MiMo V2.6 Pro має 46 балів в Intelligence Index від Artificial Analysis і є найрейтинговішою моделлю з відкритими вагами, випереджаючи GLM 5.3 (45) та Kimi K3 (44). Xiaomi пояснює стрибок продуктивності спільним RL навчанням для кодування, агентних, візуальних завдань і кібербезпеки: по 30 кроків та близько 750 000...
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer

Create 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 важлива не лише через високий результат у бенчмарку. Xiaomi поєднала перше місце серед моделей із відкритими вагами, низьку заявлену вартість API та помітний набір оприлюднених матеріалів для донавчання. Водночас висновок варто формулювати точно: це лідер саме у відкритій категорії одного широко відстежуваного зведеного рейтингу, а не беззаперечний найпотужніший ШІ загалом.
За даними Artificial Analysis, MiMo-V2.6-Pro має 46 балів в Intelligence Index — це найвищий показник серед моделей із відкритими вагами. Далі йдуть GLM-5.3 із 45 балами та Kimi K3 із 44. 31
Цей результат відповідає показнику однієї конфігурації закритої Grok 4.7 від xAI. Однак сама Xiaomi визнає відставання від найсильніших закритих систем: у рейтингу Claude Fable 5.1 і GPT-6 Astra мають по 53 бали — на сім більше за MiMo. 1
19
Отже, досягнення істотне, але його межі чіткі: Xiaomi встановила новий орієнтир для open-weight моделей, а не зрівнялася з усіма лідерами закритого сегмента.
Xiaomi називає свій підхід до донавчання You Only RL Once («підкріплювальне навчання лише один раз»). Замість окремих політик для програмування, універсальних агентів, візуальних задач і кібербезпеки компанія об’єднала ці напрями, а також різні агентні середовища запуску, в одному циклі reinforcement learning (RL, навчання з підкріпленням).
Логіка в тому, що модель може переносити між доменами базові робочі навички: виявляти, якої інформації бракує, обирати інструмент, оцінювати результат його роботи та відновлюватися після невдалої спроби. 5
За твердженням Xiaomi, і Pro, і Flash пройшли по 30 RL-кроків на приблизно 750 000 траєкторій менш ніж за шість днів. Заявлена вартість навчання — близько $2,62 млн для Pro та $850 тис. для Flash. Це оцінки самої Xiaomi, а не незалежно перевірені повні витрати. 10
Такий результат вказує, що масштабування RL у різнорідних середовищах з використанням інструментів може суттєво посилювати модель без окремого процесу донавчання для кожного типу завдань. Водночас заявлене Xiaomi 20-бальне зростання відносно MiMo-V2.5-Pro — це порівняння в межах релізу, а не доказ переваги в кожному реальному сценарії. 14
Заявлена API-ціна MiMo-V2.6-Pro становить $0,435 за мільйон вхідних токенів і $0,87 за мільйон вихідних токенів. За порівнянням, що використовує оцінки вартості завдань Artificial Analysis, один тестовий сценарій Intelligence Index для Pro обходиться приблизно у $0,13, тоді як для Grok 4.7 xHigh — у $3,74. 21
Вартість бенчмарк-завдання не дорівнює витратам у реальному продукті: вони залежать від довжини запиту й відповіді, кешування, викликів інструментів і параметрів інференсу. Проте поєднання 46 балів із низькими токенними тарифами робить Pro цікавою для команд, яким потрібні сильні міркування або агентні процеси у великому масштабі.
MiMo-V2.6-Flash — орієнтована на ефективність версія сімейства. Вона використовує розріджену архітектуру mixture-of-experts (MoE): 309 млрд загальних параметрів і 15 млрд активних, тоді як для Pro вказано 1,02 трлн загальних і 42 млрд активних параметрів. Обидві моделі підтримують контекстне вікно до 1 млн токенів і приймають текст, зображення, відео та аудіо. 4
Для частих викликів Flash має нижчі тарифи: $0,14 за мільйон некешованих вхідних токенів та $0,28 за мільйон вихідних. Кешований вхід Xiaomi оцінює в $0,0028 за мільйон токенів. 3
10
У власних бенчмарк-порівняннях Xiaomi Flash поступається Pro на DeepSWE v1.1, але позиціонується як економніший варіант для довгого контексту й мультимодальних навантажень. Це дані виробника: для конкретного розгортання їх варто перевіряти незалежними тестами. 10
Тім Деттмерс описав Flash як модель, що відчувається «найкращою в класі від 300 до 550 млрд параметрів». За його словами, у його сценаріях вона перевершила DeepSeek V4.1 і GLM-5.3 Flash. Він також відзначив автоматичне ущільнення контексту в сесії понад 3 млн токенів і повідомив про приблизно 250 токенів за секунду під час генерації та 2,6 тис. токенів за секунду під час попереднього заповнення контексту. 44
Ці спостереження можуть бути важливими для тривалих процесів розробки, але це оцінка одного практика, а не незалежний бенчмарк чи гарантія таких самих показників на іншому обладнанні та стеку обслуговування.
