Xiaomi का नया ओपन एआई मॉडल (open AI model) ओपन-वेट रैंकिंग्स (open-weight rankings) में शीर्ष पर

21 सितंबर 2026 को Xiaomi ने MiMo-V2.6 सीरीज़ रिलीज़ की और उसे ओपन-सोर्स किया — तीन चेकपॉइंट फ़ैमिली, जिनका नेतृत्व दो नेटिव ओम्नीमोडल स्पार्स-MoE मॉडल करते हैं, और जो अनगेटेड (ungated), MIT-लाइसेंस वाले Hugging Face रिपॉज़िटरी के रूप में प्रकाशित हुए:

• MiMo-V2.6-Pro-RL — फ्लैगशिप: 1.02T टोटल / 42B एक्टिव पैरामीटर, 1M-टोकन कॉन्टेक्स्ट, टेक्स्ट/इमेज/वीडियो/ऑडियो इनपुट, टेक्स्ट आउटपुट। (FACT, HF कार्ड + AA सहमत)
• MiMo-V2.6-Flash-RL — एफ़िशिएंसी टियर: 309B टोटल / 15B एक्टिव, वही 1M-टोकन कॉन्टेक्स्ट और मोडैलिटीज़। (FACT)
• MiMo-V2.6-Distill-Qwen-9B — एक 9B एजेंटिक-RL शुरुआती बिंदु, जिसे MiMo-जनित डेटा पर डिस्टिल किया गया। (FACT, HF; कंपनी इसे एक रिसर्च एंट्री पॉइंट बताती है)
• साथ में 7,000+ उच्च-गुणवत्ता वाले RL टास्क एनवायरनमेंट (सॉफ़्टवेयर इंजीनियरिंग, वल्नरेबिलिटी रिप्रोडक्शन, नॉलेज-इंटेंसिव कार्य, वेब डिज़ाइन एवं डेवलपमेंट), एक एंड-टू-एंड RL ट्रेनिंग फ़्रेमवर्क (verl, uni-agent, mini-swe-agent पर आधारित) तथा कंपोज़ेबल मिनी-हार्नेस — यानी Xiaomi ने सिर्फ़ वेट्स नहीं, ट्रेनिंग मशीनरी भी खोली। (कवरेज/गुणवत्ता के बारे में COMPANY CLAIM; रिलीज़ की सामग्री आधिकारिक डॉक्स से CONFIRMED)
• आधिकारिक घोषणा (22 सितंबर की तारीख वाली) का शीर्षक है "MiMo-V2.6: Scaling Up Reinforcement Learning for Self-Improvement", और ब्लॉग पेज का मेटा है: "Introducing the MiMo-V2.6 series: frontier intelligence, all the modalities, built in public."

स्वतंत्र मापन (INDEPENDENTLY VERIFIED): Artificial Analysis MiMo-V2.6-Pro को Intelligence Index v4.3.2 पर 46 देता है — उसके लीडरबोर्ड पर किसी भी ओपन-वेट्स मॉडल का सर्वोच्च स्कोर, अपनी क्लास (बड़े ओपन-वेट्स रीज़निंग मॉडल) में 114 में से #1, और कुल मिलाकर प्रोप्राइटरी Grok 4.7 (xhigh) के साथ बराबरी। AA रिलीज़ तारीख 21 सितंबर 2026 बताता है; API प्राइसिंग $0.435/M इनपुट, $0.87/M आउटपुट, असामान्य रूप से गहरी 99% कैश छूट के साथ, प्रति Intelligence Index टास्क $0.13 (Grok 4.7 के ~$3.74 के मुकाबले), 54.2 t/s, TTFT 2.67 s, 1M कॉन्टेक्स्ट, और एक ही API प्रोवाइडर (Xiaomi का अपना)।

कंपनी द्वारा प्रकाशित परफ़ॉर्मेंस दावे (रीप्लिकेट होने तक COMPANY CLAIM): Pro DeepSWE v1.1 पर 71.9 तक पहुँचता है (Flash 67.9, MiMo-V2.5-Pro 19.0, Claude Opus 5 / GPT-5.6 Sol 74.0, Claude Fable 5 70.0); अधिकांश एजेंट बेंचमार्क पर Xiaomi कहती है कि Pro, Claude Opus 5 और GPT-5.6 Sol के बराबर है; AA इंडेक्स "46.32" (Unite.AI द्वारा घोषणा के उद्धरण के अनुसार); सीरीज़ "Kimi K3 और Qwen3.8 Max से आगे निकलती है"; मल्टीमॉडल क्षमताएँ — 3D गेम जनरेशन, Blender मॉडलिंग, Computer Use, Franka Panda आर्म का एम्बॉडीड नियंत्रण, मटीरियल्स रिसर्च (PFAS अधिशोषण के लिए MOF डिज़ाइन), और Li & Yorke के "Period Three Implies Chaos" का Lean 4 कर्नेल-वेरिफ़ाइड फ़ॉर्मलाइज़ेशन (>6,000 पंक्तियाँ)।

प्रोडक्शन RL की पारदर्शिता — असामान्य हिस्सा: Xiaomi अपने प्रोडक्शन RL रन लाइवस्ट्रीम करती है। छह दिन से कम समय में Flash और Pro चेकपॉइंट ने मिलाकर ~750,000 ट्रैजेक्ट्रीज़ पर 30 RL स्टेप पूरे किए, बताई गई लागत ~$0.85M (Flash) और ~$2.62M (Pro); ट्रेनिंग टास्क पर औसत पास रेट 25% (Flash) और 12% (Pro) बढ़ा तथा DeepSWE v1.1 (एक होल्ड-आउट लॉन्ग-हॉराइज़न बेंचमार्क) 48.8 → 65.7 (Flash) और 58.4 → 72.6 (Pro) तक सुधरा। (COMPANY CLAIM — आंकड़े आधिकारिक घोषणा में प्रकाशित; लागत बाहर से ऑडिट करने योग्य नहीं।)

उपलब्धता (FACT): API मॉडल नाम mimo-v2.6-pro, mimo-v2.6-flash, mimo-v2.6-pro-ultraspeed (सभी लोअरकेस); API कीमतें V2.5 से अपरिवर्तित; एक UltraSpeed मोड (इन्फरेंस स्पीड में 20× तक) टोकन कीमत के 10× पर; Xiaomi MiMo Desktop क्लाइंट का सदस्यता के साथ आधिकारिक रिलीज़; AI Studio, MiMo Code और OpenRouter में भी, तथा ModelScope मिरर पर।

