Xiaomi MiMo-V2.6: открытые омнимодальные модели с масштабированием RL
22 сентября 2026 года компания Xiaomi представила и открыла в открытом доступе серию моделей MiMo-V2.6. Релиз развивает направление рекурсивного самосовершенствования (RSI): масштабирование обучения с подкреплением (RL) на проверяемых сложных задачах, где модель расширяет возможности через исследовательский поиск и обратную связь.
В семейство вошли две базовые омнимодальные модели: флагманская MiMo-V2.6-Pro и оптимизированная по скорости и эффективности MiMo-V2.6-Flash. Также представлена модификация MiMo-V2.6-Pro-UltraSpeed, обеспечивающая ускорение генерации до 20 раз при сохранении качества ответов.
Позиция в бенчмарках
В сводном рейтинге Artificial Analysis Intelligence Index v4.3 модель MiMo-V2.6-Pro набрала 46.32 балла. Это лучший результат среди открытых моделей, превосходящий показатели Kimi K3 и Qwen3.8 Max.
Открытое обучение с подкреплением (Scaling RL)
Процесс производственного обучения транслировался в прямом эфире. Менее чем за шесть дней MiMo-V2.6-Flash и MiMo-V2.6-Pro выполнили по 30 шагов RL на выборке около 750 тысяч траекторий.
Средняя доля решенных задач из обучающего набора выросла на 25% у Flash и на 12% у Pro. На отложенном тесте программирования DeepSWE v1.1 результаты выросли на 17 пунктов (с 48.8 до 65.68) у Flash и на 14 пунктов (с 58.4 до 72.57) у Pro.
Вычисления при обучении масштабировали по трем направлениям:
- Асинхронная архитектура и крупные пакеты: 1 568 сэмплов на каждое обновление, длина контекста до 1 миллиона токенов, от 3.5 до 3.7 миллиарда токенов на шаг.
- Разнородные среды задач: многозадачный набор, объединяющий программирование, работу автономных агентов, визуальные интерфейсы и сценарии кибербезопасности.
- Вычисления на стороне оценщиков: групповое относительное сравнение дает точный сигнал награды на длинных цепочках шагов и направляет модель к коротким траекториям с меньшим расходом токенов.
Для стабильности инженеры заморозили роутер и внедрили защиту от искажения наград (reward hacking), включающую состязательное тестирование, выявление аномалий и перекрестную проверку между верификаторами. Все материалы, включая технический отчет, код RL и тестовые среды, опубликованы в открытом доступе.
От написания кода к интерактивным мирам (Vibe World)
Модель MiMo-V2.6 сочетает пространственное мышление в 3D, мультимодальное восприятие и возможности управления компьютером (Computer-Use Agent). Программирование на естественном языке распространяется за пределы текстового кода: к созданию интерактивных сред, трехмерных объектов и робототехнике.
Разработка 3D-игр
По текстовому описанию или изображению MiMo-V2.6 разбивает задачу на этапы, координирует субагентов для сборки 3D-сцены, пишет логику взаимодействия и выполняет визуальную проверку рендеров.
3D-моделирование в Blender
Модель создает трехмерные объекты и пространственные сцены в Blender по текстовому запросу или референсному кадру, подготавливая ассеты для анимации, трехмерной печати и игровых движков.
Робототехника и сенсорная симуляция
В виртуальных средах с физикой модель принимает потоки с нескольких камер, непрерывно принимает решения и управляет манипулятором Franka Panda в замкнутом контуре с визуальной обратной связью: захватывает предметы, сортирует объекты по цветам и позиционирует детали.
Визуальный дизайн и видео
MiMo-V2.6 создает готовые веб-интерфейсы и презентационные слайды со структурированной версткой, анимацией и рабочими компонентами. Модель взаимодействует с Figma и графическими инструментами, подбирая шрифты, палитру и расположение элементов.
В создании видео модель берет на себя сценарий, визуальный ряд, анимацию, сочинение фоновой музыки и синхронизацию переходов под ритм. Для обучающих роликов абстрактные понятия (например, преобразование Фурье) переводятся в последовательную визуальную схему с закадровым голосом, синтезированным моделью MiMo-V2.5-TTS.
Музыкальная композиция
В MiMo-V2.6 включены механизмы понимания теории музыки, гармонии и инструментовки. Модель способна сочинять законченные музыкальные фрагменты и генерировать MIDI-файлы.
Флагманской модели MiMo-V2.6-Pro поставили задачу написать оркестровую партитуру для десяти инструментов: струнной группы, гобоя, кларнета, трубы, тромбона, валторны, колокольчиков и литавр. Модель составила нотный текст и самостоятельно преобразовала его в формат MIDI.
Также представлены две фортепианные пьесы в тональности ля минор, демонстрирующие управление фактурой, динамикой и темпом:
Научные расчеты и формализация доказательств
Без предварительного специализированного обучения под научные задачи MiMo-V2.6 показала практические результаты в двух независимых исследованиях:
- Проектирование материалов: материаловеды Xiaomi поручили модели разработать металлоорганический каркас (MOF) типа UiO-67 на основе циркония для фильтрации перфторалкильных веществ (PFAS). Модель провела поиск по литературе и патентам, сформулировала гипотезы, подключила расчетные пакеты, автоматически настроила расчетную среду и вычислила энергию связывания между каркасом и молекулами PFAS.
- Формализация теоремы Ли-Йорка: MiMo-V2.6-Pro помогла математикам формализовать на языке Lean 4 классическую теорему «Период три влечет хаос» (Li-Yorke, 1975). Команда субагентов сгенерировала формулировки лемм и шаги доказательства. Итоговый проект составил более 6 000 строк кода на Lean 4 и был полностью проверен верификатором ядра без недоказанных мест (sorry).
Сводные результаты бенчмарков
| Направление | Бенчмарк | MiMo-V2.6-Pro | MiMo-V2.6-Flash | MiMo-V2.5-Pro | DeepSeek V4.1 Flash | Claude Opus 5 |
|---|---|---|---|---|---|---|
| Программирование | DeepSWE v1.1 | 71.9 | 67.9 | 19.0 | 74.2 | 74.0 |
| Программирование | ProgramBench | 26.5 | 26.0 | 12.5 | 20.3 | 37.0 |
| Программирование | MiMo Code Bench | 63.2 | 61.2 | 40.4 | 60.2 | 68.6 |
| Общие агенты | GDPVal 2.1 (AA Elo) | 1673 | - | 1107 | 1600 | 1708 |
| Общие агенты | Toolathlon-verified | 76.9 | 73.6 | 49.1 | - | 80.6 |
| Общие агенты | Automation Bench v1.0.6 | 53.1 | 52.3 | 16.0 | 54.8 | 50.3 |
| Общие агенты | Agents' Last Exam | 31.6 | 27.6 | 13.2 | 31.8 | 31.6 |
| Визуальный код | MiMo Visual Coding | 72.3 | 71.5 | - | 70.6 | 70.0 |
| Безопасность | CyberGym | 94.0 | 95.1 | 40.0 | 88.1 | - |
Где доступна модель
Модели семейства доступны:
- Веб-интерфейсы: Xiaomi AI Studio и MiMo Code.
- Приложение MiMo Desktop: вышел официальный релиз версии 1.0 с поддержкой режима UltraSpeed.
- Разработчикам: открытая платформа Xiaomi MiMo API, агрегатор OpenRouter и веса в коллекции HuggingFace.
- В экосистеме VEGA AI: модели будут интегрированы в каталог чата и API для российских пользователей.