Реліз не обмежується завантажуваними вагами. Xiaomi заявляє, що відкрила Pro і Flash за ліцензією MIT разом із технічним звітом, більш ніж 7 000 RL-середовищ для завдань, наскрізним RL-фреймворком і модульними мінісередовищами запуску. Також доступна панель із журналами тренування для двох RL-запусків. 46
2
Така прозорість щодо донавчання дає дослідникам змогу розбирати підхід і використовувати робочі середовища. Але це ще не повний пакет для відтворення всього процесу створення моделі: надані матеріали не підтверджують відкриття всіх наборів даних для переднавчання, компонентів інфраструктури та всіх деталей тренування.
MiMo-V2.6-Pro додає аргументів на користь того, що китайські лабораторії дуже конкурентні й нині очолюють саме цей рейтинг моделей із відкритими вагами. Вона випереджає GLM-5.3 та Kimi K3, а MIT-ліцензія принципово відрізняє її від закритих моделей, доступних лише через API. 31
36
Але з цього не випливає, що китайські лабораторії загалом випереджають американські. У тому самому індексі найкращі закриті Claude Fable 5.1 і GPT-6 Astra мають по 53 бали. 19
Практичний висновок простий: open-weight ШІ помітно наблизився до дорогих пропрієтарних систем у цьому бенчмарку. MiMo-V2.6-Pro стала вагомим варіантом для команд, яким важливі доступні для розгортання ваги, низька вартість інференсу, мультимодальний ввід і агентні робочі процеси з довгим контекстом.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MiMo V2.6 Pro має 46 балів в Intelligence Index від Artificial Analysis і є найрейтинговішою моделлю з відкритими вагами, випереджаючи GLM 5.3 (45) та Kimi K3 (44).
MiMo V2.6 Pro має 46 балів в Intelligence Index від Artificial Analysis і є найрейтинговішою моделлю з відкритими вагами, випереджаючи GLM 5.3 (45) та Kimi K3 (44). Xiaomi пояснює стрибок продуктивності спільним RL навчанням для кодування, агентних, візуальних завдань і кібербезпеки: по 30 кроків та близько 750 000 траєкторій для кожної моделі менш ніж за шість днів.
Дешевша MiMo V2.6 Flash має 309 млрд загальних і 15 млрд активних параметрів, контекст до 1 млн токенів, мультимодальний ввід та API ціну від $0,14 за мільйон вхідних токенів.
MiMo V2.6 Pro має 46 балів в Intelligence Index від Artificial Analysis і є найрейтинговішою моделлю з відкритими вагами, випереджаючи GLM 5.3 (45) та Kimi K3 (44). Xiaomi пояснює стрибок продуктивності спільним RL навчанням для кодування, агентних, візуальних завдань і кібербезпеки: по 30 кроків та близько 750 000...
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer

Create 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 важлива не лише через високий результат у бенчмарку. Xiaomi поєднала перше місце серед моделей із відкритими вагами, низьку заявлену вартість API та помітний набір оприлюднених матеріалів для донавчання. Водночас висновок варто формулювати точно: це лідер саме у відкритій категорії одного широко відстежуваного зведеного рейтингу, а не беззаперечний найпотужніший ШІ загалом.
За даними Artificial Analysis, MiMo-V2.6-Pro має 46 балів в Intelligence Index — це найвищий показник серед моделей із відкритими вагами. Далі йдуть GLM-5.3 із 45 балами та Kimi K3 із 44. 31
Цей результат відповідає показнику однієї конфігурації закритої Grok 4.7 від xAI. Однак сама Xiaomi визнає відставання від найсильніших закритих систем: у рейтингу Claude Fable 5.1 і GPT-6 Astra мають по 53 бали — на сім більше за MiMo. 1
19
Отже, досягнення істотне, але його межі чіткі: Xiaomi встановила новий орієнтир для open-weight моделей, а не зрівнялася з усіма лідерами закритого сегмента.
Xiaomi називає свій підхід до донавчання You Only RL Once («підкріплювальне навчання лише один раз»). Замість окремих політик для програмування, універсальних агентів, візуальних задач і кібербезпеки компанія об’єднала ці напрями, а також різні агентні середовища запуску, в одному циклі reinforcement learning (RL, навчання з підкріпленням).
