Xiaomi veröffentlicht MiMo-V2.6 mit neuer RL-Architektur für Agenten

Modelle

Am 23. September hat Xiaomi die Modellreihe MiMo-V2.6 veröffentlicht und vollständig als Open Source freigegeben, samt Modellgewichten und technischem Report. Die Reihe besteht aus den Varianten Pro und Flash, beide multimodal für Text, Bild, Video und Audio. Pro hat 1,02 Billionen Gesamtparameter bei 42 Milliarden aktivierten Parametern, Flash kommt auf 309 Milliarden Gesamtparameter bei 15 Milliarden aktivierten. Beide unterstützen einen Kontext von bis zu 1 Million Token.

Den Schwerpunkt legt Xiaomi laut Leiphone auf das Nachtraining per Reinforcement Learning, bei dem Aufgaben aus Code, allgemeinen Agenten, Bildverarbeitung und Netzwerksicherheit in einem gemeinsamen System trainiert werden. Das Unternehmen nennt diesen Ansatz "You Only RL Once". Ein einzelnes RL-Update verarbeitet 1568 Prompts mit je 16 Rollouts, insgesamt 25.088 Trajektorien. Pro besteht aus 70 Transformer-Schichten, davon 60 mit Sliding-Window-Attention (Fenstergröße 128 Token) und 10 mit globaler Attention, im MoE-Layer werden von 384 Experten jeweils 8 aktiviert. Das Training läuft laut Leiphone vollständig asynchron, Rollout-Generierung, Umgebungsausführung, Bewertung und Modellaktualisierung sind entkoppelt. Zur feineren Bewertung erfolgreicher Trajektorien setzt Xiaomi laut der Meldung die Verfahren Groupwise Reward Synthesis und Groupwise Advantage Redistribution ein, ergänzt um Multi-Prefix Multi-Teacher On-Policy Distillation für schwer automatisiert bewertbare Aufgaben.

Nach Angaben von PingWest erreichte Pro im Artificial-Analysis-Intelligenzindex 46 Punkte und übertrifft damit Kimi K3 und Qwen3.8 Max; das Unternehmen bezeichnet es als aktuell stärkstes offenes Modell. Bei Agenten-Benchmarks liege Pro auf Höhe von Claude Opus 5 und GPT-5.6 Sol, das sechstägige RL-Training habe dafür laut der Meldung rund 850.000 beziehungsweise 2,62 Millionen US-Dollar gekostet. Zusätzlich hat Xiaomi mehr als 7000 RL-Aufgabenumgebungen offengelegt und einen Desktop-Client veröffentlicht.

Für mich zeigt diese Meldung vor allem, dass sich der Wettbewerb bei chinesischen Modellen von reiner Parametergröße zu Trainingsinfrastruktur verschiebt. Wenn ein Update wie bei MiMo-V2.6 gleich 25.088 Trajektorien erzeugt und asynchron verarbeitet, wird die Fähigkeit, aus diesen Trajektorien verwertbare Lernsignale herauszuholen, zum eigentlichen Flaschenhals. Andere Anbieter, die noch mit synchronem RL und binären Rewards arbeiten, müssen hier nachziehen, wenn sie im Agenten-Bereich mithalten wollen. Die genannte Preisdifferenz zu westlichen Modellen setzt zudem den Preisdruck auf Anbieter wie Anthropic oder OpenAI fort, sofern sich die Leistungsangaben bestätigen.

Offen bleibt: Die Angaben zur Modellleistung, etwa der Rang als stärkstes offenes Modell und der Vergleich mit Claude Opus 5 und GPT-5.6 Sol, stammen allein aus Xiaomis eigener Mitteilung über PingWest, eine unabhängige Bestätigung fehlt.

Quellen: Leiphone neueste · PingWest