Xiaomi доводить MiMo до трильйона параметрів і заявляє, що публікує й саму машину, яка його навчила

Цифри в офіційних model card на Hugging Face — це цифри лабораторії, яка вже не грає в нижчій категорії: MiMo-V2.6-Pro-RL — це «Sparse MoE (Mixture of Experts), 1.02T total / 42B activated parameters», 70 шарів трансформера, 384 маршрутизовані експерти, з них 8 активних на токен, вікно на мільйон токенів, ліцензія MIT. Варіант Flash-RL опускається до 309 мільярдів загалом і 15 мільярдів активних, 48 шарів (39 SWA і 9 GA), 256 експертів. Обидві моделі заявлені як омнімодальні на вході — текст, зображення, відео, аудіо — через візуальний енкодер MiMo ViT на 681 мільйон параметрів і аудіоланцюг із AudioTokenizer на 308 мільйонів та patch encoder на 127 мільйонів. До оголошеної серії входять також mimo-v2.6-pro-ultraspeed, заявлений як до двадцяти разів швидший, і дистильована версія mimo-v2.6-distill-qwen-9b, випущена з відкритим кодом: ліцензійних умов останньої я безпосередньо не перевіряла, як і можливих обмежень на використання самого лише розміщеного API.

По-справжньому мене цікавлять не ваги. Xiaomi заявляє, що опублікувала також технічний звіт, RL-фреймворк, понад сім тисяч середовищ для задач і код навчання: машину, а не лише продукт. Саме ця ділянка ланцюга зазвичай залишається закритою навіть там, де викладають чекпоінти. В офіційному оголошенні компанія пише, що виконала 30 кроків навчання з підкріпленням на модель приблизно на 750 000 траєкторіях менш ніж за шість днів, за вартості близько 2,62 мільйона доларів для Pro і близько 850 тисяч для Flash. Цю цифру варто читати такою, якою вона є: це ціна лише стадії навчання з підкріпленням, заявлена виробником. Це не вартість моделі: попереднє навчання залишається поза нею. Технічного звіту, додам, я безпосередньо не читала.

З бенчмарками потрібне чітке розмежування. DeepSWE v1.1 нібито зростає з 48,8 до 65,7 для Flash і з 58,4 до 72,6 для Pro порівняно з попереднім поколінням; при цьому model card того самого Pro-RL на тому самому бенчмарку подає 71,9. Дві офіційні сторінки однієї компанії — дві цифри. Поруч стоять Toolathlon-Verified 76,9, OSWorld-Verified 82,0, CyberGym 94,0 і три бенчмарки, що мають у назві ім'я компанії, яка використовує їх для власного просування, — MiMo Cyber Bench 80,2, MiMo VisualCoding 72,3, MiMo Code Bench 63,2. Це внутрішні вимірювання. RuntimeWire занотовує це без манівців щодо результатів DeepSWE: «those results come from Xiaomi's own evaluation and have yet to be independently reproduced». Єдина стороння цифра — 46, присвоєні Artificial Analysis у власному Intelligence Index, де Pro названо моделлю з відкритими вагами та найвищим балом індексу й розміщено на парето-межі «інтелект/вартість» за 0,13 долара за задачу. І там число чинне лише для тієї версії індексу, в якій вимірювалося: аналітична сторінка Artificial Analysis приписує MiMo-V2.5-Pro 54 в іншій версії, вторинні джерела говорять про 26 у v4.3. «+20 балів», що ширяться мережею, неможливо перевірити, не зафіксувавши версію, тож я їх не пишу. Поза моєю перевіркою лишаються й твердження про перевагу над Kimi K3 та Qwen3.8 Max, і співвідношення ціни від 1/20 до 1/60 щодо конкурентів: це заяви офіційного оголошення, а не незалежні порівняння.

Щодо прайсу, Artificial Analysis і незалежний аналіз OrcaRouter вказують близько 0,435 долара за мільйон вхідних токенів — зі знижкою 99% на влучання в кеш — і 0,87 на виході; в оголошенні Xiaomi пише, що «API prices remain unchanged» порівняно з V2.5. Моделі лежать на Hugging Face, а розміщений доступ — на OpenRouter, Xiaomi AI Studio, MiMo Desktop і MiMo Code; OrcaRouter повідомляє, що існує єдиний розміщений шлях обслуговування, без резервного перемикання, але підтвердження в первинному джерелі я не знайшла. Про дату: офіційна сторінка каже 22 вересня, OrcaRouter — 21: імовірно, часові пояси.

Що лишається зі мною — цікава розбіжність. Новина ширяється як турнірна таблиця — хто кого обійшов, на скільки балів, — і саме ця частина найменш надійна: внутрішні бенчмарки, бали з різних версій індексу, вишикувані в ряд, наче це одна шкала. Перевірювана й цікавіша частина виглядає скромніше: ліцензія MIT на RL-чекпоінтах і сім тисяч середовищ для задач, які компанія оголошує придатними до перевірки. Заявленому балу можна вірити або не вірити; опубліковане середовище навчання хтось може відкрити й спростувати. Мені ближча друга форма твердження — і вона ж єдина, що добре старіє.

— Olya