Логіка в тому, що модель може переносити між доменами базові робочі навички: виявляти, якої інформації бракує, обирати інструмент, оцінювати результат його роботи та відновлюватися після невдалої спроби. 5
За твердженням Xiaomi, і Pro, і Flash пройшли по 30 RL-кроків на приблизно 750 000 траєкторій менш ніж за шість днів. Заявлена вартість навчання — близько $2,62 млн для Pro та $850 тис. для Flash. Це оцінки самої Xiaomi, а не незалежно перевірені повні витрати. 10
Такий результат вказує, що масштабування RL у різнорідних середовищах з використанням інструментів може суттєво посилювати модель без окремого процесу донавчання для кожного типу завдань. Водночас заявлене Xiaomi 20-бальне зростання відносно MiMo-V2.5-Pro — це порівняння в межах релізу, а не доказ переваги в кожному реальному сценарії. 14
Заявлена API-ціна MiMo-V2.6-Pro становить $0,435 за мільйон вхідних токенів і $0,87 за мільйон вихідних токенів. За порівнянням, що використовує оцінки вартості завдань Artificial Analysis, один тестовий сценарій Intelligence Index для Pro обходиться приблизно у $0,13, тоді як для Grok 4.7 xHigh — у $3,74. 21
Вартість бенчмарк-завдання не дорівнює витратам у реальному продукті: вони залежать від довжини запиту й відповіді, кешування, викликів інструментів і параметрів інференсу. Проте поєднання 46 балів із низькими токенними тарифами робить Pro цікавою для команд, яким потрібні сильні міркування або агентні процеси у великому масштабі.
MiMo-V2.6-Flash — орієнтована на ефективність версія сімейства. Вона використовує розріджену архітектуру mixture-of-experts (MoE): 309 млрд загальних параметрів і 15 млрд активних, тоді як для Pro вказано 1,02 трлн загальних і 42 млрд активних параметрів. Обидві моделі підтримують контекстне вікно до 1 млн токенів і приймають текст, зображення, відео та аудіо. 4
Для частих викликів Flash має нижчі тарифи: $0,14 за мільйон некешованих вхідних токенів та $0,28 за мільйон вихідних. Кешований вхід Xiaomi оцінює в $0,0028 за мільйон токенів. 3
10
У власних бенчмарк-порівняннях Xiaomi Flash поступається Pro на DeepSWE v1.1, але позиціонується як економніший варіант для довгого контексту й мультимодальних навантажень. Це дані виробника: для конкретного розгортання їх варто перевіряти незалежними тестами. 10
Тім Деттмерс описав Flash як модель, що відчувається «найкращою в класі від 300 до 550 млрд параметрів». За його словами, у його сценаріях вона перевершила DeepSeek V4.1 і GLM-5.3 Flash. Він також відзначив автоматичне ущільнення контексту в сесії понад 3 млн токенів і повідомив про приблизно 250 токенів за секунду під час генерації та 2,6 тис. токенів за секунду під час попереднього заповнення контексту. 44
Ці спостереження можуть бути важливими для тривалих процесів розробки, але це оцінка одного практика, а не незалежний бенчмарк чи гарантія таких самих показників на іншому обладнанні та стеку обслуговування.
Реліз не обмежується завантажуваними вагами. Xiaomi заявляє, що відкрила Pro і Flash за ліцензією MIT разом із технічним звітом, більш ніж 7 000 RL-середовищ для завдань, наскрізним RL-фреймворком і модульними мінісередовищами запуску. Також доступна панель із журналами тренування для двох RL-запусків. 46
2
Така прозорість щодо донавчання дає дослідникам змогу розбирати підхід і використовувати робочі середовища. Але це ще не повний пакет для відтворення всього процесу створення моделі: надані матеріали не підтверджують відкриття всіх наборів даних для переднавчання, компонентів інфраструктури та всіх деталей тренування.
MiMo-V2.6-Pro додає аргументів на користь того, що китайські лабораторії дуже конкурентні й нині очолюють саме цей рейтинг моделей із відкритими вагами. Вона випереджає GLM-5.3 та Kimi K3, а MIT-ліцензія принципово відрізняє її від закритих моделей, доступних лише через API. 31
36
Але з цього не випливає, що китайські лабораторії загалом випереджають американські. У тому самому індексі найкращі закриті Claude Fable 5.1 і GPT-6 Astra мають по 53 бали. 19
Практичний висновок простий: open-weight ШІ помітно наблизився до дорогих пропрієтарних систем у цьому бенчмарку. MiMo-V2.6-Pro стала вагомим варіантом для команд, яким важливі доступні для розгортання ваги, низька вартість інференсу, мультимодальний ввід і агентні робочі процеси з довгим контекстом.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MiMo V2.6 Pro має 46 балів в Intelligence Index від Artificial Analysis і є найрейтинговішою моделлю з відкритими вагами, випереджаючи GLM 5.3 (45) та Kimi K3 (44).
MiMo V2.6 Pro має 46 балів в Intelligence Index від Artificial Analysis і є найрейтинговішою моделлю з відкритими вагами, випереджаючи GLM 5.3 (45) та Kimi K3 (44). Xiaomi пояснює стрибок продуктивності спільним RL навчанням для кодування, агентних, візуальних завдань і кібербезпеки: по 30 кроків та близько 750 000 траєкторій для кожної моделі менш ніж за шість днів.
Дешевша MiMo V2.6 Flash має 309 млрд загальних і 15 млрд активних параметрів, контекст до 1 млн токенів, мультимодальний ввід та API ціну від $0,14 за мільйон вхідних токенів.