Xiaomi accélère dans l’intelligence artificielle avec MiMo-V2.6, une nouvelle génération de modèles nativement multimodaux conçue pour le raisonnement, le développement logiciel et les tâches agentiques complexes.
La famille comprend MiMo-V2.6-Pro et MiMo-V2.6-Flash, accompagnés d’une déclinaison Pro-UltraSpeed capable, selon Xiaomi, de produire ses réponses jusqu’à vingt fois plus rapidement.
Mais la nouveauté la plus intéressante se trouve peut-être derrière les performances. Xiaomi détaille un entraînement par renforcement mené sur environ 750 000 trajectoires en moins de six jours, avec des milliards de tokens traités à chaque étape, et publie également son rapport technique, ses environnements d’entraînement et son code RL. L’objectif est clair : transformer MiMo d’un modèle conversationnel en plateforme capable d’agir dans des environnements logiciels, visuels et scientifiques beaucoup plus complexes.
MiMo-V2.6-Pro et Flash misent sur un entraînement RL beaucoup plus massif
MiMo-V2.6-Pro et MiMo-V2.6-Flash sont présentés comme des modèles nativement « omnimodaux », capables de travailler sur plusieurs types de données et d’interagir avec différents environnements.
Sur l’Artificial Analysis Intelligence Index, Xiaomi annonce un score de 46,32 pour MiMo-V2.6-Pro, devant notamment Kimi K3 et Qwen3.8 Max sur cet indicateur. Comme toujours avec les benchmarks d’IA, ce résultat ne résume pas à lui seul les capacités générales d’un modèle, mais il permet de situer les ambitions de Xiaomi face aux autres laboratoires développant des modèles de pointe.
Le constructeur insiste surtout sur la manière dont cette génération a été entraînée. MiMo-V2.6 repose sur une montée en puissance du reinforcement learning, ou apprentissage par renforcement, appliqué à des tâches dont les résultats peuvent être vérifiés.
En moins de six jours, les versions Flash et Pro auraient chacune effectué 30 étapes de RL couvrant environ 750 000 trajectoires. Xiaomi estime le coût de cette phase à environ 850 000 dollars pour Flash et 2,62 millions de dollars pour Pro.
Les progrès annoncés sont significatifs. Le taux moyen de réussite aurait augmenté respectivement de 25 % et 12 % en valeur relative. Sur DeepSWE v1.1, un benchmark indépendant de l’entraînement destiné à mesurer les performances sur des tâches longues de génie logiciel, Flash serait passé de 48,8 à 65,68 points, tandis que Pro progresserait de 58,4 à 72,57 points.
Selon Xiaomi, les performances continuaient à progresser jusqu’à la fin de l’entraînement, y compris sur des tâches différentes de celles directement rencontrées pendant cette phase. Il faudra évidemment confronter ces résultats aux évaluations indépendantes, mais l’expérience illustre surtout l’importance croissante du calcul consacré au post-entraînement, et plus uniquement à la création initiale du modèle.
Jusqu’à 3,7 milliards de tokens traités par étape d’entraînement
Pour changer d’échelle, Xiaomi explique avoir travaillé simultanément sur le volume des lots, la diversité des tâches et la puissance consacrée à leur évaluation. L’architecture entièrement asynchrone peut utiliser 1 568 échantillons par mise à jour, avec des contextes atteignant un million de tokens. Chaque étape d’apprentissage traite ainsi entre 3,5 et 3,7 milliards de tokens.
Les environnements ne se limitent pas au développement logiciel. Xiaomi entraîne également ses modèles sur des agents généralistes, des tâches visuelles et des scénarios de cybersécurité au sein de différents bancs d’essai. L’objectif est d’éviter qu’un modèle agentique devienne extrêmement performant dans un environnement précis sans parvenir à transférer ces capacités vers d’autres outils.
Une partie importante du calcul est parallèlement consacrée aux « graders », les systèmes chargés d’évaluer les actions et les réponses produites. Des signaux de récompense plus précis permettent théoriquement au modèle de trouver des trajectoires plus efficaces, en utilisant moins d’étapes et moins de tokens pour terminer une tâche.
Cette approche crée cependant un autre problème : le reward hacking. Un modèle peut apprendre à maximiser artificiellement son score sans réellement accomplir l’objectif recherché. Xiaomi indique utiliser plusieurs mécanismes pour limiter ce phénomène, dont une conception spécifique des récompenses, des évaluations adversariales, la détection d’anomalies et des vérifications croisées entre plusieurs évaluateurs.
