The Pulse
Xiaomi pubblica in open source MiMo-V2.6 e il suo stack di apprendimento per rinforzo
Xiaomi ha annunciato MiMo-V2.6 il 22 settembre, pubblicando i pesi dei modelli Pro e Flash insieme al codice per l’apprendimento per rinforzo, agli ambienti di addestramento e a un rapporto tecnico. Secondo l’azienda, il suo ciclo di addest
AI.info Team · Scritto con l’IA ·
Secondo Xiaomi, MiMo-V2.6-Pro ottiene prestazioni vicine a quelle dei principali modelli chiusi in molti test per agenti, ma la tabella dei benchmark dell’azienda mostra risultati che variano a seconda del compito. La pubblicazione del 22 settembre affianca ai pesi dei modelli Pro e Flash un pacchetto più ampio: il codice di Xiaomi per l’apprendimento per rinforzo, gli ambienti di addestramento e un rapporto tecnico.
L’annuncio presenta la pubblicazione come un tentativo di rendere riproducibile l’addestramento di agenti su larga scala, non soltanto di pubblicare un’altra serie di pesi dei modelli. Xiaomi afferma che entrambi i modelli hanno completato 30 passaggi di addestramento in meno di sei giorni, su circa 750.000 traiettorie. Le affermazioni e i risultati provengono dall’azienda; i materiali pubblicati non documentano una replica indipendente.
Trenta passaggi di addestramento, 750.000 traiettorie
Xiaomi afferma di aver speso circa 2,62 milioni di dollari per addestrare MiMo-V2.6-Pro e circa 850.000 dollari per Flash. L’azienda riferisce che i tassi medi di superamento dei compiti di addestramento sono aumentati del 12% per Pro e del 25% per Flash. Nella sua valutazione di ingegneria del software DeepSWE v1.1, condotta su dati non usati nell’addestramento, Xiaomi riferisce che Pro è passato da 58,4 a 72,6 e Flash da 48,8 a 65,7.
La configurazione di addestramento amplia insieme tre elementi: la dimensione dei batch e la capacità di elaborazione, la varietà dei compiti e la potenza di calcolo impiegata dai sistemi di valutazione per esaminare gli output dei modelli. Secondo Xiaomi, ogni aggiornamento ha utilizzato 1.568 campioni, con un addestramento che supportava un contesto di un milione di token ed elaborava da 3,5 a 3,7 miliardi di token per passaggio. I compiti comprendevano programmazione, attività generali per agenti, attività visive e cybersicurezza.
La pubblicazione in open source comprende ambienti e codice di addestramento
Xiaomi elenca oltre 7.000 ambienti di compiti per l’apprendimento per rinforzo nei campi dell’ingegneria del software, della riproduzione di vulnerabilità, delle attività ad alta intensità di conoscenza e della progettazione e sviluppo web. Ha inoltre pubblicato un framework di addestramento end-to-end basato su verl, uni-agent e mini-swe-agent, che comprende l’interazione con gli ambienti, la raccolta delle traiettorie, la valutazione delle ricompense e l’ottimizzazione della policy.
La pubblicazione comprende i pesi e i rapporti tecnici di MiMo-V2.6-Pro e Flash, oltre a MiMo-V2.6-Distill-Qwen-9B e a risorse di supporto per la ricerca sull’apprendimento per rinforzo. Xiaomi afferma che il suo processo di addestramento mantiene fisso il router mixture-of-experts per limitare le variazioni nella distribuzione del carico tra gli esperti e impiega la progettazione delle ricompense, la valutazione avversariale, il rilevamento delle anomalie e controlli incrociati tra validatori per contrastare il reward hacking. La scheda di Pro indica che il modello è distribuito con licenza MIT; non si deve presumere che questa indicazione si applichi automaticamente a ogni elemento del più ampio stack di addestramento.
«Abbiamo pubblicato in open source i risultati tecnici e le risorse di supporto citati, tra cui il rapporto tecnico completo, l’ambiente di addestramento e il codice per l’apprendimento per rinforzo, per aiutare un maggior numero di ricercatori a riprodurre e verificare i risultati pertinenti e a esplorare insieme ulteriori possibilità dell’apprendimento per rinforzo su larga scala e dell’auto-miglioramento dei modelli.»
Xiaomi MiMo
I risultati dei benchmark variano a seconda del compito
Xiaomi descrive Pro come capace di eguagliare Claude Opus 5 e GPT-5.6 Sol nella maggior parte dei benchmark per agenti. La scheda del modello Pro pubblicata offre un confronto più dettagliato: Pro ottiene 71,9 su DeepSWE v1.1, meno dei 74,0 indicati per Claude Opus 5 e dei 73,0 per GPT-5.6 Sol. Su Toolathlon-Verified, Pro ottiene 76,9 contro gli 80,6 di Opus 5, mentre su AutomationBench v1.0.6 ottiene 53,1, superando i 50,3 di Opus 5.
Questi dati provengono dalla scheda del modello di Xiaomi, non da una valutazione indipendente, e i risultati di un singolo test non dimostrano una superiorità generale. La pubblicazione mette a disposizione dei ricercatori materiali da esaminare e con cui tentare di riprodurre l’addestramento, ma i costi, gli aumenti dei tassi di superamento e i confronti tra benchmark riportati restano affermazioni di Xiaomi.
Pesi e accesso via API arrivano insieme
Secondo Xiaomi, i nuovi modelli mantengono i prezzi API della serie V2.5, con l’aggiunta di MiMo-V2.6-Pro UltraSpeed, che a detta dell’azienda può offrire un’inferenza fino a 20 volte più veloce. I modelli sono disponibili anche tramite la piattaforma API e il client desktop di Xiaomi. Il contributo centrale della pubblicazione è il pacchetto di addestramento pubblico: oltre ai modelli, rende disponibili gli ambienti e il codice che Xiaomi afferma di aver usato per addestrarli.