MiMo v2.6

Artículo original ↗ Discusión en Hacker News ↗

El lanzamiento de MiMo v2.6 de Xiaomi está siendo elogiado como un modelo abierto de pesos altamente capaz y de bajo costo que se sitúa en la frontera entre inteligencia y precio, y algunos usuarios lo consideran competitivo con sistemas “frontier” de EE. UU. para programación, agentes y tareas multimodales. Los comentaristas destacan la transparencia inusual de Xiaomi, especialmente un panel de entrenamiento RL en vivo, al tiempo que señalan problemas prácticos como trazas de razonamiento demasiado largas, bucles y ineficiencia de tokens en algunos entornos. El lanzamiento alimenta un giro más amplio hacia modelos chinos y otros modelos abiertos por razones de coste y eficiencia, planteando preguntas sobre los modelos de negocio de los laboratorios de EE. UU., la reacción regulatoria contra los pesos abiertos y la competencia a largo plazo por el cómputo, la energía y el liderazgo en IA.

Capacidades del modelo, precios y posicionamiento

  • MiMo v2.6 es ampliamente visto como una versión abierta de pesos sólida y rentable, especialmente la variante Flash (309B total / 15B parámetros activados) y Pro (1.02T / 42B activados).
  • Varios usuarios dicen que 2.6 Flash/Pro se sienten aproximadamente en la categoría de Opus/Sol para muchas tareas, aunque son mucho más baratos, particularmente para programación y uso agentic.
  • También hay un distill de Qwen de 9B entrenado con datos generados por MiMo, orientado a “toy GPUs” y casos de uso más ligeros.

Benchmarks, frontera de Pareto y comparaciones

  • Se elogia a MiMo por ubicarse honestamente por detrás de los mejores modelos fronterizos de EE. UU. en muchos benchmarks, a la vez que destaca su “frontera” de coste/rendimiento de Pareto.
  • En algunas tareas más difíciles o menos saturadas por benchmarks, los comentaristas afirman que MiMo lidera modelos chinos comparables como Kimi K3, y compite con DeepSeek 4.1 Flash.
  • Otros desconfían de los benchmarks en general, citando sobreajuste y degradación de modelos propietarios después del lanzamiento; algunas clasificaciones por benchmark (p. ej., Opus vs Astra/Fable) se disputan.

Transparencia del entrenamiento y panel de RL

  • El panel de RL en vivo es un gran punto a favor: expuso reinicios, conjuntos de datos descartados (p. ej., un conjunto de datos “cyber” que perjudicó la programación), curvas de pérdida en tiempo real, rollouts, costes y métricas avanzadas (obsolescencia del modelo, divergencia KL).
  • Los comentaristas lo ven como un recurso educativo valioso y una mirada inusualmente abierta al RL al estilo frontier, aunque las identidades de los conjuntos de datos siguen siendo opacas.

Experiencias de usuario y peculiaridades de comportamiento

  • A muchos les gusta el rendimiento real de MiMo en programación y ciencia; otros informan bucles infinitos, largas trazas de “sobrepensar” y finalización muy lenta en niveles altos de esfuerzo.
  • Flash a veces razona más tiempo que Pro, en contra de lo esperado. Algunos consideran que MiMo 2.5 se había “vuelto más tonto” poco antes del lanzamiento de 2.6.
  • Los benchmarks SVG de “pelican” muestran un comportamiento competente pero no al máximo de los benchmarks; algunos prefieren las salidas de otros modelos.

Laboratorios chinos vs. de EE. UU., regulación y comoditización

  • Existe un fuerte sentimiento de que los modelos chinos (MiMo, DeepSeek, GLM, Kimi, Qwen) están cerrando la brecha de capacidades mientras dominan en eficiencia y precio.
  • Muchos especulan que los laboratorios fronterizos de EE. UU. están impulsando la regulación de “seguridad de IA” y restricciones sobre pesos abiertos o modelos chinos como una forma de proteccionismo de facto y captura regulatoria.
  • Otros responden que las ventajas de cómputo siguen favoreciendo a los laboratorios de EE. UU., y que la regulación se aplicaría a todos, no solo a los recién llegados.
  • Varios predicen que la inferencia de LLM se convertirá en una mercancía de bajo margen, como los datos móviles; el valor migrará a las aplicaciones y la integración empresarial más que a los tokens brutos.

Infraestructura, energía y hardware

  • La discusión cubre ejecutar MiMo y otros grandes modelos MoE en hardware de clase “Spark”/GB10 usando cuantización agresiva y embeddings n-gram por capa con descarga a SSD.
  • La memoria es una restricción importante; muchos usuarios con 128–256 GB de RAM todavía no pueden alojar modelos de escala frontier con contexto completo.
  • Hay debate sobre si el verdadero cuello de botella es el cómputo o la energía; algunos sostienen que la expansión de la red eléctrica de China y su cantera de ingenieros le darán una ventaja a largo plazo en IA, mientras que otros señalan la estrategia global de centros de datos de los hyperscalers de EE. UU.