Xiaomi MiMo-V2.6: IA open source grátis pra baixar

Xiaomi MiMo-V2.6 apresenta os modelos Pro e Flash open-source em 22 de setembro de 2026. O anúncio da Xiaomi reúne eficiência, custo e benchmarks; acompanhe também mais análises no Nerd Minimalista.

Os pesos de Pro e Flash saíram sob licença MIT no Hugging Face. Abaixo, o que a empresa anunciou — e o que ainda precisa de reprodução independente.

Xiaomi MiMo-V2.6: arquitetura segundo a Xiaomi

Xiaomi MiMo-V2.6: Pro e Flash usam Mixture-of-Experts esparso, suporte nativo a texto, imagem, vídeo e áudio, e janela de contexto de até 1 milhão de tokens.

• MiMo-V2.6-Pro: ~1,02 trilhão de parâmetros no total; ~42 bilhões ativados por inferência.
• MiMo-V2.6-Flash: ~309 bilhões no total; ~15 bilhões ativados.

Os dois compartilham encoders de visão e áudio e um módulo de multi-token prediction em 5 camadas para speculative decoding. Pro mira programação complexa, agentes de longo prazo e pesquisa; Flash mira custo de inferência menor.

A série também inclui um modelo de 9B destilado da arquitetura Qwen; o repositório no Hugging Face lista três modelos MiMo-V2.6 no total. O destaque desta leva, porém, são Pro e Flash.

Xiaomi MiMo-V2.6: RL em escala, não só parâmetros

Luo Fuli (chefe do time de large models da Xiaomi, ex-DeepSeek) descreveu o processo como um caminho difícil de “reinforcement learning scaling”. Em termos de investimento computacional, a Xiaomi posiciona o MiMo-V2.6 como um dos maiores single runs de RL já feitos por um time open-source.

Para entender Xiaomi MiMo-V2.6, é importante notar: a “autoaperfeiçoamento” descrita ocorre no loop de treinamento (sistema + ambiente + avaliador). Isso não significa que o modelo modifica a própria arquitetura ou inicia a próxima rodada de treino sozinho, fora do framework desenhado por humanos — ponto que a própria cobertura da 36Kr deixa explícito.

Em Xiaomi MiMo-V2.6, números de treino anunciados: Pro e Flash teriam completado 30 steps de RL em menos de 6 dias, ~750 mil trajetórias cada. Custo declarado: ~US$ 850 mil (Flash) + ~US$ 2,62 milhões (Pro), total ~US$ 3,47 milhões (a matéria em chinês/EN também fala em mais de 20 milhões de yuan em cerca de 6 dias de R&D intensivo no recorte da narrativa).

Xiaomi MiMo-V2.6: benchmarks anunciados

Trate a tabela abaixo como resultados divulgados pela Xiaomi, não como ranking independente auditado:

• DeepSWE v1.1: Pro 71,9 (vs 19 do MiMo-V2.5-Pro anterior); Flash 67,9.
• Terminal Bench 2.1: Pro 89,9; Flash 87,6.
• AutomationBench v1.0.6: Pro 53,1; Flash 52,3 (Xiaomi compara Pro acima de Claude Opus 5, GPT-5.6 Sol e Claude Fable 5 na tabela deles).
• OSWorld-Verified: Pro 82; Flash 80,8.
• Artificial Analysis Intelligence Index v4.3: Pro 46,32 — descrito pela Xiaomi como o open-source de maior score atual nesse índice.

A própria divulgação admite que o Pro não lidera em tudo: ProgramBench 26,5 (abaixo de 37 do Claude Opus 5 na comparação deles); Terminal Bench 4.0 com 34,9 (abaixo de 49). Em Toolathlon-Verified e GDPval-AA 2.1, também não é o topo da tabela.

Cases oficiais (e o asterisco)

Xiaomi MiMo-V2.6 também aparece nas demos: a Xiaomi mostrou demos de “Vibe World” (agentes decompondo desenvolvimento de jogo a partir de texto/imagem/vídeo), controle de Blender, braço Franka Panda em simulação, front-end, slides, vídeo e música. Há cases de pesquisa em materiais (MOF para adsorver PFAS) e formalização Lean 4 do teorema “Period Three Implies Chaos” (>6.000 linhas verificadas pelo kernel Lean).

Asterisco necessário: nenhum desses cases foi “o modelo sozinho”. Materiais avançaram com especialistas em várias rodadas de prompting; matemática dependeu de estratégia de exploração desenhada por pesquisadores. Servem como assistente — não como prova de ciência autônoma.

A empresa também abriu relatório técnico, ambiente de treino e código de RL. Reprodução independente ainda é o teste que importa.

Como ler um lançamento open-source desse porte

1. Baixe e teste no seu domínio — benchmark de laboratório da vendor é ponto de partida, não veredito.
2. Olhe a licença — MIT nos pesos Pro/Flash é sinal generoso para produto e pesquisa; ainda assim, leia o card do modelo no Hugging Face.
3. Separe demo de autonomia — cases de materiais e Lean 4 mostram assistência forte sob condução humana, não “cientista IA” solto.
4. Acompanhe reprodução — a Xiaomi abriu relatório, ambiente e código de RL; o valor científico sobe quando terceiros conseguem (ou falham em) replicar.

No ecossistema 2026, open-source chinês de fronteira já não é novidade absoluta. O diferencial anunciado aqui é o tamanho e a transparência relativa do RL run — e isso só se sustenta se a comunidade puder cutucar os números.

Fonte: 36Kr / AI前线 (22 de setembro de 2026). Números e comparações acima seguem o anúncio oficial relatado pela matéria — sem inventar scores.

Recomendados pra você

GuiaREA: como testar a IA que desmonta qualquer programaO REA liga Claude Code, Codex e Cursor a Ghidra, Hopper e IDA pra entender apps sem código-fonte. Passou de 128 mil estrelas no GitHub. Veja como funciona, os riscos legais e como testar.DicaO que não contar pro ChatGPT (e como desligar o treino com seus dados)Você conta pro chatbot coisa que não contaria pro chefe. Veja o que nunca colar numa IA, onde fica o botão que desliga o treino no ChatGPT, Gemini e Claude, e o que esse botão não resolve.DicaTrês regras pra usar ChatGPT no estudo sem atrofiar o cérebroChatGPT no estudo sem muleta: tente sozinho, peça contraste, ensine em voz alta. Roteiro de 60 minutos e quando pausar a IA.GuiaPhotoCraft: o clone grátis do Photoshop feito com IA já substitui a Adobe?O PhotoCraft é um clone open source do Photoshop em Rust feito com IA. Veja o que já funciona, o que falta, como instalar e se dá pra cancelar a Adobe.