Le routeur du modèle a également été figé pendant certaines phases afin de réduire la dérive de l’entraînement. Pour gérer des agents travaillant sur des environnements très différents, Xiaomi a développé une représentation unifiée des trajectoires, des mécanismes de pénalité communs et une infrastructure séparant les plans de contrôle et de données.
Surtout, l’entreprise publie son rapport technique, ses environnements d’entraînement et son code de reinforcement learning, avec l’objectif affiché de permettre la reproduction et la vérification de ces travaux.
Du code aux mondes 3D : Xiaomi veut dépasser le simple chatbot
MiMo-V2.6 illustre également le déplacement actuel de l’IA générative vers des systèmes capables d’agir. Xiaomi parle de « Vibe World » pour décrire le passage de la programmation en langage naturel à la création d’environnements interactifs.
À partir d’une image, d’une vidéo ou d’une simple instruction textuelle, le modèle peut décomposer un projet en différentes tâches puis coordonner plusieurs agents. Ceux-ci peuvent construire une scène 3D, développer sa logique d’interaction, vérifier visuellement le résultat et effectuer plusieurs itérations à partir des rendus obtenus. L’objectif final n’est donc plus seulement de produire du code, mais de générer un environnement réellement exécutable.
MiMo-V2.6 peut également travailler directement avec Blender pour créer des objets ou des scènes 3D à partir d’une description ou d’une image de référence. Xiaomi envisage ces éléments comme des ressources pouvant ensuite être utilisées pour l’animation, le développement de jeux ou encore l’impression 3D.
Cette évolution est importante parce qu’elle change la nature du problème posé aux modèles. Générer un fichier de code est relativement linéaire ; construire un environnement interactif oblige au contraire l’IA à alterner entre planification, génération, observation du résultat, détection des erreurs et correction.
Le modèle devient alors moins un générateur ponctuel qu’un orchestrateur capable de maintenir un objectif pendant une séquence d’actions beaucoup plus longue.
Interfaces, présentations, vidéos et musique deviennent des tâches agentiques
Cette logique s’étend aux contenus visuels. MiMo-V2.6 peut transformer une instruction en interface frontend ou en présentation complète, en organisant les composants, la mise en page, les animations et les interactions. Xiaomi indique également que le modèle peut travailler avec Figma ainsi qu’avec des outils de génération d’images et de vidéos, tout en essayant de préserver la cohérence des couleurs, de la typographie et du positionnement des différents éléments.
Pour illustrer ces capacités, l’entreprise a présenté plusieurs diaporamas produits à partir d’instructions d’une seule ligne, couvrant aussi bien une formation interne expliquant l’apprentissage d’un LLM qu’une note de recherche sur les minerais critiques ou une proposition de directions artistiques pour un rapport annuel.
La vidéo ajoute encore une dimension supplémentaire. MiMo-V2.6 peut intervenir sur la conception visuelle, le découpage des plans, les mouvements, la musique et le montage synchronisé avec le rythme. Dans une démonstration éducative consacrée à la décomposition de Fourier, les animations étaient accompagnées d’une narration générée avec MiMo-V2.5-TTS.
Xiaomi expérimente même la composition musicale. MiMo-V2.6-Pro peut écrire une partition orchestrale impliquant une dizaine d’instruments puis la convertir au format MIDI. D’autres exemples portent sur des compositions pour piano avec différentes contraintes de tonalité et de tempo.
L’intérêt n’est pas seulement de montrer qu’un LLM peut produire quelques notes. Xiaomi cherche à démontrer que le modèle peut manipuler des structures plus longues, attribuer des rôles aux instruments et raisonner sur l’arrangement, la dynamique et la texture d’une composition.
Xiaomi teste également MiMo-V2.6 sur la recherche scientifique
Les expérimentations scientifiques sont probablement les démonstrations les plus ambitieuses présentées autour de cette génération, même si Xiaomi précise que MiMo-V2.6 n’a pas reçu d’entraînement RL spécifiquement consacré à la recherche scientifique.
Dans le domaine des matériaux, des chercheurs de Xiaomi ont demandé à MiMo-V2.6-Pro de concevoir un nouveau metal-organic framework (MOF) susceptible d’adsorber des PFAS. Au fil de plusieurs cycles de travail, le modèle a recherché de la littérature et des brevets, proposé des hypothèses, étudié leur nouveauté puis utilisé des outils de calcul open source pour réaliser des expériences numériques.
