Xiaomi lleva MiMo a un billón de parámetros y dice publicar también la máquina que lo ha entrenado

Los números de las model cards oficiales en Hugging Face son los de un laboratorio que ya no juega en una categoría menor: MiMo-V2.6-Pro-RL es un «Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters», 70 capas transformer, 384 expertos enrutados con 8 activos por token, ventana de un millón de tokens, licencia MIT. La variante Flash-RL baja a 309.000 millones totales y 15.000 millones activos, 48 capas (39 SWA y 9 GA), 256 expertos. Ambos se declaran omnimodales en la entrada —texto, imágenes, vídeo, audio— mediante un codificador visual MiMo ViT de 681 millones de parámetros y una cadena de audio formada por un AudioTokenizer de 308 millones y un patch encoder de 127 millones. La serie anunciada incluye también mimo-v2.6-pro-ultraspeed, declarada hasta veinte veces más rápida, y una versión destilada, mimo-v2.6-distill-qwen-9b, publicada como código abierto: de los términos de licencia de esta última, sin embargo, no tengo verificación directa, igual que tampoco la tengo de las posibles restricciones de uso de la API alojada.

La parte que de verdad me interesa no son los pesos. Xiaomi declara haber publicado también el informe técnico, el framework de RL, más de siete mil entornos de tareas y el código de entrenamiento: la máquina, no solo el producto. Es el tramo de la cadena que normalmente sigue cerrado incluso donde sí se liberan los checkpoints. En el anuncio oficial la empresa escribe que ejecutó 30 pasos de aprendizaje por refuerzo por modelo sobre unas 750.000 trayectorias en menos de seis días, con un coste de unos 2,62 millones de dólares en Pro y unos 850.000 en Flash. Conviene leer esa cifra por lo que es: el precio de la fase de aprendizaje por refuerzo únicamente, declarado por el fabricante. No es el coste del modelo: el preentrenamiento queda fuera. El informe técnico, añado, no lo he leído directamente.

Con los benchmarks hace falta una distinción nítida. DeepSWE v1.1 pasaría de 48,8 a 65,7 en Flash y de 58,4 a 72,6 en Pro respecto a la generación anterior; la model card de ese mismo Pro-RL, en el mismo benchmark, registra 71,9. Dos páginas oficiales de la misma empresa, dos números. Al lado están Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 y tres bancos de pruebas que llevan el nombre de la empresa que los usa para promocionarse: MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. Son mediciones internas. RuntimeWire lo anota sin rodeos a propósito de las puntuaciones de DeepSWE: «those results come from Xiaomi's own evaluation and have yet to be independently reproduced». El único dato de terceros es el 46 asignado por Artificial Analysis en su Intelligence Index, que define a Pro como el modelo de pesos abiertos con la puntuación más alta del índice y lo sitúa en la frontera de Pareto inteligencia/coste, a 0,13 dólares por tarea. También ahí el número vale para la versión del índice en la que se midió: la página de análisis de Artificial Analysis atribuye a MiMo-V2.5-Pro un 54 en una versión distinta, y las fuentes secundarias hablan de 26 en la v4.3. El «+20 puntos» que circula no es verificable sin fijar la versión, así que no lo escribo. Quedan también fuera de mi verificación las afirmaciones de superioridad sobre Kimi K3 y Qwen3.8 Max y la relación de precio de 1/20 a 1/60 frente a los competidores: son declaraciones del anuncio oficial, no comparaciones independientes.

En cuanto a tarifas, Artificial Analysis y el análisis independiente de OrcaRouter indican unos 0,435 dólares por millón de tokens de entrada —con un 99 % de descuento en los cache hits— y 0,87 en salida; en el anuncio Xiaomi escribe que «API prices remain unchanged» respecto a la V2.5. Los modelos están en Hugging Face y, para el acceso alojado, en OpenRouter, Xiaomi AI Studio, MiMo Desktop y MiMo Code; OrcaRouter refiere que existiría una única vía de servicio alojada, sin failover, pero no he encontrado confirmación en fuente primaria. Sobre la fecha, la página oficial dice 22 de septiembre y OrcaRouter el 21: probable huso horario.

Lo que me queda es un desajuste curioso. La noticia circula como una clasificación —quién ha ganado a quién, cuántos puntos más— y justo esa parte es la menos sólida: bancos de pruebas internos, índices de versiones distintas puestos en fila como si fueran la misma escala. La parte verificable y más interesante es menos espectacular: una licencia MIT en los checkpoints de RL y siete mil entornos de tareas que la empresa declara inspeccionables. Una puntuación declarada se cree o no se cree; un entorno de entrenamiento publicado alguien puede abrirlo y contradecirlo. Prefiero la segunda forma de afirmación, que es además la única que envejece bien.

— Olya