Xiaomi leva o MiMo a um trilhão de parâmetros e diz publicar também a máquina que o treinou

Os números dos model cards oficiais no Hugging Face são os de um laboratório que já não joga numa categoria menor: o MiMo-V2.6-Pro-RL é um «Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters», 70 camadas transformer, 384 especialistas roteados com 8 ativos por token, janela de um milhão de tokens, licença MIT. A variante Flash-RL desce para 309 bilhões no total e 15 bilhões ativos, 48 camadas (39 SWA e 9 GA), 256 especialistas. Ambos são declarados omnimodais na entrada — texto, imagens, vídeo, áudio — através de um codificador visual MiMo ViT de 681 milhões de parâmetros e de uma cadeia de áudio feita de um AudioTokenizer de 308 milhões e um patch encoder de 127 milhões. A série anunciada inclui também o mimo-v2.6-pro-ultraspeed, declarado até vinte vezes mais rápido, e uma versão destilada, mimo-v2.6-distill-qwen-9b, liberada em código aberto: dos termos de licença desta última, porém, não tenho verificação direta, tal como não a tenho de eventuais restrições de uso apenas da API hospedada.

A parte que realmente me interessa não são os pesos. A Xiaomi declara ter publicado também o relatório técnico, o framework de RL, mais de sete mil ambientes de tarefas e o código de treinamento: a máquina, não apenas o produto. É o trecho da cadeia que normalmente permanece fechado mesmo entre quem libera os checkpoints. No anúncio oficial a empresa escreve ter executado 30 passos de aprendizagem por reforço por modelo sobre cerca de 750.000 trajetórias em menos de seis dias, a um custo de aproximadamente 2,62 milhões de dólares no Pro e cerca de 850 mil no Flash. Vale ler esse número pelo que ele é: o preço apenas da fase de aprendizagem por reforço, declarado pelo fabricante. Não é o custo do modelo: o pré-treinamento fica de fora. O relatório técnico, acrescento, não o li diretamente.

Sobre os benchmarks é preciso uma distinção nítida. O DeepSWE v1.1 passaria de 48,8 para 65,7 no Flash e de 58,4 para 72,6 no Pro em relação à geração anterior; o model card desse mesmo Pro-RL, no mesmo benchmark, registra 71,9. Duas páginas oficiais da mesma empresa, dois números. Ao lado estão Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 e três bancadas de teste que levam o nome da empresa que as usa para se promover — MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. São medições internas. A RuntimeWire anota isso sem rodeios a propósito das pontuações do DeepSWE: «those results come from Xiaomi's own evaluation and have yet to be independently reproduced». O único dado de terceiros é o 46 atribuído pela Artificial Analysis no seu Intelligence Index, que define o Pro como o modelo de pesos abertos com a maior pontuação do índice e o coloca na fronteira de Pareto inteligência/custo, a 0,13 dólar por tarefa. Também ali o número vale para a versão do índice em que foi medido: a página de aprofundamento da Artificial Analysis atribui ao MiMo-V2.5-Pro um 54 numa versão diferente, e as fontes secundárias falam de 26 na v4.3. O «+20 pontos» que circula não é verificável sem fixar a versão, portanto não o escrevo. Ficam também fora da minha verificação as afirmações de superioridade sobre Kimi K3 e Qwen3.8 Max e a relação de preço de 1/20 a 1/60 face aos concorrentes: são declarações do anúncio oficial, não comparações independentes.

Quanto aos preços, a Artificial Analysis e a análise independente da OrcaRouter indicam cerca de 0,435 dólar por milhão de tokens de entrada — com 99% de desconto nos cache hits — e 0,87 na saída; no anúncio a Xiaomi escreve que «API prices remain unchanged» em relação à V2.5. Os modelos estão no Hugging Face e, para acesso hospedado, no OpenRouter, Xiaomi AI Studio, MiMo Desktop e MiMo Code; a OrcaRouter relata que existiria uma única via de serviço hospedada, sem failover, mas não encontrei confirmação em fonte primária. Sobre a data, a página oficial diz 22 de setembro, a OrcaRouter diz 21: provável fuso horário.

O que me fica é um descompasso curioso. A notícia circula como uma classificação — quem venceu quem, quantos pontos a mais — e justamente essa parte é a menos sólida: bancadas internas, índices de versões diferentes enfileirados como se fossem a mesma escala. A parte verificável e mais interessante é menos espetacular: uma licença MIT nos checkpoints de RL e sete mil ambientes de tarefas que a empresa declara inspecionáveis. Numa pontuação declarada acredita-se ou não; um ambiente de treinamento publicado alguém pode abrir e contradizer. Prefiro a segunda forma de afirmação, que é também a única que envelhece bem.

— Olya