Xiaomi veröffentlicht MiMo-V2.6: Neues Open-AI-Modell führt Benchmarks an
Xiaomi hat die neuen Open-Source-KI-Modelle MiMo-V2.6 Pro und Flash vorgestellt, die Spitzenwerte unter den offenen Modellen erreichen – bei deutlich geringeren Kosten im Vergleich zu internationalen Flaggschiffen.
Xiaomi veröffentlicht MiMo-V2.6
Der chinesische Tech-Riese Xiaomi hat seine neuesten KI-Modelle, MiMo-V2.6 Pro und Flash, mit beeindruckenden Leistungsergebnissen auf den Markt gebracht.
Um dies zu erreichen, investierte Xiaomi 130 Stunden Rechenzeit, verarbeitete 75 Milliarden Tokens und gab 2,6 Millionen US-Dollar für Reinforcement Learning (RL) aus, wodurch MiMo-V2.6 Pro erfolgreich den ersten Platz unter den offenen Modellen eroberte.
Leistung und Preisgestaltung
Der AA Intelligence Index Score für MiMo-V2.6 Pro liegt bei 46,32 und übertrifft damit Kimi K3 sowie Qwen3.8 Max. Bemerkenswert ist, dass die Preise im Vergleich zur Vorgängerversion V2.5 unverändert bleiben.
Bei vergleichbaren Intelligenzniveaus liegen die Kosten pro Anfrage nur bei einem Zwanzigstel bis Sechzigstel der internationalen Flaggschiffe:
- MiMo-V2.6 Pro: $0,435 / $0,87
- MiMo-V2.6 Flash: $0,14 / $0,28 (etwa ein Drittel des Preises von Pro)
- DeepSeek V4 Pro: ~$0,66–1,32 / $1,98–3,96 (Pro ist ~2–5x günstiger)
- GLM-5.3: ~$1,40 / $4,40 (Pro ist ~3–5x günstiger)
- Qwen3.8 Max: ~$2 / $6 (Pro ist ~5–7x günstiger)
- Gemini 3.5 Flash: ~$1,50 / $9 (Pro ist ~3–10x günstiger)
- Gemini 3.1 Pro: ~$2 / $12 (Pro ist ~5–14x günstiger)
- GPT-5.6 Sol: ~$4–5 / $20 (Pro ist ~10–23x günstiger)
- Claude Opus 5: ~$5 / $25 (Pro ist ~12–29x günstiger)
- Claude Fable 5: ~$10 / $50 (Pro ist ~23–58x günstiger)
Eine einzelne Aufgabe kostet ungefähr 0,13 US-Dollar.
Transparenz
Der gesamte Trainingsprozess wurde in Echtzeit gestreamt, wobei Kosten und Vorfälle online veröffentlicht wurden. Zusammen mit dem Modell wurden auch die Gewichte, der RL-Code und die Umgebungen öffentlich zugänglich gemacht.
Warum das wichtig ist
AnalyseDie Veröffentlichung von MiMo-V2.6 verändert die Landschaft der Open-Source-KI grundlegend, indem sie Flaggschiff-Leistung zu einem Bruchteil der Kosten bietet und so fortschrittliche KI für ein breiteres Spektrum an Entwicklern und Unternehmen zugänglich macht.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Thinking Machines veröffentlicht Inkling 2 Small: ein 594B-MoE-Modell, das andere Modelle feinabstimmen kann
Thinking Machines hat Inkling 2 Small vorgestellt, ein MoE-Modell mit 594B Parametern, das unter offenen Modellen in mehreren Benchmarks führt und autonom Qwen3.5-4B feinabstimmen konnte.
OpenAI stellt GPT-6 Cyber vor – Modell mit neuen Rekorden für Cybersicherheit
OpenAI berichtet über neue Cybersicherheits-Ergebnisse von GPT-6 Cyber, darunter 48,5 % im ExploitGym-Benchmark und 81 zuvor unbekannte Firefox-Schwachstellen; der Zugang bleibt zunächst beschränkt.
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.
Laya Open Decision Engine
Laya ist ein unter Apache 2.0 lizenzierter, offener Entscheidungs-Encoder auf Basis von ModernBERT-large für die sofortige Aktionsauswahl basierend auf dem JSON-/Text-Zustand eines Agenten in einem einzigen Forward Pass (~33–35 ms auf einer selbst gehosteten GPU). Er löst das Problem kostspieliger LLM-ReAct-Schleifen bei der High-QPS-Routing-Verarbeitung, Guardrails und lokalen Agenten, indem er einen Teil des Reasonings durch eine kalibrierte System-1-Klassifikation ersetzt.