Xiaomi presenta nueva serie MiMo-V2.6 de código abierto con mejora significativa en potencia de cálculo para aprendizaje por refuerzo

Xiaomi lanzó oficialmente y abrió el código fuente de la serie Xiaomi MiMo-V2.6, que representa un paso clave en la exploración del camino de la RSI (mejora recursiva autónoma). Esta serie se basa en tareas complejas verificables, escalando a gran escala la capacidad de cálculo de aprendizaje reforzado (RL), lo que permite que los modelos continúen expandiendo sus límites de inteligencia a través de una constante exploración y retroalimentación. La serie MiMo-V2.6 incluye dos modelos multimodales nativos: Pro y Flash. Gracias a la expansión de la capacidad de cálculo de RL, el MiMo-V2.6-Pro alcanzó una puntuación de 46 en el Índice de Inteligencia Analítica (AA), superando a Kimi K3 y Qwen 3.8 Max, convirtiéndose en el modelo abierto más potente hasta ahora;

sin embargo, en comparación con los modelos cerrados más potentes, como Claude Fable 5.1 y GPT-6 Astra, aún existe cierta brecha.

La serie MiMo-V2.6 mantiene el precio de la serie V2.5 en cuanto a la API, manteniendo el costo constante mientras se mejora la inteligencia, lo que impulsa aún más la frontera de Pareto entre "inteligencia y costo". El MiMo-V2.6-Pro estableció un nuevo récord de relación calidad-precio para modelos nacionales: bajo el mismo nivel de inteligencia, su precio es solo entre 1/20 y 1/60 del de los modelos extranjeros.

La serie MiMo-V2.6 muestra un desempeño destacado en el entrenamiento de aprendizaje reforzado

Durante la fase de entrenamiento de RL, el MiMo-V2.6 podría ser uno de los modelos abiertos nacionales

Con el aumento del tamaño del entrenamiento, Xiaomi congeló el MoE Router para inhibir el desplazamiento de carga de expertos, y estableció una línea de defensa contra el Reward Hacking que cubre el diseño de recompensas, evaluación adversarial, detección de anomalías y validación cruzada de validadores. Para apoyar el aprendizaje por refuerzo de agentes para tareas mixtas a gran escala, el equipo diseñó una representación unificada de trayectorias y un mecanismo de penalización, que apoya la interacción de alta concurrencia de varios marcos de agentes inteligentes, desacopló la capa de control y la capa de datos para apoyar la migración de grandes volúmenes de trayectorias, mantuvo la proporción de muestras de cada tarea en lotes mixtos, y optimizó la eficiencia y consistencia de los motores de entrenamiento e inferencia.

Xiaomi ya ha abierto fuente los resultados técnicos y recursos complementarios, incluyendo informes técnicos completos, entornos de entrenamiento y código de RL.

MiMo-V2.6 integra la capacidad de razonamiento espacial 3D, percepción multimodal y operación de computación (CUA), ampliando aún más los límites de lo que puede alcanzar la programación, permitiendo extender las tareas de programación impulsadas por lenguaje natural a la construcción de un "Vibe World" orientado al mundo interactivo. En juegos de mundo abierto 3D, tras la entrada del usuario de imágenes, videos o texto, MiMo-V2.6 descompone la demanda en múltiples tareas, que son completadas colaborativamente por varios agentes inteligentes, construyendo la escena 3D del juego, escribiendo la lógica de interacción y validando visualmente, corrigiendo constantemente según los resultados de renderizado, para finalmente generar un mundo interactivo operable que corresponda a la intención del usuario.

En la modelación 3D de Blender, MiMo-V2.6 puede completar la modelación 3D de objetos y escenas en

MiMo-V2.6-Pro creó una obra de música de cámara que incluye aproximadamente diez instrumentos según los requisitos, luego generó la partitura y la convirtió automáticamente en MIDI.

Xiaomi ha abierto completamente la fuente de MiMo-V2.6-Pro, los pesos del modelo Flash y el informe técnico, y simultáneamente ha liberado los recursos de investigación relacionados con MiMo-V2.6-Distill-Qwen-9B y su conjunto RL. Los contenidos abiertos incluyen: más de 7k entornos de tareas RL de alta calidad, que cubren tareas de agentes inteligentes en cuatro categorías: ingeniería de software, reproducción de vulnerabilidades, trabajo basado en conocimiento y desarrollo de diseño web; marco de entrenamiento RL de extremo a extremo basado en verl, uni-agent y mini-swe-agent; y un Harness liviano y combinable, con la liberación de mini-harnesses extremadamente simples.

En cuanto al uso, el cliente de escritorio MiMo Desktop y el plan de suscripción de miembros están ahora disponibles, y la serie MiMo-V2.6 está ya en la plataforma abierta Xiaomi MiMo. Los precios de las API se mantienen sin cambios. MiMo-V2.6-Pro ofrece en la plataforma abierta una opción de modo UltraSpeed de alta velocidad, que proporciona una velocidad de salida máxima de 20 veces.