डिस्कवरी रिकॉर्ड में सुधार / परिष्करण (महत्वपूर्ण):

• "Tops open-weight rankings at 46" — INDEPENDENTLY VERIFIED। Artificial Analysis का ओपन-सोर्स मॉडल तुलना पेज (2026-09-23 को फ़ेच किया गया) MiMo-V2.6-Pro को Intelligence Index v4.3.2 पर 46 पर सूचीबद्ध करता है, जो GLM-5.3 (max) के 45 और Kimi K3 (max) के 44 से आगे है — ओपन-वेट्स मॉडल्स में पहला स्थान। उस पेज का विवरण कहता है: "MiMo-V2.6-Pro and GLM-5.3 (max) are the highest intelligence open source models." चेतावनी: 46 ओपन-वेट्स क्षेत्र का शीर्ष है, समग्र इंडेक्स का नहीं — क्लोज़्ड मॉडल Claude Fable 5.1 और GPT-6 Astra 53 पर आगे हैं (Xiaomi के अपने डॉक्स तथा S03 रिसर्च के अनुसार)। Grok 4.7 (xhigh) का स्कोर भी 46 है, लेकिन वह प्रोप्राइटरी है, ओपन-वेट्स नहीं।
• "Docs 'Update Time September 21'" — असल डॉक्स पेज में "Update Time September 22, 2026" लिखा है। इवेंट तारीख फिर भी 2026-09-21 है: Hugging Face रिपॉज़िटरी के createdAt टाइमस्टैम्प (Pro के लिए 2026-09-21T15:39:33Z, Flash के लिए 15:39:51Z, Distill-9B के लिए 18:18:40Z) और Artificial Analysis — दोनों वेट्स के 21 सितंबर को लाइव होने की पुष्टि करते हैं; आधिकारिक घोषणा का टेक्स्ट 22 सितंबर का है। दोनों तारीखें विंडो के भीतर हैं। पात्रता पर कोई असर नहीं।
• स्पीड के आंकड़े समय-संवेदनशील हैं और सार्वजनिक रिकॉर्ड में असंगत हैं। AA का लाइव मॉडल पेज (2026-09-23 को रिसर्च किया गया) 54.2 आउटपुट टोकन/s दिखाता है (क्लास मीडियन 67.1 से नीचे) और TTFT 2.67 s; Unite.AI की 21 सितंबर की रिपोर्ट ने AA के हवाले से 129.7 t/s / 2.17 s TTFT बताया था; एक सेकेंडरी राउटर पोस्ट (OrcaRouter, S03 स्रोतों में उद्धृत) ने 134.3 t/s बताया था। AA के पेज के आंकड़े नवीनतम माप विंडो को दर्शाते हैं (संभवतः UltraSpeed डिप्लॉयमेंट के बाद के)। यह रिसर्च वर्तमान रिकॉर्ड के रूप में AA के लाइव पेज के आंकड़े इस्तेमाल करती है और इस फैलाव को चिह्नित करती है।
• Flash के HF पेज पर लेबल "311B" कहता है; मॉडल कार्ड की Model Summary टेबल और AA 309B टोटल / 15B एक्टिव बताते हैं। पेज लेबल फ़ील्ड और कार्ड टेबल दोनों एक ही रेपो में दिखते हैं; कार्ड टेबल (309B/15B) को कैनोनिकल माना गया है, और 311B को डिस्प्ले-राउंडिंग का नतीजा। इसी तरह Pro पेज पर "1T" लेबल है और कार्ड टेबल में 1.02T। मामूली बात है, लेकिन उद्धृत करने से पहले तय कर लेना ज़रूरी है।
• "Kimi K3 और Qwen3.8 Max से आगे निकलता है" एक कंपनी दावा है जिसकी केवल आंशिक स्वतंत्र पुष्टि हुई है। AA स्वतंत्र रूप से दिखाता है कि MiMo-V2.6-Pro (46) Kimi K3 (max) (44) से आगे है — यह पुष्टि हो गई। AA का ओपन-सोर्स पेज "Qwen3.8 27B (xhigh)" को 34 पर सूचीबद्ध करता है, जिससे MiMo आगे है, लेकिन Xiaomi द्वारा नामित सटीक "Qwen3.8 Max" वैरिएंट AA के ओपन-सोर्स लीडरबोर्ड पर नहीं दिखता — उस विशिष्ट नाम के विरुद्ध आगे निकलने का दावा COMPANY CLAIM है।
• API license मेटाडेटा की विचित्रता: HF REST API का api/models/... पेलोड तीनों रेपो के लिए license: None लौटाता है, जबकि रेंडर किए गए मॉडल-कार्ड पेज और README YAML फ़्रंट-मैटर दोनों license: mit घोषित करते हैं, और AA स्वतंत्र रूप से MIT लाइसेंस दर्ज करता है। MIT CONFIRMED है (रेंडर किया गया कार्ड + README YAML + AA); API-फ़ील्ड की यह असंगति Hugging Face की मेटाडेटा-स्टोरेज विचित्रता है, जिसका ध्यान लाइसेंस ऑडिट की स्क्रिप्ट लिखते समय रखना चाहिए।

