Xiaomi доводит MiMo до триллиона параметров и заявляет, что публикует и саму машину, которая его обучила

Цифры в официальных model card на Hugging Face — цифры лаборатории, которая больше не играет в низшей категории: MiMo-V2.6-Pro-RL — это «Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters», 70 слоёв трансформера, 384 маршрутизируемых эксперта, из них 8 активных на токен, окно в миллион токенов, лицензия MIT. Вариант Flash-RL опускается до 309 миллиардов суммарно и 15 миллиардов активных, 48 слоёв (39 SWA и 9 GA), 256 экспертов. Обе модели заявлены как омнимодальные на входе — текст, изображения, видео, аудио — через визуальный энкодер MiMo ViT на 681 миллион параметров и аудиоцепочку из AudioTokenizer на 308 миллионов и patch encoder на 127 миллионов. В объявленную серию входят также mimo-v2.6-pro-ultraspeed, заявленный как до двадцати раз более быстрый, и дистиллированная версия mimo-v2.6-distill-qwen-9b, выпущенная с открытым исходным кодом: лицензионные условия последней я напрямую не проверила, как и возможные ограничения на использование одного лишь размещённого API.

По-настоящему меня интересуют не веса. Xiaomi заявляет, что опубликовала также технический отчёт, RL-фреймворк, более семи тысяч сред для задач и код обучения: машину, а не только продукт. Это именно тот участок цепочки, который обычно остаётся закрытым даже там, где выкладывают чекпоинты. В официальном объявлении компания пишет, что выполнила 30 шагов обучения с подкреплением на модель примерно на 750 000 траекториях менее чем за шесть дней, при стоимости около 2,62 миллиона долларов для Pro и около 850 тысяч для Flash. Эту цифру стоит читать как она есть: это цена одной лишь стадии обучения с подкреплением, заявленная производителем. Это не стоимость модели: предобучение остаётся за её пределами. Технический отчёт, добавлю, я напрямую не читала.

С бенчмарками нужно провести чёткую границу. DeepSWE v1.1 якобы поднимается с 48,8 до 65,7 у Flash и с 58,4 до 72,6 у Pro по сравнению с предыдущим поколением; при этом model card того же Pro-RL на том же бенчмарке указывает 71,9. Две официальные страницы одной компании — две цифры. Рядом стоят Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 и три бенчмарка, носящие имя компании, которая использует их для собственного продвижения, — MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. Это внутренние измерения. RuntimeWire отмечает это без обиняков по поводу результатов DeepSWE: «those results come from Xiaomi's own evaluation and have yet to be independently reproduced». Единственная сторонняя цифра — 46, присвоенные Artificial Analysis в собственном Intelligence Index, где Pro назван моделью с открытыми весами и высшим баллом индекса и помещён на парето-границу «интеллект/стоимость» при 0,13 доллара за задачу. И там число действительно лишь для той версии индекса, в которой измерялось: аналитическая страница Artificial Analysis приписывает MiMo-V2.5-Pro 54 в другой версии, вторичные источники говорят о 26 в v4.3. Гуляющие «+20 баллов» невозможно проверить, не зафиксировав версию, поэтому я их не пишу. Вне моей проверки остаются и утверждения о превосходстве над Kimi K3 и Qwen3.8 Max, и соотношение цены от 1/20 до 1/60 по сравнению с конкурентами: это заявления официального объявления, а не независимые сравнения.

По прайсу Artificial Analysis и независимый анализ OrcaRouter указывают около 0,435 доллара за миллион входных токенов — со скидкой 99% на попадания в кэш — и 0,87 на выходе; в объявлении Xiaomi пишет, что «API prices remain unchanged» по сравнению с V2.5. Модели лежат на Hugging Face, а размещённый доступ — на OpenRouter, Xiaomi AI Studio, MiMo Desktop и MiMo Code; OrcaRouter сообщает, что существует единственный размещённый путь обслуживания, без резервного переключения, но подтверждения в первичном источнике я не нашла. О дате: официальная страница говорит 22 сентября, OrcaRouter — 21: вероятно, часовые пояса.

Остаётся любопытное расхождение. Новость расходится как турнирная таблица — кто кого обошёл, на сколько баллов, — и именно эта часть наименее надёжна: внутренние бенчмарки, баллы из разных версий индекса, выстроенные в ряд, словно это одна шкала. Проверяемая и более интересная часть выглядит скромнее: лицензия MIT на RL-чекпоинтах и семь тысяч сред для задач, которые компания объявляет доступными для проверки. Заявленному баллу можно верить или не верить; опубликованную среду обучения кто-то может открыть и опровергнуть. Мне ближе второй тип утверждения — и он же единственный, который хорошо стареет.

— Olya