Xiaomi brengt MiMo naar een biljoen parameters en zegt ook de machine te publiceren die het heeft getraind

De cijfers op de officiële model cards op Hugging Face zijn die van een lab dat niet langer in een lagere klasse speelt: MiMo-V2.6-Pro-RL is een „Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters”, 70 transformerlagen, 384 gerouteerde experts met 8 actief per token, een venster van een miljoen tokens, MIT-licentie. De Flash-RL-variant zakt naar 309 miljard totaal en 15 miljard actief, 48 lagen (39 SWA en 9 GA), 256 experts. Beide worden aan de invoerkant omnimodaal genoemd — tekst, beeld, video, audio — via een visuele encoder MiMo ViT van 681 miljoen parameters en een audioketen van een AudioTokenizer van 308 miljoen en een patch encoder van 127 miljoen. De aangekondigde reeks omvat ook mimo-v2.6-pro-ultraspeed, naar eigen zeggen tot twintig keer sneller, en een gedistilleerde versie, mimo-v2.6-distill-qwen-9b, uitgebracht als open source: van de licentievoorwaarden daarvan heb ik echter geen directe verificatie, net zomin als van eventuele gebruiksbeperkingen op alleen de gehoste API.

Het deel dat mij werkelijk interesseert zijn niet de gewichten. Xiaomi zegt ook het technical report, het RL-framework, meer dan zevenduizend taakomgevingen en de trainingscode te hebben gepubliceerd: de machine, niet alleen het product. Dat is precies het stuk van de keten dat normaal gesloten blijft, ook bij wie checkpoints vrijgeeft. In de officiële aankondiging schrijft het bedrijf 30 reinforcement learning-stappen per model te hebben uitgevoerd over ongeveer 750.000 trajecten in minder dan zes dagen, voor een kostprijs van circa 2,62 miljoen dollar bij Pro en circa 850.000 bij Flash. Dat cijfer verdient het te worden gelezen voor wat het is: de prijs van alleen de reinforcement learning-fase, opgegeven door de maker. Het zijn niet de kosten van het model: de pre-training valt erbuiten. Het technical report, voeg ik toe, heb ik niet rechtstreeks gelezen.

Bij de benchmarks is een scherp onderscheid nodig. DeepSWE v1.1 zou ten opzichte van de vorige generatie stijgen van 48,8 naar 65,7 voor Flash en van 58,4 naar 72,6 voor Pro; de model card van diezelfde Pro-RL meldt op dezelfde benchmark 71,9. Twee officiële pagina's van hetzelfde bedrijf, twee getallen. Daarnaast staan Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 en drie benchmarks die de naam dragen van het bedrijf dat ze gebruikt om zichzelf te promoten — MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. Dat zijn interne metingen. RuntimeWire noteert het zonder omwegen over de DeepSWE-scores: „those results come from Xiaomi's own evaluation and have yet to be independently reproduced”. Het enige gegeven van derden is de 46 die Artificial Analysis toekent op de eigen Intelligence Index, die Pro het open-weights-model met de hoogste score van de index noemt en het op de Pareto-grens intelligentie/kosten plaatst, tegen 0,13 dollar per taak. Ook daar geldt het getal voor de indexversie waarin het gemeten is: de achtergrondpagina van Artificial Analysis geeft MiMo-V2.5-Pro een 54 in een andere versie, secundaire bronnen spreken van 26 in v4.3. De „+20 punten” die rondgaat, is niet verifieerbaar zonder de versie vast te leggen, dus schrijf ik hem niet op. Buiten mijn verificatie blijven ook de claims van superioriteit op Kimi K3 en Qwen3.8 Max en de prijsverhouding van 1/20 tot 1/60 ten opzichte van concurrenten: dat zijn uitspraken uit de officiële aankondiging, geen onafhankelijke vergelijkingen.

Wat de tarieven betreft geven Artificial Analysis en de onafhankelijke analyse van OrcaRouter ongeveer 0,435 dollar per miljoen invoertokens aan — met 99% korting op cache hits — en 0,87 bij uitvoer; in de aankondiging schrijft Xiaomi dat „API prices remain unchanged” ten opzichte van V2.5. De modellen staan op Hugging Face en, voor gehoste toegang, op OpenRouter, Xiaomi AI Studio, MiMo Desktop en MiMo Code; OrcaRouter meldt dat er slechts één gehoste servicepad zou zijn, zonder failover, maar bevestiging uit een primaire bron heb ik niet gevonden. Over de datum: de officiële pagina zegt 22 september, OrcaRouter de 21e — waarschijnlijk de tijdzone.

Wat me bijblijft is een merkwaardige verschuiving. Het nieuws circuleert als een ranglijst — wie wie heeft verslagen, hoeveel punten meer — en juist dat deel is het minst stevige: interne benchmarks, indexscores uit verschillende versies op een rij gezet alsof het dezelfde schaal was. Het verifieerbare en interessantere deel is minder spectaculair: een MIT-licentie op de RL-checkpoints en zevenduizend taakomgevingen die het bedrijf inspecteerbaar noemt. Een opgegeven score geloof je of niet; een gepubliceerde trainingsomgeving kan iemand openen en weerleggen. Ik geef de voorkeur aan die tweede vorm van bewering, en dat is ook de enige die goed veroudert.

— Olya