• AA के Intelligence Index पर अब तक मापा गया सबसे मज़बूत ओपन-वेट्स रिलीज़ आया — और ट्रेनिंग स्टैक साथ था। MiMo-V2.6-Pro का 46 स्कोर पिछले ओपन-वेट्स अग्रणियों (GLM-5.3 max 45, Kimi K3 max 44) को एक स्वतंत्र लीडरबोर्ड पर पीछे छोड़ता है, और Xiaomi ने सिर्फ़ MIT वेट्स ही नहीं, 7,000+ RL एनवायरनमेंट, RL फ़्रेमवर्क और मिनी-हार्नेस भी ओपन-सोर्स किए। (स्कोर पर FACT; ओपन-सोर्स की गई मशीनरी का दायरा आधिकारिक डॉक्स के अनुसार, CONFIRMED)
• AA के कंपोज़िट इंडेक्स पर ओपन/क्लोज़्ड इंटेलिजेंस का अंतर शीर्ष ओपन मॉडल और शीर्ष प्रोप्राइटरी क्रम के बीच एक अंक तक सिमट गया: ओपन-वेट्स 46 बनाम Claude Fable 5.1 / GPT-6 Astra 53 पर — और MiMo प्रोप्राइटरी Grok 4.7 के साथ 46 पर बराबरी करता है। "ओपन वेट्स एक जनरेशन पीछे होते हैं" वाली धारणा इस कंपोज़िट पर अब नहीं टिकती। (AA डेटा पर आधारित INTERPRETATION)
• लाइसेंस बदले: पिछला MiMo-V2-Flash रेपो Apache-2.0 था; V2.6 कार्ड MIT हैं (FACT: कार्ड YAML license: mit), जिससे व्यावसायिक डेरिवेटिव के लिए एट्रिब्यूशन की रुकावट भी हट जाती है।
• RL ट्रेनिंग की अर्थव्यवस्था सार्वजनिक और लगभग-रीप्रोड्यूसिबल हो गई: फ्लैगशिप पर 6 दिन के, 30-स्टेप प्रोडक्शन RL रन के लिए ~$2.62M, और एनवायरनमेंट/फ़्रेमवर्क कोड भी जारी — ताकि दूसरे इस लूप को दोहरा सकें — फ्रंटियर-स्केल RL में पारदर्शिता की दिशा में एक बड़ा बदलाव। (लागतों पर COMPANY CLAIM; जारी फ़्रेमवर्क से रीप्रोड्यूस करने योग्य — EARLY RESEARCH)
• ओपन वेट्स के लिए एक नया कीमत-प्रदर्शन संदर्भ बिंदु: AA Pro के लिए प्रति Intelligence Index टास्क $0.13 मापता है, $0.435/$0.87 प्रति M पर 99% कैश छूट के साथ — Grok 4.7 के ~$3.7/टास्क और GPT-6 Astra Max के ~$3.3/टास्क से बहुत नीचे, यानी प्रति-इंटेलिजेंस-पॉइंट लागत ~1–2 ऑर्डर ऑफ़ मैग्निट्यूड तक गिर गई। (AA के आंकड़ों पर INDEPENDENTLY VERIFIED; क्रॉस-वेंडर तुलना AA डेटा पर अंकगणित है)
• हार्डवेयर से जुड़ा दबाव: 1M-टोकन ट्रेनिंग वाला 1T-पैरामीटर MoE, 3.5–3.7B टोकन/स्टेप पर (कंपनी दावा), उस बेसलाइन को ऊपर उठाता है कि "ओपन-सोर्स AI" चलाने के लिए क्या चाहिए — और Flash (15B एक्टिव) को व्यावहारिक ऑन-प्रेम एंट्री पॉइंट बनाता है।

पहले (सितंबर 2026 के मध्य तक):

• AA के Intelligence Index पर ओपन-वेट्स नेतृत्व: GLM-5.3 (max) 45 पर, Kimi K3 (max) 44 पर — कोई भी ओपन मॉडल 46 तक नहीं पहुँचा था; MiMo-V2.5-Pro DeepSWE v1.1 पर 19.0 पर था और उसका कोई प्रतिस्पर्धी एजेंटिक प्रोफ़ाइल नहीं था (FACT: Xiaomi की अपनी पहले/बाद की टेबल)।
• ओपन-वेट्स रिलीज़ आम तौर पर वेट्स + एक कार्ड + शायद एक छोटा eval हार्नेस देते थे; ट्रेनिंग एनवायरनमेंट और RL कोड प्रोप्राइटरी रहते थे। (INTERPRETATION, व्यापक रूप से देखा गया)
• Xiaomi MiMo की पिछली ओपन रिलीज़ (MiMo-V2-Flash) Apache-2.0 थी, और V2.5 "Orbit 100 trillion token plan" के साथ ओपन-सोर्स किया गया था (डॉक्स न्यूज़ इंडेक्स से)।
• क्लोज़्ड फ्रंटियर: Claude Fable 5.1 / GPT-6 Astra 53 पर, किसी भी ओपन मॉडल से ≥7 अंक आगे; कीमत युद्ध पूरे ज़ोर पर (Grok 4.7 उसी सप्ताह $2/$6 पर; GPT-6 Sol/Luna अगले दिन आधी कीमत पर)।

बदलाव (21–22 सितंबर 2026):

• MiMo-V2.6-Pro-RL (1.02T/42B, MIT, अनगेटेड) AA पर 46 पर पहुँचता है — ओपन-वेट्स में #1 स्कोर, कुल मिलाकर प्रोप्राइटरी Grok 4.7 के साथ बराबरी; Flash (309B/15B) वही 1M कॉन्टेक्स्ट और मोडैलिटीज़ Pro से 10× कम टोकन कीमत पर देता है।
• Xiaomi वेट्स के साथ 7,000+ RL एनवायरनमेंट, एक एंड-टू-एंड RL फ़्रेमवर्क, मिनी-हार्नेस, एक टेक्निकल रिपोर्ट और एक Distill-9B शुरुआती बिंदु जारी करती है, साथ में 6 दिन का लाइवस्ट्रीम किया गया प्रोडक्शन RL रन शुरू से अंत तक दर्ज।
• API प्राइसिंग V2.5 से अपरिवर्तित; UltraSpeed (≤20×) लॉन्च; Desktop क्लाइंट बीटा से बाहर; Distill-9B RL के बाद SWE-bench Verified पर 61.1 → 66.2 दिखाता है (कंपनी दावा)।

बाद में:

• पहली बार, शीर्ष ओपन-वेट्स मॉडल और एक शीर्ष प्रोप्राइटरी मॉडल एक ही कंपोज़िट इंडेक्स स्कोर (46/46) पर हैं, 673 ट्रैक किए गए मॉडल्स में, जबकि समग्र बढ़त (53) अब भी क्लोज़्ड है — इसलिए ओपन-बनाम-क्लोज़्ड का विमर्श "ओपन के शीर्ष पर बराबरी" बनाम "समग्र बढ़त अब भी क्लोज़्ड" में बँट जाता है।
• अब हर लैब की अगली रिलीज़ को "RL स्टैक के साथ 46 पर ओपन" का जवाब देना होगा — चाहे स्कोर पर, प्रति-टास्क कीमत ($0.13) पर, लाइसेंस (MIT) पर, या पारदर्शिता (लाइवस्ट्रीम RL रन) पर। (PREDICTION)
• लागत-संवेदनशील एजेंटिक काम के लिए डेवलपर का डिफ़ॉल्ट डिप्लॉयमेंट चुनाव ओपन वेट्स की ओर झुकता है: MiMo-V2.6-Flash (15B एक्टिव, $0.14/$0.28) एक विश्वसनीय सेल्फ़-होस्टेड डिफ़ॉल्ट बनता है, और Pro मोट-लेवल विकल्प रहता है। (INTERPRETATION)

