샤오미, MiMo-V2.6 오픈소스 공개: AA 인덱스 46점, V2.5 가격 동결, RL 트레이닝 스택 전면 공개

출시 내역 (9월 22일, 공식 채널)

• MiMo-V2.6-Pro. 플래그십 추론 모델 — 네이티브 옴니모달, 트릴리언 파라미터, 복잡한 장기 프로젝트·사이버보안·연구 워크로드에 최적화. 호출 시 mimo-v2.6-pro 사용.
• MiMo-V2.6-Flash. 옴니모달, 고지능, 저비용 — 고빈도 전문 활용에 포지셔닝. 샤오미 자체 표현: 이전 MiMo-V2.5-Pro를 완전히 능가하며, 해당 모델은 저희 중국 LLM 최저가 가이드에 V2.5 기준으로 여전히 수록되어 있습니다.
• MiMo-V2.6-Pro-UltraSpeed. Pro 수준 성능에 최대 20배 추론 속도 — 지연 시간에 민감한 프로덕션 환경용. 오픈 플랫폼 API 및 MiMo Desktop에서 이용 가능.
• V2.5 가격 동결. 샤오미는 동일 지능 기준 국내 최고 가성비를 주장합니다: 해외 모델 대비 1/20~1/60 수준. V2.5 기준 가격: 100만 토큰 컨텍스트에서 출력 $3/1M 고정.
• Desktop + 구독. MiMo Desktop(정식 출시)과 유료 구독이 같은 날 출시되었으며, 에코시스템은 이제 MiMo Claw(킹소프트 오피스 연동), MiMo Code, MiMo Studio로 확장됩니다.

V2.6 라인의 배경: V2.5 시리즈로 AA 인덱스 주목 → RL 트레이닝 라이브 스트리밍 (8~9월) → V2.6 오픈 출시 + Desktop (9월 22일). '콘텐츠로서의 RL' 전략은 이제 샤오미의 트레이드마크가 되었습니다.

트레이닝 스토리: 오픈 환경에서의 대규모 RL

공식 발표에 따르면, MiMo-V2.6의 RL 트레이닝은 중국 오픈 웨이트 모델 역사상 가장 큰 RL 컴퓨팅 투자로 평가되며, 전 과정이 라이브 스트리밍으로 공개되었습니다. 6일 미만의 라이브 RL 트레이닝 기간 동안 Flash와 Pro에 각각 약 $85만, $262만이 투입되었으며, 각각 30단계를 완료하고 누적 약 75만 개의 궤적을 생성했습니다. 평균 태스크 통과율은 25%와 12% 향상되었습니다. 아웃오브샘플 DeepSWE v1.1 장기 벤치마크에서 Flash는 약 17점 (48.8→65.7), Pro는 약 14점 (58.4→72.6) 상승했습니다. 트레이닝은 100만 토큰 컨텍스트, 단계당 35~37억 토큰으로 진행되었으며, 여러 하네스에 걸쳐 코드·일반·비주얼·사이버 태스크 패밀리를 혼합하여 학습했습니다.

대부분의 에이전트 벤치마크에서 MiMo-V2.6-Pro는 Claude Opus 5, GPT-5.6 Sol에 근접한 성능을 보입니다. 공식 데모('Vibe World')는 더 나아가: 3D 오픈월드 게임 생성, Blender 모델링, Franka Panda 로봇팔의 물리적 조작, Computer-Use 워크플로, PFAS 흡착 MOF 소재 스크리닝, 그리고 Li–Yorke '주기 3은 혼돈을 내포한다' 정리의 Lean 4 완전 형식화(커널 검증 6,000줄 이상)까지 시연되었습니다.

오픈소스 패키지 구성

• 웨이트 + 기술 보고서. Hugging Face XiaomiMiMo/mimo-v26 컬렉션 — 세 가지 티어 전부, MiMo-V2.6-Distill-Qwen-9B 포함.
• 7,000개+ RL 태스크 환경. 소프트웨어 엔지니어링, 취약점 재현, 지식 업무, 웹 디자인 — 모델 패밀리 트레이닝에 사용된 환경들.
• 엔드투엔드 RL 트레이닝 프레임워크. verl / uni-agent / mini-swe-agent 기반 — 라이브 스트리밍을 구동한 스택.
• 경량 조합형 미니 하네스. 시스템 프롬프트·도구·컨텍스트 관리가 분리되어 구성; 멀티 하네스 트레이닝은 크로스 프레임워크 일반화를 목표로 합니다.

DeepSeek Vision-Exp MIT 웨이트와 오픈성 패턴을 비교해 보세요 — 오픈 웨이트 진영이 점점 치열해지고 있지만, RL 트레이닝 스택 전체를 함께 공개한 곳은 아직 없습니다.

경쟁 모델 가격 비교 (1M 토큰당)

MiMo는 9월 25일 기준 서드파티 중계 플랫폼에 아직 미지원 — 표는 샤오미 공식 오픈 플랫폼 API 기준; 중계 모델은 자체 마진 적용, 자세한 내용은 전체 가격 가이드를 참고하세요.

RL 공개가 핵심인 이유

멀티 하네스 방식 — 다양한 에이전트 프레임워크로 하나의 모델을 트레이닝하고 하네스 자체를 오픈소스로 공개 — 은 모델 벤더들이 이제 채팅 품질이 아닌 하네스 레이어에 직접 최적화하고 있다는 신호입니다. 개발자 입장에서는 에이전트 네이티브 동작(도구 사용, 컨텍스트 규율, 다단계 신뢰성)이 사후 적응 과제가 아닌 1급 출시 기준이 되고 있음을 의미합니다. MiMo 에코시스템은 이미 이 논리를 엔드투엔드로 실행 중입니다: MiMo Claw는 플래그십 모델과 킹소프트 오피스를 구독 형태로 결합하고, MiMo는 Hermes Agent 같은 에이전트 클라이언트에도 한시적 무료 창구로 연동되었습니다. 프론티어 오픈 모델과 에이전트 하네스의 교차점은 점점 더 분주해지고 있습니다.

1차 출처

• 小米 MiMo 官方公告（2026-09-22）— V2.6 发布、RL 规模、开源清单
• mimo.mi.com 模型更新日志 — API 名称与定价
• Hugging Face XiaomiMiMo/mimo-v26 — 权重与技术报告
• 관련 페이지: Qwen3.8 오픈 웨이트 · Vision-Exp MIT 오픈소스 · 최저가 가이드 (V2.5 기준 수록)

자주 묻는 질문 (2026)