Il a également configuré automatiquement son environnement de simulation et calculé les interactions entre différents matériaux MOF et les PFAS afin d’identifier des candidats susceptibles de passer ensuite à une véritable phase expérimentale en laboratoire.
Cette démonstration ne signifie évidemment pas qu’un nouveau matériau validé a été découvert de manière autonome. Elle montre plutôt comment un agent peut prendre en charge une partie du travail exploratoire et computationnel précédant les expériences physiques.
Xiaomi présente également une expérience en mathématiques autour du théorème de Li et Yorke, « Period Three Implies Chaos ». Avec une stratégie d’exploration définie par des chercheurs et la collaboration de plusieurs sous-agents, MiMo-V2.6-Pro a contribué à formaliser le théorème dans Lean 4.
Le résultat comprend plus de 6 000 lignes de code Lean et une preuve complète vérifiée par le noyau du logiciel, sans emplacement de preuve laissé inachevé. Xiaomi précise que le modèle n’avait pas bénéficié d’un post-entraînement spécifiquement consacré à Lean pour cette expérience.
Ces cas restent des démonstrations encadrées plutôt qu’une preuve d’autonomie scientifique générale. Ils illustrent néanmoins un terrain où les agents IA pourraient devenir particulièrement intéressants : enchaîner recherche documentaire, utilisation d’outils, calcul, vérification et production d’un résultat formel sur des tâches longues.
Une version UltraSpeed jusqu’à 20 fois plus rapide
MiMo-V2.6-Pro et Flash sont désormais accessibles via Xiaomi AI Studio, MiMo Code, MiMo Desktop, la plateforme API MiMo ainsi que par OpenRouter. MiMo Desktop quitte par ailleurs son accès anticipé pour passer à une première version officielle intégrant directement les deux modèles.
Xiaomi ajoute également MiMo-V2.6-Pro-UltraSpeed, une déclinaison annoncée jusqu’à vingt fois plus rapide en génération que Pro, tout en conservant selon l’entreprise le même niveau de qualité. Cette accélération se traduit cependant par un coût API nettement supérieur.
| Modèle | Cache en entrée/1M tokens | Entrée hors cache/1M tokens | Sortie/1M tokens |
|---|---|---|---|
| MiMo-V2.6-Flash | 0,002 8 $ | 0,14 $ | 0,28 $ |
| MiMo-V2.6-Pro | 0,003 6 $ | 0,435 $ | 0,87 $ |
| MiMo-V2.6-Pro-UltraSpeed | 0,036 $ | 4,35 $ | 8,70 $ |
Xiaomi conserve donc les tarifs de la génération V2.5 pour Flash et Pro. UltraSpeed se place dans une logique différente : payer sensiblement davantage pour réduire la latence lorsque la vitesse de réponse devient critique.
Cette distinction pourrait compter pour les agents. Lorsqu’une tâche nécessite des dizaines d’appels successifs au modèle, quelques secondes gagnées sur chaque génération peuvent transformer radicalement le temps nécessaire pour terminer l’ensemble du workflow.
MiMo devient un projet stratégique bien plus large pour Xiaomi
Avec V2.6, Xiaomi montre surtout que ses ambitions dans l’IA dépassent largement l’intégration d’un assistant dans HyperOS ou dans ses smartphones. Le groupe travaille désormais sur les mêmes problématiques fondamentales que les grands laboratoires d’IA : entraînement par renforcement à grande échelle, agents capables d’utiliser des outils, contextes très longs, raisonnement multimodal, environnements interactifs et vérification automatisée des résultats.
La publication des environnements et du code RL est également stratégique. Dans une industrie où une partie croissante des progrès provient du post-entraînement plutôt que du seul pré-entraînement, rendre accessibles les méthodes permettant de transformer un modèle en agent performant peut être presque aussi intéressant que publier le modèle lui-même.
Les démonstrations de jeux, de Blender, de Figma, de vidéo, de musique ou de Lean ont d’ailleurs un point commun : elles ne demandent plus seulement au modèle de répondre correctement à une question. Elles l’obligent à maintenir un objectif, utiliser plusieurs outils, observer les résultats de ses actions et recommencer jusqu’à obtenir quelque chose de vérifiable.
MiMo-V2.6 illustre ainsi le prochain terrain de compétition de l’IA : moins de chatbots qui savent tout expliquer, davantage de modèles capables de travailler pendant longtemps sur un problème, d’interagir avec leur environnement et surtout de vérifier ce qu’ils viennent de produire.
