Xiaomi öffnet MiMo‑V2.6 und rückt an geschlossene Spitzenmodelle heran

Worum es geht

Xiaomi hat am 22. September 2026 die Modellfamilie MiMo‑V2.6 mit offenen Gewichten veröffentlicht. Sie umfasst ein multimodales Pro-Modell sowie eine Flash-Variante mit 309 Milliarden Parametern, von denen laut Hersteller 15 Milliarden pro Durchlauf aktiv sind. Die Modelle stehen unter der MIT-Lizenz und unterstützen einen Kontext von bis zu 256.000 Token.

Die Veröffentlichung ist bemerkenswert, weil ein vor allem für Smartphones bekannter Konzern damit direkt in den Wettbewerb um leistungsfähige offene Modelle einsteigt. Unabhängige Berichte ordnen MiMo‑V2.6 Pro an der Spitze aktueller Open-Weight-Ranglisten ein, doch mehrere Zahlen stammen aus Xiaomis eigener Testumgebung.

Was MiMo‑V2.6 tatsächlich macht

MiMo‑V2.6 verarbeitet Text und visuelle Eingaben und ist auf Programmierung, Werkzeugnutzung und mehrstufige Agentenaufgaben ausgerichtet. Das Flash-Modell nutzt eine Mixture-of-Experts-Architektur: Nicht das gesamte Netz arbeitet an jedem Token, sondern nur ein ausgewählter Teil. Das senkt den Rechenaufwand gegenüber einem gleich großen dichten Modell.

Xiaomi meldet für Pro 71,9 Punkte auf DeepSWE v1.1, 53,1 auf AutomationBench und 89,9 auf Terminal Bench 2.1. Auf einzelnen Tests bleiben Claude Opus 5 und GPT‑5.6 Sol laut derselben Übersicht vorn. Die Veröffentlichung ist deshalb kein vollständiger Benchmark-Sieg, sondern ein ernst zu nehmender offener Konkurrent mit wechselnden Stärken.

Warum das wichtig ist

Offene Gewichte erlauben Unternehmen und Forschungsteams, ein Modell auf eigener Infrastruktur zu betreiben, zu untersuchen und anzupassen. Die MIT-Lizenz ist dabei wesentlich freizügiger als viele neuere Forschungs- oder Community-Lizenzen. Für Entwickler sinkt die Abhängigkeit von einer einzelnen Cloud-API; zugleich bleiben erhebliche Anforderungen an Hardware, Betrieb und Sicherheitsprüfung.

Der Veröffentlichungskontext ist umstritten. Anthropic wirft mehreren chinesischen Laboren vor, Claude-Ausgaben in großem Maßstab für Distillation genutzt zu haben. Xiaomi weist in seinen öffentlichen Materialien auf umfangreiches Reinforcement Learning hin. Welche Daten im Detail in Vor- und Nachtraining eingeflossen sind, lässt sich aus den veröffentlichten Angaben nicht vollständig prüfen.

Einfach erklärt

Ein Open-Weight-Modell ist wie eine gekaufte Küchenmaschine statt eines Lieferdienstes. Man kann sie in der eigenen Küche betreiben, öffnen und umbauen. Trotzdem braucht man Strom, Wartung und gute Zutaten; und die Herstellerangabe zur Leistung ersetzt keinen Test mit dem eigenen Rezept.

Praktisches Beispiel

Ein Softwareunternehmen möchte 5.000 interne Supportfälle pro Woche zusammenfassen, ohne die Texte an eine externe API zu senden. Es testet MiMo‑V2.6 Flash auf einem eigenen Server gegen zwei kleinere Modelle. Gemessen werden Antwortqualität, Halluzinationsrate, Laufzeit und Gesamtkosten über 500 repräsentative Fälle. Erst wenn Datenschutzprüfung und Fehlerrate passen, wird das Modell schrittweise eingesetzt.

Einordnung und Grenzen

• Viele Leistungswerte kommen vom Hersteller und sind nicht mit jedem unabhängigen Testaufbau vergleichbar.
• Offene Gewichte bedeuten weder vollständig offene Trainingsdaten noch automatisch nachvollziehbare Herkunft.
• Ein Modell dieser Größe braucht erhebliche Hardware und eine eigene Sicherheitsarchitektur; die MIT-Lizenz löst keine Betriebsprobleme.

Auch ein Spitzenplatz in einer Rangliste garantiert keine gute Leistung für Deutsch, firmenspezifische Aufgaben oder sensible Entscheidungen. Entscheidend sind reproduzierbare Tests mit echten, rechtmäßig nutzbaren Daten.

SEO- und GEO-Schlüsselbegriffe

Xiaomi MiMo‑V2.6, MiMo Pro, MiMo Flash, Open Weights, MIT-Lizenz, Mixture of Experts, multimodale KI, Coding-Modell, lokale KI, Reinforcement Learning