小米开源多模态模型 MiMo-V2.6 Pro／Flash

Xiaomiは9月21日、AIモデル「MiMo-V2.6」シリーズのProとFlashを発表し、モデル重みを公開した。強化学習の規模を拡大し、コーディング、PC操作、3D空間の推論、コンテンツ制作などの能力を高めたという。あわせて、技術レポートや強化学習用の環境・コードも公開した。

MiMo-V2.6: Scaling Up Reinforcement Learning for Self-Improvement - Xiaomi MiMo

強化学習でエージェント性能を向上

MiMo-V2.6のProとFlashは、テキスト、画像、動画、音声を扱うマルチモーダルモデル。Xiaomiは、複数の分野のタスクを組み合わせた大規模な強化学習により、ツールを使って作業を進めるエージェントとしての性能を高めたと説明している。

同社によると、Proは大半のエージェント向けベンチマークでClaude Opus 5やGPT-5.6 Solに並ぶ性能を達成した。Flashも、前世代のMiMo-V2.5-Proを幅広い評価で上回ったという。

AIモデルの総合性能を評価するArtificial Analysis Intelligence Indexでは、Proが46を記録し、発表時点のオープンソースモデルで最高となったという。ただし、Claude Fable 5.1やGPT-6 Astraといった最上位のクローズドモデルとの差は残るとしている。

3D制作やPC操作などの利用例

利用例の一つが、テキストや画像、動画を基にした3D世界の構築。複数のエージェントがシーンの作成、操作に応じた動作の実装、見た目の確認を分担し、修正を重ねながら実際に遊べる3D世界を作る。

PC操作では、デスクトップ上のツールを使った情報検索、編集、データ処理に対応する。画面から作業結果を確認し、次の操作を調整しながら進めるとしている。

このほか、Webページやスライドの作成にも対応する。動画制作では、画像・動画生成ツールや音声合成モデルMiMo-V2.5-TTSを利用する。

Xiaomiは科学研究への応用として、Proが研究者とともに材料候補を計算で絞り込む作業や、証明支援系Lean 4を使って数学の定理と証明をコード化する作業を支援した事例も紹介している。

モデル重みと7,000件超の強化学習用タスク環境を公開

XiaomiはProとFlashのモデル重みと技術レポートを公開した。モデルはHugging FaceのMiMo-V2.6コレクションから入手でき、ProとFlashはそれぞれMiMo-V2.6-Pro-RL、MiMo-V2.6-Flash-RLの名称で掲載されている。

強化学習の再現や検証に向けて、7,000件を超えるタスク環境や、学習全体を扱うフレームワークも公開した。組み合わせて使える軽量なエージェント実行基盤「mini-harnesses」も提供している。

強化学習の研究向けには、90億パラメータのモデル「MiMo-V2.6-Distill-Qwen-9B」も公開した。MiMoが生成したデータでQwen3.5-9Bを追加学習したもので、研究者がさらに強化学習を施し、エージェントの能力を高める手法を試すために提供する。

API料金は据え置き⁠、Desktopと高速モードも提供

ProとFlashはXiaomi MiMo Open PlatformのAPIで利用でき、料金はV2.5シリーズから据え置く。Xiaomiは、同程度の性能を持つ中国以外の主要モデルと比べ、Proの価格は20分の1〜60分の1になると説明している。

モデルの発表に合わせ、MiMo Desktopと会員向けサブスクリプションプランも案内した。サブスクリプションでProとFlashを利用できるほか、自分のAPIキーを設定する方法にも対応する。DesktopのダウンロードページではWindows版とApple Silicon搭載Mac版を提供しており、韓国、英国、EU加盟国では未提供としている。

さらに、Proの高速モード「MiMo-V2.6-Pro UltraSpeed」をDesktopとAPIで提供する。Xiaomiは、応答の速さを重視する用途を想定し、生成速度が最大20倍になると説明している。