Xiaomi MiMo-V2.6 Pro: новая открытая модель для генерации 3D и сложных ИИ-агентов

Компания Xiaomi представила новое поколение своих мультимодальных разработок — серию MiMo-V2.6. В линейку вошли две открытые модели: флагманская MiMo-V2.6 Pro и облегченная версия Flash. Этот релиз стал значимым событием для индустрии, так как старшая модель продемонстрировала рекордные показатели производительности, опередив конкурентов в сегменте Open Source и вплотную приблизившись к закрытым проприетарным решениям в специфических тестах на агентность.

Архитектура и технические характеристики MiMo-V2.6 Pro

Флагманская модель MiMo-V2.6 Pro построена на базе архитектуры Mixture-of-Experts (MoE). Общий объем параметров нейросети составляет 1,02 триллиона, однако благодаря оптимизации в каждый момент времени активируется лишь 42 миллиарда параметров. Это позволяет сочетать огромный объем накопленных знаний с относительно эффективным потреблением вычислительных ресурсов при генерации ответов.

Одной из ключевых особенностей новинки стало окно контекста размером до 1 миллиона токенов, что позволяет модели обрабатывать колоссальные объемы данных за один запрос. MiMo-V2.6 Pro является полностью мультимодальной: она способна воспринимать и генерировать не только текст, но также изображения, видео и аудиофайлы. В рейтинге Artificial Analysis Intelligence Index модель набрала 46,32 балла, став самой сильной открытой моделью в этом списке. В тестах на агентную работу Xiaomi заявляет о сопоставимости результатов с такими гигантами, как Claude Opus 5 и GPT-5.6 Sol.

Автономные агенты и работа с 3D-графикой

Разработчики уделили особое внимание развитию навыков ИИ как самостоятельного агента. Модель MiMo-V2.6 Pro не просто отвечает на вопросы, но и способна выполнять сложные последовательности действий в цифровой среде:

• самостоятельное написание и запуск программного кода;
• управление интерфейсом компьютера для решения пользовательских задач;
• проектирование интерфейсов и автоматическое создание презентаций;
• создание и настройка сложных сцен в редакторе Blender;
• координация работы нескольких ИИ-агентов для выполнения одной масштабной цели.

Отдельным достижением стала функция интерактивной генерации 3D-миров. Пользователь может задать описание текстом, загрузить изображение или видео, на основе которых нейросеть выстроит объемную сцену. Процесс автоматизирован: модель разбивает задачу на этапы, пишет необходимый код, запускает рендеринг, анализирует полученный результат на предмет ошибок и вносит правки в реальном времени до достижения нужного качества.

Обучение, стоимость использования и доступность

Для достижения столь высоких показателей Xiaomi применила интенсивный цикл обучения с подкреплением (Reinforcement Learning). RL-прогон длился почти шесть дней и охватил около 750 тысяч траекторий для каждой из моделей. Инвестиции в обучение оказались значительными: подготовка версии Pro обошлась компании примерно в $2,62 млн, а версии Flash — в $850 тысяч. Важно отметить, что Xiaomi сохраняет приверженность принципам открытости: компания опубликовала не только веса моделей, но и код обучения, описание окружений и подробный технический отчет.

Для разработчиков и бизнеса предложено несколько вариантов доступа. Модели уже размещены в коллекции на Hugging Face. Также доступ реализован через API, платформу OpenRouter, специализированный инструмент MiMo Code и десктопное приложение от Xiaomi. С официальной документацией проекта можно ознакомиться на сайте MiMo.

Ценовая политика для API MiMo-V2.6 Pro установлена на уровне $0,435 за миллион входных токенов и $0,87 за миллион выходных. Для тех, кому критична скорость отклика, представлена специальная версия MiMo-V2.6 Pro UltraSpeed. По заявлениям Xiaomi, она работает до 20 раз быстрее стандартной версии при сохранении аналогичного качества генерации, однако стоимость использования ее API в десять раз выше стандартного тарифа.