RespostasPublicado23 fontes
Por que o MiMo-V2.6-Pro da Xiaomi lidera os modelos de IA com pesos abertos
O MiMo V2.6 Pro marcou 46 no Intelligence Index da Artificial Analysis e assumiu o primeiro lugar entre os modelos com pesos abertos, à frente do GLM 5.3 (45) e do Kimi K3 (44). A Xiaomi atribui o salto a uma única rodada ampla de aprendizado por reforço, que reuniu tarefas de código, agentes, visão e cibersegurança...
Publicado porEditado com GPT-5.6 TerraImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- O MiMo V2.6 Pro marcou 46 no Intelligence Index da Artificial Analysis e assumiu o primeiro lugar entre os modelos com pesos abertos, à frente do GLM 5.3 (45) e do Kimi K3 (44).
- A Xiaomi atribui o salto a uma única rodada ampla de aprendizado por reforço, que reuniu tarefas de código, agentes, visão e cibersegurança em vez de usar pipelines separados.
- O MiMo V2.6 Flash é a opção voltada a volume e custo: tem 309 bilhões de parâmetros totais, janela de contexto de 1 milhão de tokens e preço de US$ 0,14 por milhão de tokens de entrada não armazenados em cache.
- Apesar do marco, o Pro não lidera a fronteira geral: Claude Fable 5.1 e GPT 6 Astra aparecem com 53 pontos no mesmo índice.
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
O lançamento do MiMo-V2.6-Pro é relevante por reunir três fatores pouco comuns na mesma oferta: liderança em um ranking de modelos com pesos abertos, preços de API muito baixos e a divulgação de uma parte expressiva dos artefatos de pós-treinamento. A leitura correta, porém, exige uma ressalva: a Xiaomi chegou ao topo da categoria de pesos abertos em um índice composto amplamente acompanhado — não ao topo absoluto da capacidade em IA.
Liderança entre pesos abertos, não na classificação geral
A Artificial Analysis lista o MiMo-V2.6-Pro como o modelo com pesos abertos mais bem colocado em seu Intelligence Index, com 46 pontos. Na sequência vêm GLM-5.3, com 45, e Kimi K3, com 44. 31
A pontuação também está na faixa atribuída à configuração proprietária Grok 4.7, da xAI. Ainda assim, a própria Xiaomi reconhece que seu modelo principal continua atrás dos sistemas fechados mais fortes. No ranking, Claude Fable 5.1 e GPT-6 Astra têm 53 pontos — uma diferença de sete pontos em relação aos 46 do MiMo. 1
19
Portanto, o feito é importante, mas específico: o MiMo-V2.6-Pro estabelece uma nova referência entre modelos cujos pesos podem ser baixados e executados por terceiros, sem demonstrar paridade geral com os melhores sistemas proprietários.
O que a Xiaomi mudou no treinamento
A Xiaomi chama sua abordagem de pós-treinamento de “You Only RL Once” — algo como “você faz RL uma única vez”. Em vez de treinar políticas separadas para programação, agentes gerais, tarefas visuais e cibersegurança, a empresa mistura esses domínios e diferentes ambientes de execução de agentes em uma só rodada de aprendizado por reforço (RL).
A ideia é que uma única política aprenda comportamentos transferíveis: identificar informações que faltam, escolher ferramentas, avaliar o resultado de uma chamada de ferramenta e se recuperar depois de uma tentativa malsucedida. 5
Segundo a Xiaomi, Pro e Flash completaram 30 etapas de RL sobre cerca de 750 mil trajetórias em menos de seis dias. Os custos informados foram de aproximadamente US$ 2,62 milhões para o Pro e US$ 850 mil para o Flash. São valores reportados pela companhia, e não totais auditados de forma independente. 10
O resultado sugere que ampliar o RL em ambientes variados e com uso de ferramentas pode elevar bastante as capacidades sem exigir um pipeline de pós-treinamento feito sob medida para cada tipo de tarefa. A alegação de ganho de 20 pontos sobre o MiMo-V2.5-Pro, contudo, deve ser vista como uma comparação de lançamento, não como prova de superioridade em toda carga de trabalho real. 14
Preço: uma parte central da proposta
O preço de tabela da API do MiMo-V2.6-Pro é de US$ 0,435 por milhão de tokens de entrada e US$ 0,87 por milhão de tokens de saída. Em uma comparação baseada nas estimativas de custo por tarefa da Artificial Analysis, o Pro fica em torno de US$ 0,13 por tarefa do Intelligence Index, contra US$ 3,74 para o Grok 4.7 xHigh. 21
Custo de tarefa em benchmark não equivale ao custo de uma operação em produção. O valor final varia conforme o tamanho dos prompts e das respostas, cache, uso de ferramentas e configuração de inferência. Mesmo assim, a combinação de 46 pontos com preços baixos por token torna o Pro uma opção atraente para equipes que precisam escalar raciocínio ou fluxos de trabalho com agentes.
