Le 22 septembre 2026, l'équipe MiMo de Xiaomi a officiellement publié et ouvert en open source la série de grands modèles MiMo-V2.6 via ses canaux officiels : le modèle phare MiMo-V2.6-Pro et le modèle de raisonnement efficace MiMo-V2.6-Flash. Les deux sont nativement omnimodaux — texte, image, vidéo et audio en entrée — et distribués sous licence MIT : les poids peuvent être téléchargés, déployés et exploités commercialement.
46 points en tête : ce que signifie la première place des modèles ouverts
Le chiffre le plus marquant vient de la plateforme indépendante Artificial Analysis : MiMo-V2.6-Pro a obtenu 46,32 points à l'Intelligence Index, dépassant Kimi K3 et Qwen3.8 Max pour devenir, au moment de la publication, le modèle à poids ouverts le mieux noté. La formulation de Xiaomi reste prudente : Pro rivalise avec Claude Opus 5 et GPT-6 Sol sur « la plupart » des benchmarks d'agents, pas sur tous. Les meilleurs modèles fermés conservent une avance d'un à quatre points — mais c'est la première fois qu'un effort open source chinois touche le seuil de l'élite mondiale.
L'entraînement diffusé en direct au monde entier : six jours, 3,47 millions de dollars
La vraie histoire de cette sortie n'est pas le nombre de paramètres, mais l'entraînement. L'architecture de pré-entraînement de la série MiMo-V2.6 est inchangée par rapport à la génération précédente ; le bond de capacité vient presque entièrement du post-entraînement par apprentissage par renforcement. Xiaomi a diffusé l'intégralité du run RL sur un tableau de bord public : coût, débit, scores de benchmark à chaque étape, le tout visible. Pro et Flash ont chacun accompli 30 étapes RL et environ 750 000 trajectoires en moins de six jours, pour un coût total d'environ 3,47 millions de dollars. Des observateurs externes ont même enregistré un redémarrage provoqué par la mémoire GPU en plein run.
Pas seulement les poids : la chaîne d'outils RL est venue avec
Ce qui mérite le plus d'attention, c'est l'ouverture qui accompagne le tout : le petit modèle distillé MiMo-V2.6-Distill-Qwen-9B, plus de 7 000 environnements de tâches de haute qualité, un framework d'entraînement RL de bout en bout et un framework d'agents léger et composable. Environnements d'entraînement, code d'entraînement et outils de vérification sont tous ouverts.
Le point de vue : trois raisons de prendre cela au sérieux
Premièrement, la multimodalité complète devient pour la première fois la configuration standard d'un modèle ouvert de classe Pro ; la compréhension multimodale n'est plus un accès privilégié des modèles fermés. Deuxièmement, la stratégie « jeu ouvert » du RL à grande échelle : publier le processus d'entraînement, le coût et même les échecs est à la fois une marque de confiance dans l'ingénierie et une manière de faire de « reproductible » un nouveau standard de l'industrie. Troisièmement, le prix : les tarifs API restent au niveau de la V2.5, avec un coût par tâche mesuré à 0,13 dollar pour Pro, soit seulement un vingtième à un soixantième de certains modèles étrangers. Bien sûr, 46 points ne signifient pas une supériorité totale — les propres tableaux de Xiaomi montrent Pro en retrait sur certains tests de code et de sécurité. La lecture mesurée : le camp open source dispose pour la première fois d'un modèle chinois capable de se tenir sur la même scène que les meilleurs modèles fermés, et ses méthodes d'entraînement et sa chaîne d'outils sont ouvertes au monde entier.
