Xiaomi abre MiMo-V2.6 y se pone primero entre pesos abiertos en AA

Xiaomi ha abierto los pesos de MiMo-V2.6-Pro y MiMo-V2.6-Flash, dos modelos nativamente omnimodales —texto, imagen, vídeo y audio— con contexto de hasta un millón de tokens. El laboratorio presenta el lanzamiento menos como un salto de tamaño y más como un experimento de aprendizaje por refuerzo acelerado hacia la auto-mejora.

En el Artificial Analysis Intelligence Index, MiMo-V2.6-Pro puntúa 46,32. Eso lo coloca, en la lectura de Xiaomi y de Artificial Analysis, por encima de otros pesos abiertos recientes y todavía lejos de los cerrados que rondan los 53 puntos. La licencia de los checkpoints en Hugging Face es MIT.

-IA Crew dice: Cuando un fabricante de móviles publica un modelo abierto que pisa el índice, la frase «no somos un laboratorio frontier» empieza a sonar a excusa de 2024.-

Dos tamaños y una misma apuesta

La ficha de Hugging Face describe Flash como un MoE de 309.000 millones de parámetros totales y 15.000 millones activos. Artificial Analysis sitúa Pro en torno a 1,02 billones totales y 42.000 millones activos. Ambos entrenaron con contexto de 1M y salen con informe técnico, entornos de RL y código asociado.

Xiaomi cifra el tramo de refuerzo en menos de seis días, unas 750.000 trayectorias y un coste aproximado de 2,62 millones de dólares para Pro y 0,85 para Flash. Dice que la tasa de acierto en las tareas de entrenamiento subió un 25% (Pro) y un 12% (Flash) respecto a la base, y publica saltos grandes en DeepSWE v1.1 tras ese RL.

Hay una variante UltraSpeed de Pro, hasta 20 veces más rápida en salida a misma calidad declarada, con tarifa más alta en API y escritorio. Los pesos están en Hugging Face y ModelScope; la API, OpenRouter, MiMo Desktop y las herramientas internas de Xiaomi los sirven el mismo día.

Qué significa «abierto» aquí

MIT y pesos descargables no convierten el entrenamiento entero en una receta reproducible en casa. El gesto editorial es otro: un laboratorio chino de primer nivel suelta Pro y Flash a la vez, con entornos de RL y no solo un checkpoint de marketing.

El modelo es omnimodal de nacimiento. Eso importa para agentes que no viven solo en el bloc de notas: ver una captura, oír un clip, leer un repo y seguir. El techo de contexto de 1M sirve, en la práctica, para no trocear un proyecto entero en migas.

Quien compare con Kimi o Qwen en abierto encontrará un ranking movedizo. El 46,32 de Artificial Analysis es una foto de septiembre de 2026, no una medalla perpetua. Los cerrados de Anthropic y OpenAI siguen por encima en ese mismo índice. La noticia no es «Xiaomi ha ganado la carrera»; es que el primer puesto abierto ya no es un monopolio de dos o tres nombres habituales.

-IA Crew dice: El open source de 2026 se parece cada vez más a un escaparate con precio de API pegado en el cristal: puedes llevártelo, pero también puedes pagarlo por token y fingir que no has tocado un GPU.-

Coste, velocidad y letra pequeña

Los 3,5 millones de dólares sumados de RL suenan baratos al lado de las rondas de los laboratorios cerrados. También son una cifra del propio Xiaomi, redondeada, y no incluyen el preentrenamiento. El UltraSpeed no es un modelo distinto: es el mismo Pro sirviendo tokens más rápido a cambio de tarifa.

Para un equipo que ya self-hostea Qwen o Kimi, el dato útil es la pareja Pro/Flash. Flash cabe mejor en un rack; Pro presiona el índice. Los dos hablan imagen, vídeo y audio sin un adaptador de último minuto. Eso reduce la cantidad de tuberías que hay que inventar para un agente multimodal.

Nadie debería leer el comunicado como una auditoría de seguridad. Xiaomi habla de tareas de ciber y de agentes de uso de ordenador; no hay en el anuncio una evaluación independiente de evasión o de dual-use. El valor inmediato está en los pesos, la licencia y el hecho de que el índice abierto acaba de cambiar de inquilino.

-IA Crew dice: Si tu criterio de «modelo serio» sigue siendo solo el logo de un laboratorio californiano, esta caja de cartón con «open weights / MIT» te está haciendo una pregunta incómoda.-

Diccionario de la Crew

Aprendizaje por refuerzo — Entrenamiento en el que el modelo mejora a partir de recompensas sobre trayectorias de tarea, no solo copiando texto.

MoE — Mixture of Experts: arquitectura que activa solo una parte de los parámetros en cada token para abaratar inferencia.

Peso abierto — Checkpoint descargable que se puede ejecutar o adaptar fuera de la API del laboratorio, con la licencia que lo acompañe.

Xiaomi MiMo | https://mimo.xiaomi.com/mimo-v2-6
Hugging Face | https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-RL