• आर्किटेक्चर (FACT, HF कार्ड): दोनों चेकपॉइंट हाइब्रिड स्लाइडिंग-विंडो/ग्लोबल-अटेंशन बैकबोन पर स्पार्स MoE हैं, "You Only RL Once" मिक्स्ड ट्रेनिंग के साथ। Pro: 70 लेयर (60 SWA + 10 GA), हिडन 6144, 384 राउटेड एक्सपर्ट्स जिनमें प्रति टोकन 8 एक्टिव, SWA विंडो 128, 1M अधिकतम कॉन्टेक्स्ट। Flash: 48 लेयर (39 SWA + 9 GA), हिडन 4096, 256 एक्सपर्ट्स / 8 एक्टिव। पहला ब्लॉक ग्लोबल अटेंशन और डेंस FFN इस्तेमाल करता है; बाकी ब्लॉक लोकल SWA और GA को स्पार्स MoE FFN के साथ इंटरलीव करते हैं और कोई शेयर्ड एक्सपर्ट नहीं रखते।
• ओम्नीमोडल I/O (FACT): विज़न के लिए एक 681M-पैराम MiMo ViT (28 लेयर, 24 SWA + 4 फ़ुल; पैच 2×16×16); ऑडियो के लिए 308M-पैराम AudioTokenizer (20 RVQ कोडबुक) तथा 127M-पैराम ऑडियो पैच एनकोडर (25 Hz → 6.25 Hz); टेक्स्ट/इमेज/वीडियो/ऑडियो इनपुट, टेक्स्ट आउटपुट; 1M-टोकन कॉन्टेक्स्ट (AA के अनुसार लगभग 1,500 A4 पृष्ठ)।
• स्पेकुलेटिव डिकोडिंग (FACT): एक 5-लेयर SWA मल्टी-टोकन-प्रेडिक्शन ड्राफ़्टर प्रति फ़ॉरवर्ड पास 7 अगले टोकन का अनुमान लगाता है, समानांतर वेरिफ़िकेशन के लिए (कार्ड में EAGLE-शैली की रेसिपी)।
• RL रेसिपी (प्रभावशीलता पर COMPANY CLAIM; मैकेनिक्स कार्ड/डॉक्स से): विशाल बैचों पर पूरी तरह असिंक्रोनस GRPO — प्रति स्टेप 1,568 प्रॉम्प्ट × 16 रोलआउट, प्रति अपडेट अरबों टोकन, 1M-कॉन्टेक्स्ट ट्रेनिंग जिसमें प्रति स्टेप 3.5–3.7B टोकन। ग्रेडिंग भी स्केल्ड है: Groupwise Reward Synthesis (GRS) रोलआउट के विरोध-तुलन से ऑफ़लाइन रूप में टास्क-विशिष्ट रूब्रिक बनाता है; Groupwise Advantage Redistribution (GAR) ऑनलाइन पास होने वाली ट्रैजेक्ट्रीज़ को रैंक करता है — दोनों मिलकर एक सेल्फ़-इम्प्रूवमेंट लूप बनाते हैं जो छोटे रास्तों और कम टोकन की ओर ले जाता है।
• स्थिरता/एंटी-हैकिंग उपाय (COMPANY CLAIM): RL के दौरान MoE राउटर फ़्रीज़ रहता है ताकि एक्सपर्ट लोड ड्रिफ़्ट दबा रहे; रिवॉर्ड-हैकिंग रक्षा में रिवॉर्ड डिज़ाइन, एडवर्सेरियल इवैल्यूएशन, एनोमली डिटेक्शन और वेरिफ़ायर क्रॉस-चेक शामिल हैं।
• मल्टी-हार्नेस डिज़ाइन (COMPANY CLAIM): टास्क और हार्नेस (कोड, जनरल एजेंट, विज़ुअल, साइबर) एक ही बैच में मिलाए जाते हैं ताकि क्षमताएँ एक-दूसरे को मज़बूत करें; हल्के कंपोज़ेबल "मिनी-हार्नेस" सिस्टम प्रॉम्प्ट, टूल्स और कॉन्टेक्स्ट मैनेजमेंट को अलग करते हैं, और Xiaomi दावा करती है कि ट्रेनिंग में कभी न देखे गए हार्नेस पर भी जनरलाइज़ेशन होता है।
• डिस्टिलेशन (COMPANY CLAIM): MOPD2 (Multi-Prefix Multi-Teacher On-Policy Distillation) मिक्स्ड RL रन के बाद आता है और टीचर/SFT प्रीफ़िक्स दोबारा इस्तेमाल करता है, जिससे डिसीज़न पॉइंट्स पिछले टर्न दोबारा जनरेट किए बिना ट्रेन होते हैं — RL के फ़ायदे कठिन-से-वेरिफ़ाई टास्क तक बढ़ाते हुए; Distill-Qwen-9B आर्टिफ़ैक्ट इसे एक छोटे शुरुआती चेकपॉइंट पर लागू करता है।
• सर्विंग (FACT): SGLang और vLLM रेसिपी मॉडल कार्ड पर प्रकाशित (Docker इमेज, टेंसर-पैरेलल/EP लेआउट); Xiaomi की API (OpenAI-संगत), OpenRouter, AI Studio, MiMo Code और Desktop के ज़रिए भी सर्व की जाती है; UltraSpeed मोड 20× तक टोकन स्पीड पर, 10× कीमत पर।

