Xiaomi ने 21 सितंबर 2026 को दो असामान्य काम किए। इसने MiMo-V2.6 Pro और MiMo-V2.6 Flash release किए – दो natively omnimodal models, MIT license के तहत open-source – और इन्हें live public में train किया, RL run आगे बढ़ने के साथ costs, token throughput और benchmark scores दिखाने वाले dashboard के साथ। कोई US frontier lab ऐसा नहीं करता। मैंने launch announcement, API docs, training livestream reporting और third-party benchmark trackers को एक जगह जोड़ा है ताकि आपको एक ईमानदार तस्वीर मिले: Pro, Flash और UltraSpeed variant असल में क्या हैं, नंबर क्या कहते हैं, और इस scale पर open weights का local AI चलाने वालों के लिए क्या मतलब है।

यह guide पूरी V2.6 family cover करती है – specs, कीमत और benchmarks पर Pro vs Flash vs Pro-UltraSpeed – साथ में training story, "Vibe World" demos, और वह practical सवाल कि आप खुद असल में क्या चला सकते हैं।

Source note: नीचे specs और कीमतें Xiaomi के MiMo-V2.6 announcement, MiMo API model docs और gateway listings (Vercel AI Gateway, OpenRouter) से हैं। Scores Xiaomi-reported RL curves और third-party trackers (Artificial Analysis, LLM Stats, Benchable) का mix हैं – हर बार लेबल किया गया है, क्योंकि दोनों तरह के numbers का मतलब अलग है।

संक्षेप में

हर variant क्या है

SpecMiMo-V2.6-ProMiMo-V2.6-FlashPro-UltraSpeed
Total parameters~1T (reported ~1.02T)309BPro जैसा ही
Active per tokenDisclosed नहीं (MoE)15B (hybrid attention MoE)Pro जैसा ही
Context / max output1,048,576 / 128–131K1,048,576 / 128–131KPro जैसा ही
Input modalitiesText, image, audio, video, PDFText, image, audio, video, PDFPro जैसा ही
OutputTextTextText, 20x तक faster
Speed techStandard servingEfficient MoEFP4 lossless quant + DFlash parallel decoding + TileRT kernels
Input / output प्रति 1M$0.435 / $0.87$0.14 / $0.28Pro से 10x
Cached input प्रति 1M$0.0036$0.0028–
LicenseMIT (open weights)MIT (open weights)सिर्फ hosted

Positioning deliberate है: Pro capability ceiling धकेलता है (Xiaomi का कहना है ज़्यादातर agent benchmarks पर Claude Opus 5 और GPT-5.6 Sol के बराबर), Flash लगभग एक-तिहाई कीमत पर ज़्यादातर intelligence रखता है, और UltraSpeed पैसे से latency खरीदता है – realtime coding agents के लिए 1,000 tokens/s तक। Cache-read कीमतों पर ध्यान दें: miss rate का ~1/50th (Flash) से ~1/120th (Pro) – context reuse करने वाले agents – यानी लगभग सभी – sticker से कहीं कम में चलते हैं। यही trick DeepSeek V4.1 Flash को practice में इतना सस्ता बनाती है।

Public में training: RL livestream

इस release का यही हिस्सा मुझे सबसे ज़रूरी लगता है, किसी single score से ज़्यादा। Luo Fuli के नेतृत्व में – Lei Jun द्वारा MiMo team चलाने के लिए hire किए गए ex-DeepSeek scientist, जिन्होंने पहले DeepSeek-V2 work lead किया था – Xiaomi ने लगभग आधा साल एक ही problem पढ़ने में बिताया ("RL कितनी दूर scale हो सकता है"), फिर V2.6 का RL phase खुले में चलाया: training progress, token consumption, cost meters, step timings, 23 categories में dataset composition और benchmark curves के साथ live dashboard, सब mid-run update होते हुए।

Run खुद: छह दिनों से कम में ~750,000 trajectories पर Pro और Flash दोनों के लगभग 30 RL steps, coding, general-agent, visual और cybersecurity tasks पर, प्रति update 1,568 samples और 1M tokens तक contexts के साथ। Xiaomi का कहना है कि drift रोकने के लिए router freeze किया और reward hacking के खिलाफ adversarial evaluation, anomaly detection और verifier cross-checks इस्तेमाल किए। Final RL costs ~$2.62M (Pro) और ~$0.85M (Flash) report किए गए (17 सितंबर के mid-run snapshot में 49.4B Flash tokens पर ~$512K दिखा था – meter उसके बाद भी चलता रहा)। Mid-training में ही Pro V2.5 baseline 19% से DeepSWE v1.1 पर 65.97% पहुँच चुका था, Grok 4.6 (67%), Kimi K3 (69%) और Fable 5 (70%) वाली tier में – और final numbers और ऊपर गए (नीचे देखें)।

