X Digest
XまとめXiaomi MiMo-V2.6公開、成功までのトークンを減らす訓練を採用
XiaomiのMiMo-V2.6-ProとMiMo-V2.6-Flashが公開され、モデルウェイト、技術報告、強化学習のタスク環境と訓練コードも公開された。画像や動画、音声、テキストを扱えることに加え、同じ仕事をより少ないトークンで終える訓練方針が注目点だ。AIエージェントを長時間動かす人には、最高点より運用費と待ち時間に直結する話になる。
正解だけでなく、そこまでの短さを評価する
Mike Sulka氏は、MiMo-V2.6の性能向上を、モデルの大型化より後段の訓練に重点を置いた結果だと読み解いている。紹介された「You Only RL Once」は、コーディング、視覚、サイバーセキュリティー、汎用エージェントなどを一つの強化学習で扱う方法だという。
ここで分かりやすいのが、合格した回答同士も比べる仕組みだ。たとえば五つの解法がすべて正解でも、一つが4万トークンを費やして偶然たどり着き、別の一つが短く解いたなら、同点にはしない。投稿によると、Xiaomiは質の高い経路へ報酬を寄せ、タスク当たりのトークン削減を狙う。長く考えれば伸びるモデルとは、費用の設計思想が違う。
Proはサーバー向け、Flashはローカル候補
両モデルは100万トークンのコンテキスト、MITライセンス、5層のMTP投機デコーダーを備えると紹介された。Proは総パラメーター1.02兆、1トークン当たりの稼働は420億。公式のSGLang構成は2ノードを前提としており、オープンウェイトでも一般的なPC向けとは言いにくい。
一方のFlashは総3090億、稼働150億で、リポジトリー容量は約178GBとDavid Hendrickson氏が報告した。同氏は、対応する量子化やローカル実行環境が整えば、192GBのユニファイドメモリー機が候補になると見ている。ただし、これは将来の見通しで、現時点の動作保証ではない。
ベンチマークの46より、長い実作業で確かめたい
3件の投稿では、ProがArtificial Analysis Intelligence Indexで46または46.32を記録し、現行のオープンウェイト比較で高い位置に入ったと伝えられた。API価格はV2.5-Proと同じ入力100万トークン当たり0.435ドル、出力0.87ドルという。一方、Mike Sulka氏が挙げたXiaomi側のTerminal-Bench 4では34.9で、GPT-5.6 Solの39.9、Claude Opus 5の49.0を下回る。評価軸を変えれば順位も変わる。
使う側が確かめたいのは、単発の問題ではなく、コーディングやPC操作を何段階も続けたときの完遂率、消費トークン、所要時間だ。MiMo-V2.6の面白さは「もっと考える」競争に、短く正しく終えるという別の物差しを持ち込んだ点にある。その主張が実案件でも成り立つかが、次の比較になる。
