Xiaomi обошла DeepSeek и Qwen: её open weights модели возглавили рейтинг за $2,6 млн

Данные о релизе опубликовали аналитики Artificial Analysis и участники AI News (Latent Space). До этого Xiaomi не воспринимали как фронтирную ИИ-лабораторию: компания известна телефонами, умным домом и электромобилями. Теперь она конкурирует с DeepSeek, Qwen и GLM на их поле, причём делает ставку на полную открытость: открытые веса (open weights, когда параметры модели доступны для скачивания и запуска на своём оборудовании), код окружений для обучения с подкреплением (RL) и технический отчёт вышли меньше чем через неделю после финальной тренировки.

Что появилось в этом релизе?

• Три модели в одной серии. Pro даёт лучшее качество, Flash экономит ресурсы, UltraSpeed обещает генерацию до 20 раз быстрее Pro при том же качестве.
• Омнимодальность «из коробки». Модели изначально обучены работать с несколькими типами данных одновременно, а не дообучены поверх текстовой основы.
• Лицензия MIT. По данным @victormustar, веса распространяются под MIT, самой свободной из стандартных лицензий: можно использовать в коммерческих продуктах без отчислений.
• Открытые RL-среды и рецепты. Xiaomi публикует код окружений для генерации кода, кибербезопасности, веб-разработки, музыки и агентных задач. Набор из более чем 7 000 задач для RL пока не выложен, но компания заявила о планах его опубликовать.
• Рекордно дешёвая RL-тренировка. По данным @zephyr_z9, финальный этап обучения с подкреплением занял 130 часов, 75 млрд токенов и обошёлся в 2,6 млн долларов. Команда использовала JAX и TPU, где, по словам @tianjun_zhang, масштабирование сводится к изменению конфигурации, а не переписыванию кода.
• Первое место в открытом рейтинге. По данным Artificial Analysis, MiMo-V2.6-Pro дебютировала на вершине Intelligence Index (оценка 46) среди моделей с открытыми весами.

Откуда взялась команда?

Фули Ло (Fuli Luo), ранее работавший в DeepSeek, перешёл в Xiaomi и возглавил проект. Именно он за несколько дней до релиза начал публиковать в реальном времени метрики финальных тренировочных запусков, что аналитики назвали необычно высоким уровнем прозрачности для индустрии.

Как попробовать?

1. Перейдите на страницу проекта MiMo-V2.6 (ссылка на репозиторий указана в аккаунте @XiaomiMiMo).
2. Скачайте веса модели Flash, если у вас ограничены ресурсы, или Pro, если нужно лучшее качество.
3. Запустите локально через совместимый фреймворк (поддерживается JAX и стандартные инструменты для моделей на архитектуре MoE, Mixture of Experts, когда из триллиона параметров одновременно работают только 42 млрд, что снижает нагрузку на железо).
4. Для тестирования RL-сред клонируйте репозиторий mimoagent environments и следуйте рецептам из технического отчёта.

Сравнение с доступными в России вариантами

Из моделей, доступных российским пользователям без VPN, ближайшие аналоги по назначению: YandexGPT и GigaChat (от Сбера). Обе являются закрытыми моделями (closed-source), то есть их нельзя скачать и запустить на своём сервере.

Прямое сравнение качества некорректно: независимых бенчмарков, где все три модели тестировались бы на одних задачах, в источнике нет.

Что делать с этим прямо сейчас, по ролям?

Автору на Дзене. MiMo-V2.6-Flash под лицензией MIT можно использовать для генерации черновиков, подписей к изображениям или анализа визуального контента. Если у вас нет мощного компьютера, дождитесь появления модели на облачных платформах: открытая лицензия это гарантирует.

Маркетологу. Модель с открытыми весами означает, что агентства и студии смогут встраивать её в продукты без лицензионных отчислений. Стоимость инференса ниже доллара за миллион токенов снижает порог для массовых задач: рассылки, персонализация, автоматический анализ отзывов.

Предпринимателю в РФ и СНГ. Модель не заблокирована по региону, но требует самостоятельного развёртывания. Для малого бизнеса проще подождать, пока провайдеры вроде Together, Fireworks или российские облака (Selectel, Yandex Cloud) добавят её в каталог.

Частые вопросы

Можно ли использовать MiMo-V2.6 для коммерческих проектов?

Да. По данным @victormustar, модели распространяются под лицензией MIT, которая разрешает коммерческое использование, модификацию и встраивание в продукты без отчислений.

Нужен ли мощный сервер для запуска?

Модель Pro содержит 1,02 трлн параметров (из них одновременно активны 42 млрд). Для локального запуска нужен сервер с достаточным объёмом видеопамяти. Flash-версия легче, но точные требования к железу в источнике не указаны. Для большинства пользователей проще дождаться появления модели у облачных провайдеров.

Чем MiMo-V2.6 отличается от DeepSeek и Qwen?

Все три семейства используют архитектуру MoE и доступны с открытыми весами. По рейтингу Artificial Analysis Intelligence Index, MiMo-V2.6-Pro заняла первое место среди open weights моделей на момент релиза. Прямого сравнения с последними версиями DeepSeek V4-Pro и Qwen3.8-Max на одних задачах источник не приводит, поэтому корректнее говорить о сопоставимом уровне, а не о безусловном лидерстве.