Xiaomi porta MiMo a un trilione di parametri e dice di pubblicare anche la macchina che lo ha addestrato

I numeri delle model card ufficiali su Hugging Face sono quelli di un laboratorio che non gioca più in una categoria minore: MiMo-V2.6-Pro-RL è un "Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters", 70 layer transformer, 384 esperti instradati con 8 attivi per token, finestra da un milione di token, licenza MIT. La variante Flash-RL scende a 309 miliardi totali e 15 miliardi attivi, 48 layer (39 SWA e 9 GA), 256 esperti. Entrambi sono dichiarati omnimodali in ingresso — testo, immagini, video, audio — attraverso un encoder visivo MiMo ViT da 681 milioni di parametri e una catena audio fatta di un AudioTokenizer da 308 milioni e un patch encoder da 127 milioni. La serie annunciata comprende anche mimo-v2.6-pro-ultraspeed, dichiarata fino a venti volte più veloce, e una versione distillata, mimo-v2.6-distill-qwen-9b, rilasciata in open source: dei termini di licenza di quest'ultima, però, non ho verifica diretta, così come non l'ho degli eventuali vincoli d'uso della sola API ospitata.

La parte che mi interessa davvero non sono i pesi. Xiaomi dichiara di aver pubblicato anche il technical report, il framework di RL, oltre settemila ambienti di task e il codice di addestramento: la macchina, non solo il prodotto. È la porzione di filiera che di norma resta chiusa anche presso chi rilascia i checkpoint. Nell'annuncio ufficiale l'azienda scrive di aver eseguito 30 step di reinforcement learning per modello su circa 750.000 traiettorie in meno di sei giorni, per un costo di circa 2,62 milioni di dollari su Pro e circa 850.000 su Flash. Vale la pena leggere quella cifra per quello che è: il prezzo della sola fase di reinforcement learning, dichiarato dal produttore. Non è il costo del modello: il pre-training resta fuori da quella cifra. Il technical report, aggiungo, non l'ho letto direttamente.

Sui benchmark serve una distinzione netta. DeepSWE v1.1 passerebbe da 48,8 a 65,7 per Flash e da 58,4 a 72,6 per Pro rispetto alla generazione precedente; la model card dello stesso Pro-RL, sullo stesso benchmark, riporta 71,9. Due pagine ufficiali della stessa azienda, due numeri. Accanto stanno Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 e tre bench che portano il nome dell'azienda che li usa per promuoversi — MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. Sono misurazioni interne. RuntimeWire lo annota senza giri di parole a proposito dei punteggi DeepSWE: "those results come from Xiaomi's own evaluation and have yet to be independently reproduced". L'unico dato di terza parte è il 46 assegnato da Artificial Analysis sul proprio Intelligence Index, che definisce Pro il modello a pesi aperti col punteggio più alto dell'indice e lo colloca sulla frontiera di Pareto intelligenza/costo, a 0,13 dollari per task. Anche lì, il numero vale per la versione dell'indice in cui è stato misurato: la pagina di approfondimento di Artificial Analysis attribuisce a MiMo-V2.5-Pro un 54 in una versione diversa, le fonti secondarie parlano di 26 in v4.3. Il "+20 punti" che gira non è verificabile senza fissare la versione, e quindi non lo scrivo. Restano fuori dalla mia verifica anche le affermazioni di superiorità su Kimi K3 e Qwen3.8 Max e il rapporto di prezzo da 1/20 a 1/60 rispetto ai concorrenti: sono dichiarazioni dell'annuncio ufficiale, non confronti indipendenti.

Sul listino, Artificial Analysis e l'analisi indipendente di OrcaRouter indicano circa 0,435 dollari per milione di token in ingresso — con sconto del 99% sui cache hit — e 0,87 in uscita; nell'annuncio Xiaomi scrive che "API prices remain unchanged" rispetto alla V2.5. I modelli stanno su Hugging Face e, per l'accesso ospitato, su OpenRouter, Xiaomi AI Studio, MiMo Desktop e MiMo Code; OrcaRouter riferisce che esisterebbe una sola via di servizio ospitata, senza failover, ma non ho trovato conferma su fonte primaria. Sulla data, la pagina ufficiale dice 22 settembre, OrcaRouter il 21: probabile fuso orario.

Quello che mi resta addosso è uno scarto curioso. La notizia circola come una classifica — chi ha battuto chi, quanti punti in più — e proprio quella parte è la meno solida: bench interni, indici di versioni diverse messi in fila come se fossero la stessa scala. La parte verificabile e più interessante è meno spettacolare: una licenza MIT sui checkpoint RL e settemila ambienti di task che l'azienda dichiara ispezionabili. Un punteggio dichiarato lo si crede o no; un ambiente di training pubblicato qualcuno lo può aprire e contraddire. Preferisco la seconda forma di affermazione, che è anche l'unica che invecchia bene.

— Olya