MiMo-V2.6-Flash: a alternativa mais barata
O MiMo-V2.6-Flash é o modelo da família voltado à eficiência. Ele usa uma arquitetura esparsa de mistura de especialistas (MoE, na sigla em inglês), com 309 bilhões de parâmetros totais e 15 bilhões ativos. O Pro, por comparação, tem 1,02 trilhão de parâmetros totais e 42 bilhões ativos. Ambos aceitam entradas de texto, imagem, vídeo e áudio e oferecem uma janela de contexto de 1 milhão de tokens. 4
Para operações de alta frequência, o Flash custa US$ 0,14 por milhão de tokens de entrada não armazenados em cache e US$ 0,28 por milhão de tokens de saída. A Xiaomi informa US$ 0,0028 por milhão de tokens para entrada atendida pelo cache. 3
10
Nas comparações publicadas pela própria Xiaomi, o Flash fica abaixo do Pro no DeepSWE v1.1, mas é posicionado como alternativa mais econômica para cargas multimodais e de contexto longo. Como são comparações do fornecedor, elas ajudam a entender o posicionamento pretendido, mas devem ser validadas em testes independentes antes de uma adoção específica. 10
Uma impressão inicial de uso do Flash
O pesquisador Tim Dettmers descreveu o Flash como parecendo “o melhor modelo na classe de 300 bilhões a 550 bilhões” de parâmetros. Em seu uso, disse que ele superou DeepSeek V4.1 e GLM-5.3 Flash, elogiou a compactação automática de contexto em uma sessão com mais de 3 milhões de tokens e relatou cerca de 250 tokens por segundo na decodificação e 2,6 mil tokens por segundo no preenchimento inicial do contexto. 44
São observações relevantes, sobretudo para fluxos longos de programação, mas representam o relato de um profissional — não um benchmark independente nem uma garantia de desempenho em outros hardwares ou servidores.
O que está sendo disponibilizado
A liberação vai além dos pesos dos modelos. A Xiaomi afirma estar disponibilizando Pro e Flash sob licença MIT, além de relatório técnico, mais de 7 mil ambientes de tarefas de RL, um framework completo de RL e mini-harnesses combináveis. A empresa também expõe um painel com dados oriundos dos logs de treinamento das duas execuções de RL. 46
2
Esse nível de transparência sobre o pós-treinamento pode ajudar pesquisadores a examinar a abordagem e a reutilizar os ambientes de tarefa. Mas isso não equivale, por si só, a um pacote integralmente reproduzível de desenvolvimento: os materiais informados não estabelecem que todos os dados de pré-treinamento, componentes de infraestrutura e detalhes do processo tenham sido liberados.
O que o lançamento indica sobre a corrida dos pesos abertos
O MiMo-V2.6-Pro reforça a evidência de que laboratórios chineses estão muito competitivos — e, neste ranking específico de pesos abertos, ocupam a liderança. Sua nota supera as de GLM-5.3 e Kimi K3, e a licença MIT o diferencia de modelos fechados acessíveis apenas por API. 31
36
Seria exagero, porém, transformar isso em uma conclusão ampla de que laboratórios chineses lideram os norte-americanos em IA como um todo. O mesmo índice coloca os principais modelos fechados, Claude Fable 5.1 e GPT-6 Astra, em 53 pontos. 19
A conclusão prática é mais direta: a IA de pesos abertos se aproximou, nesse benchmark, de sistemas proprietários caros. Para equipes que valorizam pesos implantáveis, inferência barata, entrada multimodal e fluxos de agentes com contexto longo, o MiMo-V2.6-Pro passou a ser uma alternativa relevante.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Por que o MiMo-V2.6-Pro da Xiaomi lidera os modelos de IA com pesos abertos"?
O MiMo V2.6 Pro marcou 46 no Intelligence Index da Artificial Analysis e assumiu o primeiro lugar entre os modelos com pesos abertos, à frente do GLM 5.3 (45) e do Kimi K3 (44).
Quais são os pontos-chave para validar primeiro?
O MiMo V2.6 Pro marcou 46 no Intelligence Index da Artificial Analysis e assumiu o primeiro lugar entre os modelos com pesos abertos, à frente do GLM 5.3 (45) e do Kimi K3 (44). A Xiaomi atribui o salto a uma única rodada ampla de aprendizado por reforço, que reuniu tarefas de código, agentes, visão e cibersegurança em vez de usar pipelines separados.
O que devo fazer a seguir na prática?
O MiMo V2.6 Flash é a opção voltada a volume e custo: tem 309 bilhões de parâmetros totais, janela de contexto de 1 milhão de tokens e preço de US$ 0,14 por milhão de tokens de entrada não armazenados em cache.
Fontes
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