2.6 Flash biedt eveneens een contextvenster van 1 miljoen tokens en multimodale invoer, gericht op gebruik op grote schaal.
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