Am 22. September 2026 hat Xiaomis MiMo-Team die Modellreihe MiMo-V2.6 offiziell vorgestellt und als Open Source veröffentlicht: das Flaggschiffmodell MiMo-V2.6-Pro und das effiziente Reasoning-Modell MiMo-V2.6-Flash. Beide sind nativ omnimodal, verarbeiten Text-, Bild-, Video- und Audioeingaben und stehen unter der MIT-Lizenz – die Gewichte können heruntergeladen, betrieben und kommerziell genutzt werden.
46 Punkte an der Spitze: Was der erste Platz bei offenen Modellen bedeutet
Die auffälligste Zahl stammt von der unabhängigen Plattform Artificial Analysis: MiMo-V2.6-Pro erreichte 46,32 Punkte im Intelligence Index und überholte damit Kimi K3 und Qwen3.8 Max – zum Veröffentlichungszeitpunkt das höchstbewertete Open-Weight-Modell. Xiaomi formuliert vorsichtig: Pro spiele mit Claude Opus 5 und GPT-6 Sol in den "meisten", nicht in allen Agent-Benchmarks auf Augenhöhe. Die führenden geschlossenen Modelle liegen noch ein bis vier Punkte vorn – doch erstmals berührt ein chinesisches Open-Source-Projekt die Schwelle zur weltweiten Top-Liga.
Der Trainingslauf live für die Welt: sechs Tage, 3,47 Millionen Dollar
Die eigentliche Geschichte dieser Veröffentlichung ist nicht die Parameterzahl, sondern das Training. Die Vor-Trainings-Architektur der MiMo-V2.6-Serie ist unverändert gegenüber der Vorgängergeneration; der Fähigkeitssprung stammt fast vollständig aus dem Reinforcement-Learning-Post-Training. Xiaomi übertrug den gesamten RL-Lauf live auf einem öffentlichen Dashboard: Kosten, Durchsatz und Benchmark-Werte pro Schritt – alles sichtbar. Pro und Flash absolvierten je 30 RL-Schritte und rund 750.000 Trajektorien in unter sechs Tagen, bei Gesamtkosten von etwa 3,47 Millionen Dollar. Externe Beobachter hielten sogar einen GPU-speicherbedingten Neustart mitten im Lauf fest.
Nicht nur die Gewichte: die RL-Toolchain kam gleich mit
Am bemerkenswertesten ist die begleitende Offenlegung: das destillierte Kleinmodell MiMo-V2.6-Distill-Qwen-9B, mehr als 7.000 hochwertige Aufgaben-Umgebungen, ein End-to-End-RL-Trainingsframework und ein leichtgewichtiges, komponierbares Agent-Framework. Trainingsumgebungen, Trainingscode und Verifizierungswerkzeuge sind alle offen.
Einordnung: drei Gründe, das ernst zu nehmen
Erstens: Volle Multimodalität wird erstmals zur Standardausstattung eines offenen Pro-Klasse-Modells; multimodales Verständnis ist kein privilegierter Zugang geschlossener Modelle mehr. Zweitens: die "offene Karten"-Strategie bei skaliertem RL. Trainingsprozess, Kosten und sogar Fehlschläge zu veröffentlichen, ist sowohl Vertrauen in die eigene Ingenieurskunst als auch ein Schritt, "reproduzierbar" zur neuen Branchenmesslatte zu machen. Drittens der Preis: Die API-Preise bleiben auf V2.5-Niveau, die gemessenen Kosten pro Aufgabe für Pro liegen bei 0,13 Dollar – nur ein Zwanzigstel bis ein Sechzigstel mancher ausländischer Modelle. Natürlich bedeuten 46 Punkte keine flächendeckende Überlegenheit; Xiaomis eigene Tabellen zeigen Pro in manchen Coding- und Sicherheitstests zurück. Die nüchterne Lesart: Erstmals hat das Open-Source-Lager ein chinesisches Modell, das mit den Top-Closed-Models auf derselben Bühne stehen kann – und seine Trainingsmethoden und Toolchain sind für die ganze Welt offen.