Xiaomi से आगे यह क्यों मायने रखता है: closed-door RL industry norm है, यानी कोई check नहीं कर सकता कि capability jump algorithm से आई, डेटा से, या eval harness से। Public cost-and-curve ledger – $128K-a-day-scale खर्च सबके सामने – marketing stunt जितना ही reproducibility experiment है। अगर आप अपने models train करते हैं, तो published environments और RL code यकीनन इस release के सबसे valuable artifacts हैं।

Benchmarks: Pro कहाँ lead करता है, कहाँ नहीं

Xiaomi की headline: Artificial Analysis Intelligence Index v4.3 पर 46.32 – सबसे ज़्यादा open-source score का दावा, Kimi K3 और Qwen3.8 Max से आगे। Vendor framing से अलग, RL curves striking हैं: DeepSWE v1.1 Pro 58.4 → 72.57, Flash 48.8 → 65.68। Third-party trackers texture जोड़ते हैं – Flash की reported strengths agentic और security work में cluster करती हैं:

BenchmarkMiMo-V2.6-FlashMiMo-V2.6-Pro
CyberGym95.1%–
Terminal-Bench 2.187.6%–
OSWorld-Verified (computer use)80.8%–
MiMo Cyber Bench77.2%–
Toolathlon-Verified73.6%–
DeepSWE v1.165.68% (RL final)72.57% (RL final)
MiMo Coding Bench–63.2%
ProgramBench–26.5%

ईमानदार निष्कर्ष: एक महीने में यह दूसरी open-weights family है – DeepSeek V4.1 Flash के बाद – जो सिर्फ chat में नहीं, agent work (terminal, computer use, repo coding) में closed flagships से सच में competitive लगती है। Gaps वहीं हैं जहाँ efficiency-tuned open models से उम्मीद है: closed-book reasoning और newest harnesses अब भी Astra और Fable 5.1 के पास हैं। और cross-vendor score comparisons directional हैं – अलग harnesses, अलग effort settings, अलग dates। LLM Stats का head-to-head composite अभी Flash और Pro को करीब दिखाता है (45.7 vs 40.6), सीधे shared तीनों benchmarks में Pro जीतता है।

Chat से आगे: "Vibe World," robots और real science demos

Xiaomi V2.6 को conventional software work से आगे धकेल रहा है, जिसे वह "Vibe World" कहता है: image, video या text prompt से model agents coordinate करके interactive 3D scenes बनाता और visually test करता है – Blender assets, frontends और presentations, assembled video, यहाँ तक कि scores और MIDI के रूप में music। सबसे wild demo: camera feeds से Franka Panda robotic arm control करना। Research demos में PFAS "forever chemicals" capture करने वाले materials की screening और 6,000+ lines के kernel-verified code में Lean 4 theorem formalize करने में मदद शामिल थी।

Demos को demos समझें – carefully chosen, possibly retried – लेकिन दिशा benchmarks के consistent है: यह family ऐसे agents के लिए बनी है जो काम करते हैं (browse, comprehend, reason, act) modalities के पार, trivia जीतने के लिए नहीं। 1M native omnimodal context ही घंटों-long multimodal agent runs को architecturally possible बनाता है।

कीमत, access और try कैसे करें

अगर आप local AI चलाते हैं तो इसका क्या मतलब है

पहले ईमानदार जवाब: आप घर पर 1T – या 309B भी – नहीं चला रहे हैं। Full precision में 309B total वाला Flash datacenter-class VRAM माँगता है; ~1T वाला Pro पूरी तरह 2,000-GPU-plus-storage deployment की दुनिया है। मेरा 12 GB RX 6800M दोनों में से कुछ download नहीं करेगा – क्या असल में fit होता है, इसके लिए LLMs को कितना VRAM चाहिए और local-LLM GPU guide देखें।

आप क्या इस्तेमाल कर सकते हैं: MIT weights का मतलब community FP8 originals, GGUF quants और vLLM/SGLang support तेज़ी से mature होंगे – और API सबसे सस्ते frontier-class inference में है (Flash $0.14/$0.28 input पर DeepSeek V4.1 Flash के peak rates को भी undercut करता है)। Local-AI वालों के लिए practical setup: private और offline work अपने local 7B–35B models पर रखें, भारी multimodal agent jobs $0.14 API पर route करें, और published RL code देखें – यहाँ की training transparency अकेले weights से ज़्यादा सिखाती है। हमारे lab benchmarks दिखाते हैं कि local side ठीक कहाँ जीतता है: zero per-token cost पर fast, private, repeatable generation।

Bottom line

MiMo-V2.6 महीने की सबसे significant open-weights release है: open-model कीमतों पर frontier-competitive agent family (46.32 AA Index, DeepSWE 72.6%), MIT-licensed, training receipts live publish के साथ। Flash agent builders के लिए value default है; Pro ceiling-pusher है; UltraSpeed तब जब latency ही product हो। और livestreamed RL run एक precedent है जो मैं चाहता हूँ दूसरे labs copy करें – क्योंकि "हमारी curve पर भरोसा करो" meter चलते देखने का substitute नहीं है।

Sources