1. ओपन-वेट्स की सीमा ऊपर खिसकी — और एक प्रतिष्ठित कंपोज़िट पर क्लोज़्ड मॉडल्स से दूरी नाटकीय रूप से घटी। AA 46 (#1 ओपन, प्रोप्राइटरी Grok 4.7 के साथ बराबरी; क्लोज़्ड लीडर 53 पर) आज तक का सबसे मज़बूत स्वतंत्र रूप से मापा गया ओपन-वेट्स परिणाम है। "ओपन वेट्स हमेशा एक जनरेशन पीछे होते हैं" वाला दावा ओपन क्षेत्र के शीर्ष पर अब सच नहीं है। (स्कोर पर FACT; इसका अर्थ क्या है, वह दावा INTERPRETATION है)
2. Xiaomi ने सिर्फ़ मॉडल नहीं, रिप्रोडक्शन किट ओपन-सोर्स किया। 7,000+ RL एनवायरनमेंट, verl-आधारित एंड-टू-एंड फ़्रेमवर्क, मिनी-हार्नेस, एक टेक्निकल रिपोर्ट और एक 9B शुरुआती बिंदु का मतलब है कि दूसरी लैब्स और उद्यम ट्रेनिंग लूप दोबारा बना सकते हैं — यह एक सार्वजनिक-हित कदम है जो वैश्विक स्तर पर ओपन एजेंटिक-RL रिसर्च को तेज़ कर सकता है। (रिलीज़ के दायरे पर FACT; प्रभाव की दिशा PREDICTION है)
3. ओपन एजेंटिक AI के लिए प्रति-टास्क लागत का धड़ाम: प्रति Intelligence Index टास्क $0.13 (Grok 4.7 के $3.74, GPT-6 Astra Max के ~$3.3 के मुकाबले) ओपन-वेट्स एजेंटिक वर्कलोड की अर्थव्यवस्था को फिर से सेट करता है — और 99% कैश छूट लॉन्ग-कॉन्टेक्स्ट/RAG पैटर्न को इनाम देती है। (आंकड़े INDEPENDENTLY VERIFIED; "रीसेट" INTERPRETATION है)
4. कीमत युद्ध का अब एक ओपन-वेट्स आपूर्ति पक्ष भी है: Grok 4.7 ($2/$6) और GPT-6 Sol/Luna (आधी कीमत) वाले उसी सप्ताह Xiaomi ने MIT वेट्स $0.435/$0.87 (Pro) और $0.14/$0.28 (Flash) पर असीमित व्यावसायिक उपयोग के साथ भेजे — "कम में फ्रंटियर" अब तीन-कंपनी वास्तविकता और एक मुफ़्त-उपयोग ओपन लेयर है। (FACT)
5. पारदर्शिता एक प्रतिस्पर्धी हथियार के रूप में: लाइवस्ट्रीम किया गया प्रोडक्शन RL, प्रकाशित रन लागतें और पूरा ट्रेनिंग कोड जारी करना क्लोज़्ड लैब्स से सचमुच अलग रुख है — यह Xiaomi की AI रिसर्च को भरोसे का संकेत और भर्ती/इकोसिस्टम संपत्ति बनाता है। (INTERPRETATION)

• शीर्ष-ओपन-वेट्स रीज़निंग मॉडल को सेल्फ़-होस्ट करना 1M कॉन्टेक्स्ट के साथ, नेटिव टेक्स्ट/इमेज/वीडियो/ऑडियो इनपुट के साथ — कोई API निर्भरता नहीं, कोई प्रति-टोकन बिल नहीं, MIT शर्तें — उन संगठनों के लिए जो हार्डवेयर जुटा सकते हैं (Pro) या जो व्यावहारिक ऑन-प्रेम इन्फरेंस के लिए Flash (15B एक्टिव) चुनते हैं।
• फ्रंटियर-स्केल एजेंटिक RL लूप को दोहराना और आगे बढ़ाना: जारी किए गए एनवायरनमेंट (SW इंजीनियरिंग, वल्नरेबिलिटी रिप्रोडक्शन, नॉलेज-इंटेंसिव कार्य, वेब डिज़ाइन/डेव), फ़्रेमवर्क और मिनी-हार्नेस रिसर्च टीमों को वह शुरुआती बिंदु देते हैं जो पहले उन्हें शून्य से जोड़ना पड़ता था (महीनों का काम)। (गुणवत्ता/पूर्णता पर COMPANY CLAIM; सामग्री CONFIRMED)
• लॉन्ग-हॉराइज़न एजेंट वर्कलोड चलाना (1M कॉन्टेक्स्ट; AA के अनुसार "~1,500 A4 पृष्ठ") ओपन वेट्स पर 99% कैश छूट के साथ — बड़े कोडबेस पर RAG, मल्टी-सेशन एजेंट रन, टूल ट्रेस।
• MIT वेट्स पर व्यावसायिक उत्पाद बनाना बिना किसी लाइसेंस अड़चन के (कोई एट्रिब्यूशन क्लॉज़ नहीं, असीमित रीडिस्ट्रिब्यूशन/मॉडिफ़िकेशन), जिसमें फ़ाइन-ट्यून, डिस्टिलेशन और सर्विंग बिज़नेस शामिल हैं।
• Distill-Qwen-9B के ज़रिए छोटी टीमों की एजेंटिक-RL रिसर्च: एक 9B चेकपॉइंट जिसने अपने SFT बेसलाइन से RL के बाद +5.1 SWE-bench Verified और +15.7 MiMo Cyber Bench हासिल करने का दस्तावेज़ीकरण किया (कंपनी दावे) — एक शुरू करने योग्य, GPU-अनुकूल ट्रेनिंग लक्ष्य।
• ओपननेस को बेंचमार्क करना: AA के Openness Index के घटक और लाइसेंस डेटा में अब एक ऐसा मॉडल है जो शीर्ष-इंटेलिजेंस और अधिकतम अनुमतिशील दोनों है — खरीद प्रक्रिया की "ओपननेस" आवश्यकताओं के लिए एक संदर्भ बिंदु।

