Xiaomi rende open source MiMo-V2.6: 46 sull'AA Index, prezzi bloccati alla V2.5 e l'intero arsenale RL

Cosa è stato rilasciato (22 set, canali ufficiali)

• MiMo-V2.6-Pro. Il modello di punta per il ragionamento — nativamente omni-modale, da mille miliardi di parametri, pensato per progetti complessi a lungo raggio, carichi di lavoro di cybersecurity e ricerca. Chiamalo come mimo-v2.6-pro.
• MiMo-V2.6-Flash. Omni-modale, ad alta intelligenza, a basso costo — posizionato per l'uso professionale ad alta frequenza. La definizione di Xiaomi: supera completamente il precedente MiMo-V2.5-Pro, che la nostra guida ai LLM cinesi più economici elenca ancora al benchmark della V2.5.
• MiMo-V2.6-Pro-UltraSpeed. Prestazioni di livello Pro con una velocità di inferenza fino a 20 volte superiore, pensato per la produzione sensibile alla latenza — disponibile sull'API della piattaforma aperta e all'interno di MiMo Desktop.
• Prezzi bloccati ai livelli di V2.5. Xiaomi dichiara un record nazionale di rapporto prezzo-prestazioni: a parità di intelligenza, da 1/20 a 1/60 del prezzo dei modelli esteri. Il punto di riferimento V2.5: $3/1M output fisso con contesto da 1M di token.
• Desktop + abbonamenti. MiMo Desktop (rilascio ufficiale) e gli abbonamenti a pagamento sono stati lanciati lo stesso giorno; l'ecosistema comprende ora MiMo Claw (integrazione con la suite per ufficio Kingsoft), MiMo Code e MiMo Studio.

Contesto per la linea V2.6: la serie V2.5 guadagna terreno sull'AA Index → addestramento RL trasmesso in live streaming (ago–set) → rilascio open di V2.6 + Desktop (22 set). La strategia dell'RL come contenuto è ormai il marchio di fabbrica di Xiaomi.

Il retroscena dell'addestramento: RL su larga scala in modalità aperta

Secondo il post ufficiale, l'addestramento RL di MiMo-V2.6 rappresenta probabilmente la maggiore potenza di calcolo RL mai investita in un modello cinese a pesi aperti — e l'intero ciclo è stato trasmesso in live streaming. Meno di 6 giorni di addestramento RL dal vivo: Flash e Pro sono costati rispettivamente circa $0.85M e $2.62M, ciascuno completando 30 passaggi con ~750k traiettorie cumulative; i tassi medi di superamento dei task sono migliorati del 25% e del 12%. Sul benchmark a lungo raggio out-of-sample DeepSWE v1.1, i punteggi sono saliti di ~17 punti (da 48.8 a 65.7) per Flash e di ~14 punti (da 58.4 a 72.6) per Pro. L'addestramento è stato eseguito con un contesto di 1M di token e 3.5–3.7B token per passaggio, combinando famiglie di task Code, General, Visual e Cyber attraverso molteplici harness.

Sulla maggior parte dei benchmark per agenti, MiMo-V2.6-Pro si posiziona vicino a Claude Opus 5 e GPT-5.6 Sol. Le demo ufficiali ("Vibe World") vanno oltre: generazione di giochi 3D open-world, modellazione in Blender, manipolazione robotica embodied di un braccio Franka Panda, flussi di lavoro Computer-Use, uno screening di materiali MOF per l'assorbimento di PFAS e una formalizzazione completa in Lean 4 del teorema di Li-Yorke "il periodo tre implica il caos" (oltre 6.000 righe verificate dal kernel).

Cosa include il pacchetto open source

• Pesi + report tecnico. Raccolta Hugging Face XiaomiMiMo/mimo-v26 — tutti e tre i livelli, più MiMo-V2.6-Distill-Qwen-9B.
• Oltre 7.000 ambienti di task RL. Ingegneria del software, riproduzione di vulnerabilità, lavoro intellettuale e web design — gli ambienti su cui è stata addestrata la famiglia di modelli.
• Framework di addestramento RL end-to-end. Basato su verl / uni-agent / mini-swe-agent — lo stack utilizzato durante le trasmissioni live.
• Mini-harness componibili ed essenziali. Prompt di sistema, strumenti e gestione del contesto disaccoppiati; il Multi-Harness Training punta alla generalizzazione cross-framework.

Confronta questo modello di apertura con i pesi MIT di DeepSeek Vision-Exp — la corsia dei pesi aperti si sta affollando, ma nessun altro fornisce anche l'intero arsenale per il RL.

Posizionamento di prezzo rispetto al settore (per 1M di token)

MiMo non è ancora disponibile su relay di terze parti (al 25 set) — la tabella riflette l'API ufficiale della piattaforma aperta di Xiaomi; i modelli a catalogo sul relay mantengono i propri margini, consulta la guida completa ai prezzi.

Perché la vera svolta è l'apertura del RL

La formula multi-harness — addestrare un singolo modello su molteplici framework di agenti e rilasciare in open source gli harness stessi — indica che i fornitori di modelli ora ottimizzano direttamente per il livello degli harness, non solo per la qualità delle chat. Per gli sviluppatori, questo significa che il comportamento nativo per agenti (uso degli strumenti, disciplina del contesto, affidabilità multi-step) sta diventando un criterio di rilascio di primo piano, e non un adattamento a valle. L'ecosistema MiMo applica già questa logica end-to-end: MiMo Claw abbina i modelli di punta alla suite per ufficio Kingsoft sotto forma di abbonamento; MiMo è stato inoltre integrato in client per agenti come Hermes Agent con una finestra gratuita a tempo limitato. L'intersezione tra modelli open di frontiera e harness per agenti continua a farsi sempre più ricca e dinamica.

Fonti primarie

• Annuncio ufficiale Xiaomi MiMo (22-09-2026) — Rilascio V2.6, scala RL, catalogo open source
• Changelog dei modelli su mimo.mi.com — Nomi API e prezzi
• Hugging Face XiaomiMiMo/mimo-v26 — Pesi e report tecnico
• Riferimenti interni: Pesi aperti di Qwen3.8 · Vision-Exp MIT open source · Guida al massimo risparmio (benchmark V2.5 ancora presente)

FAQ (2026)