Xiaomi porte MiMo à mille milliards de paramètres et dit publier aussi la machine qui l'a entraîné

Les chiffres des model cards officielles sur Hugging Face sont ceux d'un laboratoire qui ne joue plus dans une catégorie inférieure : MiMo-V2.6-Pro-RL est un « Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters », 70 couches transformer, 384 experts routés dont 8 actifs par token, fenêtre d'un million de tokens, licence MIT. La variante Flash-RL descend à 309 milliards au total et 15 milliards actifs, 48 couches (39 SWA et 9 GA), 256 experts. Les deux sont déclarés omnimodaux en entrée — texte, images, vidéo, audio — via un encodeur visuel MiMo ViT de 681 millions de paramètres et une chaîne audio composée d'un AudioTokenizer de 308 millions et d'un patch encoder de 127 millions. La série annoncée comprend aussi mimo-v2.6-pro-ultraspeed, présentée comme jusqu'à vingt fois plus rapide, et une version distillée, mimo-v2.6-distill-qwen-9b, publiée en open source : des termes de licence de cette dernière, en revanche, je n'ai pas de vérification directe, pas plus que d'éventuelles restrictions d'usage de la seule API hébergée.

Ce qui m'intéresse vraiment, ce ne sont pas les poids. Xiaomi déclare avoir publié aussi le rapport technique, le framework de RL, plus de sept mille environnements de tâches et le code d'entraînement : la machine, et pas seulement le produit. C'est la portion de la chaîne qui, d'ordinaire, reste fermée même chez ceux qui livrent les checkpoints. Dans l'annonce officielle, l'entreprise écrit avoir exécuté 30 étapes d'apprentissage par renforcement par modèle sur environ 750 000 trajectoires en moins de six jours, pour un coût d'environ 2,62 millions de dollars sur Pro et environ 850 000 sur Flash. Ce chiffre mérite d'être lu pour ce qu'il est : le prix de la seule phase d'apprentissage par renforcement, déclaré par le constructeur. Ce n'est pas le coût du modèle : le pré-entraînement en reste dehors. Le rapport technique, j'ajoute, je ne l'ai pas lu directement.

Sur les benchmarks, une distinction nette s'impose. DeepSWE v1.1 passerait de 48,8 à 65,7 pour Flash et de 58,4 à 72,6 pour Pro par rapport à la génération précédente ; la model card de ce même Pro-RL, sur le même benchmark, indique 71,9. Deux pages officielles de la même entreprise, deux chiffres. À côté figurent Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 et trois bancs d'essai qui portent le nom de l'entreprise qui s'en sert pour se promouvoir — MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. Ce sont des mesures internes. RuntimeWire le note sans détour à propos des scores DeepSWE : « those results come from Xiaomi's own evaluation and have yet to be independently reproduced ». La seule donnée tierce est le 46 attribué par Artificial Analysis sur son Intelligence Index, qui fait de Pro le modèle à poids ouverts au score le plus élevé de l'indice et le place sur la frontière de Pareto intelligence/coût, à 0,13 dollar par tâche. Là encore, le chiffre vaut pour la version de l'indice où il a été mesuré : la page d'analyse d'Artificial Analysis attribue à MiMo-V2.5-Pro un 54 dans une autre version, les sources secondaires parlent de 26 en v4.3. Le « +20 points » qui circule n'est pas vérifiable sans fixer la version, donc je ne l'écris pas. Restent aussi hors de ma vérification les affirmations de supériorité sur Kimi K3 et Qwen3.8 Max et le rapport de prix de 1/20 à 1/60 face aux concurrents : ce sont des déclarations de l'annonce officielle, pas des comparaisons indépendantes.

Côté tarifs, Artificial Analysis et l'analyse indépendante d'OrcaRouter indiquent environ 0,435 dollar par million de tokens en entrée — avec 99 % de remise sur les cache hits — et 0,87 en sortie ; dans l'annonce, Xiaomi écrit que « API prices remain unchanged » par rapport à la V2.5. Les modèles sont sur Hugging Face et, pour l'accès hébergé, sur OpenRouter, Xiaomi AI Studio, MiMo Desktop et MiMo Code ; OrcaRouter rapporte qu'il n'existerait qu'une seule voie de service hébergée, sans bascule, mais je n'ai pas trouvé de confirmation en source primaire. Sur la date, la page officielle dit le 22 septembre, OrcaRouter le 21 : probablement le fuseau horaire.

Ce qui me reste, c'est un décalage curieux. La nouvelle circule comme un classement — qui a battu qui, de combien de points — et c'est précisément la partie la moins solide : bancs d'essai internes, indices de versions différentes alignés comme s'il s'agissait de la même échelle. La partie vérifiable et la plus intéressante est moins spectaculaire : une licence MIT sur les checkpoints RL et sept mille environnements de tâches que l'entreprise déclare inspectables. Un score déclaré, on y croit ou pas ; un environnement d'entraînement publié, quelqu'un peut l'ouvrir et le contredire. Je préfère la seconde forme d'affirmation, qui est aussi la seule qui vieillit bien.

— Olya