• बेंचमार्क स्थितियाँ समय-संवेदनशील हैं: AA का पेज आज 54.2 t/s और TTFT 2.67 s दिखाता है, जबकि शुरुआती प्रेस ने 129.7 t/s / 2.17 s बताया था — सर्विंग ट्यून होने (UltraSpeed डिप्लॉयमेंट, बैचिंग) के साथ स्पीड और लेटेंसी के आंकड़े बदलते हैं। AA के आंकड़े उद्धृत करते समय तारीख और माप विंडो हमेशा दर्ज करें।
• 1T-पैरामीटर ओपन वेट्स हार्डवेयर की सीमा ऊपर उठाते हैं: Pro (BF16) को अनिवार्य रूप से मल्टी-नोड टेंसर/एक्सपर्ट पैरेललिज़्म चाहिए (कार्ड की SGLang रेसिपी --tp 16 --dp 2 --nnodes 2 मानती है, EP 16 के साथ); व्यावहारिक सेल्फ़-होस्टेड रास्ता Flash (309B टोटल / 15B एक्टिव, कार्ड tp 8 मानता है) या क्वांटाइज़्ड बिल्ड है (Flash के लिए पहले से 28 कम्युनिटी क्वांटाइज़ेशन सूचीबद्ध हैं)।
• 3.5–3.7B टोकन/स्टेप पर 1M-कॉन्टेक्स्ट RL ट्रेनिंग (कंपनी दावा) एक बड़ा सिस्टम्स-इंजीनियरिंग डेटा पॉइंट है — उस पैमाने पर अटेंशन/कम्युनिकेशन ओवरहेड ठीक वह जगह है जहाँ ज़्यादातर लैब्स फ़ेल होती हैं; Xiaomi का फ़्रेमवर्क प्रकाशित करना दर्शाता है कि वे पैटर्न अब फैलाने योग्य हैं।
• MoE राउटर फ़्रीज़ करना + ग्रुपवाइज़ एजेंटिक ग्रेडिंग लॉन्ग-हॉराइज़न RL को स्थिर करने की ठोस, अपनाने योग्य तकनीकें हैं — टेक्निकल रिपोर्ट और कोड उन्हें फ़ॉल्सिफ़ायबल बनाते हैं।
• फ्रंटियर-स्केल मॉडल पर MIT ओपन रिलीज़ के लाइसेंस-बातचीत के मानदंड फिर से सेट करता है (Apache-2.0 पहले से आम था; MIT व्यावसायिक डेरिवेटिव के लिए कॉपीलेफ़्ट/नोटिस की अड़चन पूरी तरह हटा देता है)।
• मल्टी-हार्नेस जनरलाइज़ेशन (हार्नेस के आर-पार ट्रेनिंग, और अनदेखे हार्नेस पर ट्रांसफ़र का दावा) एक मज़बूत दावा है जिसे स्वतंत्र री-रन से जाँचना चाहिए — फ़िलहाल EARLY RESEARCH/COMPANY CLAIM।

• सेल्फ़-होस्टेड एजेंटिक कोडिंग के लिए MiMo-V2.6-Flash को डिफ़ॉल्ट उम्मीदवार बनाएँ — 15B एक्टिव, 1M कॉन्टेक्स्ट, MIT: कार्ड पर vLLM/SGLang की एक-कमांड रेसिपी (vllm serve XiaomiMiMo/MiMo-V2.6-Flash-RL --tensor-parallel-size 4); कार्ड के अनुसार temperature 1.0, top_p 0.95 से सैंपल करें।
• अगर क्लस्टर है तो Pro फ्रंटियर-लेवल विकल्प है (रेसिपी के अनुसार tp 16 / 2 नोड, या API से $0.435/$0.87 पर 99% कैश छूट के साथ) — स्टिकर कीमत नहीं, प्रति-टास्क लागत बेंचमार्क करें; AA का $0.13/इंडेक्स-टास्क आंकड़ा संदर्भ है।
• CI में रिवीज़न और लाइसेंस मेटाडेटा पिन करें: इन रेपो के लिए HF API का license फ़ील्ड None लौटाता है, जबकि कार्ड YAML MIT घोषित करता है — README YAML या रेंडर किए गए कार्ड से ऑडिट करें, और कमिट पिन करें; Flash के लिए 311B-पेज-लेबल बनाम 309B-कार्ड-टेबल का अंतर भी ध्यान में रखें।
• UltraSpeed की कीमत प्रति टोकन 10× है (Pro के लिए $4.35/$8.70 प्रति M) — केवल लेटेंसी-क्रिटिकल/हाई-थ्रूपुट रास्तों के लिए; चुनिंदा रूटिंग करें (जैसे इंटरैक्टिव एजेंट लूप, बैच जॉब्स नहीं)।
• कैश की अर्थव्यवस्था असाधारण है: 99% कैश-रीड छूट (Pro $0.0036/M कैश्ड) लॉन्ग-कॉन्टेक्स्ट, बार-बार-प्रीफ़िक्स वाले वर्कलोड (एजेंट, कोडबेस पर RAG) को प्रतिस्पर्धियों से कहीं सस्ता बनाती है — कैश हिट बढ़ाने के लिए प्रॉम्प्ट डिज़ाइन करें (स्थिर सिस्टम प्रॉम्प्ट, बातचीत का पुनरुपयोग)।
• रिलीज़ के समय टूलिंग परिपक्व है: transformers (trust_remote_code), vLLM और SGLang रेसिपी, OpenRouter उपलब्धता, डेस्कटॉप क्लाइंट, ModelScope मिरर; दोनों प्रमुख सर्वर में --reasoning-parser mimo और --tool-call-parser mimo का मतलब है कि रीज़निंग/फ़ंक्शन-कॉल पार्सिंग फ़र्स्ट-पार्टी है।
• UlTraSpeed/कॉन्टेक्स्ट के सौदे पर नज़र रखें — हाइब्रिड SWA+GA अटेंशन के साथ 1M-टोकन कॉन्टेक्स्ट; सीमा पर भरोसा करने से पहले अपने डॉक्स पर असली लॉन्ग-कॉन्टेक्स्ट गुणवत्ता मापें (AA 1M सूचीबद्ध करता है, पेज पर गिरावट का कोई डेटा नहीं)।

