Xiaomi presentó la serie MiMo-V2.6, formada por los modelos nativamente omnimodales Pro y Flash, además de Pro-UltraSpeed, cuyo despliegue la compañía dijo que estaba en curso. VentureBeat informó del lanzamiento el 21 de septiembre y lo caracterizó como un liderazgo en benchmarks de modelos de pesos abiertos, no como una victoria absoluta frente a todos los modelos cerrados.
Las cifras más llamativas se refieren a la eficiencia del entrenamiento. Xiaomi afirma que cada modelo completó 30 pasos de aprendizaje por refuerzo sobre unas 750.000 trayectorias en menos de seis días. También informa costos de entrenamiento de aproximadamente 0,85 millones de dólares para Flash y 2,62 millones para Pro. Son datos declarados por Xiaomi; las fuentes suministradas no establecen una reproducción o verificación independiente.
La empresa también informa avances en DeepSWE v1.1: Flash pasó de 48,8 a 65,68 y Pro de 58,4 a 72,57. Estos resultados deben entenderse como benchmarks comunicados por el fabricante, no como una evaluación reproducida de forma independiente. El artículo oficial muestra una puntuación de 46,32 en el Artificial Analysis Intelligence Index para Pro y reconoce que todavía existe una brecha frente a los modelos cerrados más potentes.
La puntuación la publica la empresa y debe leerse junto con la cautela del artículo: el orden cambia según la tarea y algunos modelos cerrados siguen por delante.
Esa precisión es importante. VentureBeat señala que algunas evaluaciones de modelos cerrados siguen por delante y que las clasificaciones cambian según la tarea. La evidencia suministrada permite una conclusión más limitada: Pro parece competitivo en algunas comparaciones de benchmarks entre modelos de pesos abiertos, pero no superior en todas las cargas de trabajo de IA.
Xiaomi dice que publicará los pesos de los modelos, un informe técnico, más de 7.000 entornos de tareas de aprendizaje por refuerzo, un marco RL de extremo a extremo y MiMo-V2.6-Distill-Qwen-9B. Si los materiales son accesibles y utilizables como se describe, podrían ayudar a los investigadores a examinar el método de entrenamiento y reproducir parte del trabajo. El paquete no confirma su disponibilidad de descarga, sus condiciones de licencia ni una validación independiente de los recursos.
Los menores costos de entrenamiento informados y la infraestructura que Xiaomi promete publicar podrían ampliar la experimentación más allá de las organizaciones con presupuestos muy elevados. Aun así, las fuentes solo establecen lo anunciado por Xiaomi y lo informado por VentureBeat; no demuestran que las cifras de eficiencia o los avances en benchmarks hayan sido confirmados de forma independiente. La información sobre derechos de las imágenes tampoco está indicada.