📱 Xiaomi в прямом эфире показала обучение MiMo-V2.6 с подкреплением

Xiaomi провела публичную трансляцию процесса reinforcement-learning для своей модели MiMo-V2.6 - компания впервые открыла доступ к тому, как именно идёт обучение флагманской ИИ-модели.

Формат стрима нетипичен для индустрии: обычно этапы RLHF и посттренировки держат закрытыми, поскольку они напрямую влияют на качество ответов и поведение модели. Xiaomi, судя по всему, делает ставку на прозрачность как часть позиционирования MiMo в конкурентной гонке с другими китайскими и международными лабораториями.

Детали архитектуры и конкретные метрики в открытом доступе пока не раскрыты - трансляция носила скорее демонстрационный характер. Для разработчиков и исследователей это сигнал, что Xiaomi продолжает активно вкладываться в собственный модельный стек, а не только в интеграцию чужих решений.

#AI #Xiaomi #MiMo #LLM #ML #ModelEducation

📱 Xiaomi выпустила и открыла MiMo-V2.6: сильнейшая открытая модель по индексу Artificial Analysis

Сегодня Xiaomi представила и открыла серию MiMo-V2.6. В ней две нативно омнимодальные модели: Pro, самая мощная у компании на сегодня, и Flash как баланс интеллекта, эффективности и цены. Отдельно раскатывают Pro-UltraSpeed с выдачей до 20 раз быстрее при том же качестве. Главная цифра: MiMo-V2.6-Pro набирает 46,32 в Artificial Analysis Intelligence Index v4.3, обходя Kimi K3 и Qwen3.8 Max и становясь сильнейшей открытой моделью. При этом цены API оставили на уровне V2.5, то есть Flash идёт по $0,14 за миллион входных и $0,28 за выходные, Pro по $0,435 и $0,87, а UltraSpeed по $4,35 и $8,7.

Самое интересное в релизе не бенчмарки, а то, что компания называет своим движением к RSI, рекурсивному самоулучшению, и то, насколько открыто оно шло. Продакшн-прогон RL Xiaomi стримила в прямом эфире из логов тренера. За меньше шести дней Flash и Pro прошли по 30 шагов RL на примерно 750 тыс. траекторий, стоимость составила около $0,85 млн и $2,62 млн соответственно. На отложенном DeepSWE v1.1 результат вырос с 48,8 до 65,68 и с 58,4 до 72,57. Масштабировали по трём осям: большие батчи на полностью асинхронной архитектуре по 1568 сэмплов на обновление и обучение до 1M контекста, мультизадачный набор из кодинга, агентов, визуальных и кибер-задач, плюс больше вычислений на грейдеры. Роутер в процессе заморозили, чтобы подавить дрейф, и выстроили защиту от reward hacking. Открывают всё: техрепорт, тренировочные среды и код RL.

Прикладная часть подаётся как переход от vibe coding к vibe world. Модель собирает 3D-сцены и логику взаимодействия по картинке или тексту, координируя несколько агентов и проверяя результат по рендеру, лепит объекты в Blender, а в симуляции берёт на вход несколько камер и в замкнутом контуре управляет рукой Franka Panda для захвата и точной укладки предметов. Плюс фронтенд и слайды по одной строке брифа, работа с Figma, сквозное видео с монтажом под бит и озвучкой через MiMo-V2.5-TTS, и даже композиция: Pro написал партитуру для оркестра примерно на десять инструментов и сам сконвертировал её в MIDI.

Научные кейсы тоже конкретные. Материаловеды Xiaomi поручили Pro спроектировать новый металл-органический каркас для адсорбции PFAS: модель прошерстила литературу и патенты, выдвинула гипотезы, а затем сама развернула среду симуляции, посчитала энергии связывания и отобрала кандидатов под мокрый эксперимент. Второй кейс ещё показательнее: Pro помог исследователям формализовать в Lean 4 основную теорему классической работы Ли и Йорка «Period Three Implies Chaos», проект вышел больше 6000 строк, доказательство прошло проверку ядром Lean без заглушек, причём Lean-специфичного посттренинга у модели не было. Модели уже доступны в AI Studio, MiMo Code, MiMo Desktop, через API и на OpenRouter, а сам MiMo Desktop вышел из раннего доступа в первый официальный релиз.

#AI #Tech #Xiaomi #MiMo #OpenSource