• एजेंटिक/नॉलेज वर्कलोड के लिए एक विश्वसनीय ओपन-वेट्स विकल्प: API लॉक-इन से सतर्क उद्यम Flash-क्लास मॉडल ऑन-प्रेम या VPC में सेल्फ़-होस्ट कर सकते हैं (15B एक्टिव मामूली मल्टी-GPU नोड्स में फ़िट होता है) MIT शर्तों के साथ — उन वेंडर पोर्टफ़ोलियो पर फिर से बातचीत करें जो अभी केवल-क्लोज़्ड-API एजेंटिक AI मानते हैं।
• मौजूदा कीमत युद्ध में लागत/आपूर्ति का लीवर: AA का $0.13 प्रति इंडेक्स टास्क (API से Pro) क्लोज़्ड प्रति-टास्क लागतों से एक ऑर्डर ऑफ़ मैग्निट्यूड नीचे है; एक आंतरिक बेंचमार्क सेट (टोकन/टास्क, पास रेट, लागत) में MiMo-V2.6 Pro और Flash तुरंत शामिल होने चाहिए।
• डेटा-गवर्नेंस में बढ़त: ऑन-प्रेम/सेल्फ़-होस्टेड ओपन वेट्स नियमित उद्योगों में API उपयोग से जुड़े डेटा-निवास (data residency) सवालों से बचाते हैं (हालाँकि मॉडल की ट्रेनिंग प्रोवेनेंस और लाइसेंस की कानूनी समीक्षा फिर भी ज़रूरी है — MIT उपयोग कवर करता है, डेटा लिनेज नहीं)।
• RL-इंफ़्रास्ट्रक्चर अपनाने का जोखिम: जारी फ़्रेमवर्क/verl-आधारित स्टैक एक रिसर्च-ग्रेड संपत्ति है; इसे प्रोडक्शन में लाने के लिए MLOps निवेश चाहिए — इसे टर्नकी न मानें; एक मज़बूत शुरुआती बिंदु मानें (परामर्श का अवसर)।
• अनुपालन संदर्भ: वेंडर द्वारा प्रकाशित सेफ़्टी/मना-करने के मीट्रिक और ओपन-वेट्स की ऑडिटेबिलिटी (वेट्स, कोड, टेक्निकल रिपोर्ट) उस दस्तावेज़ीकरण का इनपुट बनते हैं जो उद्यमों को नए AI गवर्नेंस फ़्रेमवर्क के तहत बढ़ती मात्रा में चाहिए (जैसे 18–19 सितंबर के US EO सप्ताह); MIT + पूर्ण रिलीज़ इस विंडो में प्रकाशित सबसे मज़बूत ऑडिटेबल रुख है।
• डिप्लॉयमेंट की ज़मीनी हकीकत: Pro-ग्रेड हार्डवेयर आवश्यकताएँ असली हैं; ज़्यादातर उद्यम पहले Flash या क्वांटाइज़्ड बिल्ड अपनाएँगे, और Pro API से।

• Xiaomi फ़ोन/हार्डवेयर AI से एक फ्रंटियर ओपन-वेट्स लैब की ओर बढ़ती है — ऐसी रणनीति के साथ जिसकी नकल दूसरे कर सकते हैं। फ़ॉर्मूला: वेरिफ़ायबल टास्क पर स्केल्ड RL से ट्रेनिंग, MIT के तहत वेट्स खोलना, रन लाइवस्ट्रीम करना, लागतें प्रकाशित करना, और मॉडल गोपनीयता के बजाय API/UltraSpeed/डेस्कटॉप/claw/kg इकोसिस्टम से कमाई। (INTERPRETATION; घटक CONFIRMED)
• ओपन-वेट्स की सीमा (46) अब क्लोज़्ड-सेकंड-टियर (Grok 4.7, 46 पर) से सट गई है और केवल क्लोज़्ड लीडर्स (53) से पीछे है। ग्राहकों के लिए सवाल "ओपन या क्लोज़्ड?" से बदलकर "वेंडर जोखिम और कीमत के लिहाज़ से +7 इंडेक्स अंक कितने के हैं?" हो जाता है। (INTERPRETATION)
• RL-आपूर्ति-श्रृंखला का दाँव: एनवायरनमेंट + फ़्रेमवर्क + Distill-9B ओपन-सोर्स करके Xiaomi एक स्व-मज़बूत होता इकोसिस्टम बोती है (रिसर्चर Xiaomi के स्टैक पर ट्रेन करते हैं → सुधार Orbit/claw/डेस्कटॉप के ज़रिए Xiaomi के प्लेटफ़ॉर्म में वापस आते हैं) — आमने-सामने बेंचमार्क युद्ध जीतने से सस्ता, और क्लोज़्ड लैब्स के मुकाबले टिकाऊ। (INTERPRETATION)
• चीन-लैब प्रतिस्पर्धा अब तीन-तरफ़ा ओपन-वेट्स दौड़ है (Xiaomi MiMo, Z AI GLM-5.3, Kimi K3 44/45/46 पर) — ओपन क्षेत्र के शीर्ष पर चीनी लैब्स का दबदबा है, जबकि अमेरिकी लैब्स की ओपन एंट्रीज़ (Meta/NVIDIA/Thinking Machines) AA के ओपन-सोर्स पेज पर 17–25 पर पीछे हैं। (FACT, AA लीडरबोर्ड)
• क्लोज़्ड लैब्स की प्रतिक्रिया की उम्मीद रखें — और भी तीव्र बजट टियर, एक्सक्लूसिव हार्नेस इंटीग्रेशन, या अपने छोटे मॉडल्स की ओपन रिलीज़; ओपन-वेट्स कीमत अब एजेंटिक वर्कलोड के लिए फ़्लोर तय कर सकती है। (PREDICTION)

• कंपनी-दावा बेंचमार्क श्रेष्ठता अधिकांश पंक्तियों पर तीसरे पक्ष से सत्यापित नहीं है। DeepSWE/एजेंट टेबल और डिज़ाइन लीडर स्वयं-प्रकाशित हैं; AA ने केवल कंपोज़िट इंडेक्स के व्यवहार को सत्यापित किया। खरीद-योग्य निष्कर्षों से पहले स्वतंत्र री-रन (SWE-bench Verified, Terminal-Bench, CyberGym) ज़रूरी हैं। (COMPANY CLAIM स्थिति)
• हार्डवेयर-पहुँच की बाधा दो-स्तरीय ओपन इकोसिस्टम बनाती है: केवल संसाधन-संपन्न टीमें 1T/42B Pro चला सकती हैं; Flash (15B एक्टिव) उस खाई को संकरा करता है, पाटता नहीं; छोटे खिलाड़ी ऐसी API कीमतों में बँध सकते हैं जो चुपचाप बदलती रहती हैं। (INTERPRETATION)
• प्रोडक्शन स्केल पर 1M-कॉन्टेक्स्ट के दावे गुणवत्ता की गिरावट, मेमोरी ब्लोअप या लोड में अत्यधिक TTFT छिपा सकते हैं — लॉन्ग-कॉन्टेक्स्ट SLA का वादा करने से पहले अपने डेटा पर मापें। (INTERPRETATION; AA का TTFT 2.67 s प्रीफ़िल दबाव का संकेत देता है)
• RL-स्टैक अपनाने का जोखिम: verl/uni-agent/mini-swe-agent के ऊपर जारी ट्रेनिंग कोड नया है; बग, हार्नेस की विचित्रताएँ और अनडॉक्यूमेंटेड एनवायरनमेंट व्यवहार संभावित हैं — इसे रिसर्च-ग्रेड मानें, प्रोडक्शन-ग्रेड नहीं।
• रिवॉर्ड-हैकिंग/दोहरे-उपयोग का जोखिम: साइबरसुरक्षा एनवायरनमेंट और डेटा (वल्नरेबिलिटी रिप्रोडक्शन, कार्ड पर ExploitGym-शैली के टास्क) ओपन-सोर्स करना और साथ में MIT वेट्स देना विरोधियों को आक्रामक क्षमताओं के लिए मुफ़्त ट्रेनिंग मैदान देता है — उद्यमों और नियामकों के लिए यह असली दोहरे-उपयोग का विचार है। (INTERPRETATION; ओपन-सोर्सिंग के तथ्य CONFIRMED हैं)
• आपूर्ति-श्रृंखला/भरोसे का जोखिम: अनगेटेड, MIT, कस्टम-कोड मॉडल सामान्य सतर्कता माँगते हैं — सटीक रिवीज़न पिन करें, trust_remote_code पेलोड स्कैन करें, और ध्यान रखें कि शीर्ष-स्तरीय HF API मेटाडेटा असंगत है (license: None) जो स्वचालित लाइसेंस-ऑडिट पाइपलाइन तोड़ सकता है।
• प्रोवाइडर एकाग्रता: AA होस्टेड Pro के लिए एक ही API प्रोवाइडर (Xiaomi) दिखाता है; अगर Xiaomi के प्लेटफ़ॉर्म में कोई घटना या कीमत बदलाव होता है, तो उद्यम तब तक खतरे में हैं जब तक वे सेल्फ़-होस्ट न करें या तीसरे-पक्ष प्रोवाइडर का इंतज़ार न करें (AA के पेज पर फ़िलहाल कोई सूचीबद्ध नहीं)।

• समग्र इंटेलिजेंस में लीडर नहीं: Claude Fable 5.1 / GPT-6 Astra के 53 के मुकाबले 46; Xiaomi के अपने डॉक्स भी यह दूरी स्वीकार करते हैं; "शीर्ष रैंकिंग" का दावा विशेष रूप से ओपन-वेट्स रैंकिंग का है।
• क्लास-औसत से नीचे आउटपुट स्पीड (AA के मौजूदा पेज के अनुसार 67.1 मीडियन के मुकाबले 54.2 t/s) और ऊँचा TTFT (2.32 s मीडियन के मुकाबले 2.67 s) — विचारशील, इंटरैक्टिव-स्ट्रीमिंग नहीं, जब तक UltraSpeed (10× कीमत पर) इस्तेमाल न हो।
• रिसर्च के समय AA के ट्रैकर पर एक ही API प्रोवाइडर; तीसरे-पक्ष के होस्टेड विकल्प अभी सूचीबद्ध नहीं।
• फ़्लैगशिप के सभी बेंचमार्क आंकड़े वेंडर-प्रकाशित हैं (कंपनी टेबल); केवल AA के कंपोज़िट/कीमत/स्पीड माप स्वतंत्र हैं।
• Pro ज़्यादातर सेल्फ़-होस्टर्स के लिए अव्यावहारिक है (मल्टी-नोड EP/TP ज़रूरी); जारी SGLang रेसिपी 2+ नोड मानती है।
• V2.6-Pro बेस (नॉन-RL) वैरिएंट के लिए Xiaomi की ओर से कोई प्रकाशित ओपन-वेट्स मॉडल कार्ड नहीं — केवल RL चेकपॉइंट जारी हुए हैं; AA नोट करता है कि "a non-reasoning variant may also exist" अन्य स्रोतों से।
• मल्टीमोडल दावे आर्किटेक्चरल हैं, पूरी तरह बेंचमार्क नहीं: वीडियो/ऑडियो इनपुट समर्थन कहा गया है; स्वतंत्र मल्टीमोडल इवैल (MMMU-Pro जैसे) फ़ेच किए गए पेजों पर नहीं थे।
• वर्बल/UX दावे (vibe world, संगीत, फ़िल्में) डेमो और मार्केटिंग केस हैं, मानकीकृत माप नहीं — इन्हें COMPANY CLAIM/उदाहरणात्मक मानें।

1. क्या स्वतंत्र री-रन DeepSWE 71.9 (Pro), CyberGym 94.0 और एजेंट-टेबल के आंकड़ों की पुष्टि करेंगे — और मापे जाने पर वे AA के Coding Agent Index पर कहाँ बैठते हैं (फ़ेच किए गए पेजों पर अभी नहीं)?
2. क्या दावा किए गए RL-अर्थशास्त्र (6 दिन, 30 स्टेप, ~750K ट्रैजेक्ट्रीज़, Pro के लिए $2.62M) जारी फ़्रेमवर्क के साथ रीप्रोडक्शन पर टिकते हैं — और कौन-सा क्लस्टर चाहिए था?
3. HF API license: None क्यों लौटाता है जबकि कार्ड/README/AA सब MIT कहते हैं — मेटाडेटा माइग्रेशन बग या जानबूझकर फ़्लैग? क्या स्वचालित लाइसेंस ऑडिट गुमराह होंगे?
4. क्या UltraSpeed वही दस्तावेज़ीकृत 129.7 t/s रीडआउट (शुरुआती प्रेस) है जो मौजूदा 54.2 t/s डिफ़ॉल्ट से अलग है — और 20× का दावा 1M कॉन्टेक्स्ट पर टिकता है?
5. तीसरे-पक्ष प्रोवाइडर (Fireworks/Together/Baseten-क्लास) Pro/Flash को कब होस्ट करेंगे, और Xiaomi के $0.435/$0.87 के मुकाबले किस कीमत पर?
6. क्या Xiaomi बेस (नॉन-RL) V2.6 चेकपॉइंट या लेटेंसी-संवेदनशील सर्विंग के लिए V2.6-Pro "non-reasoning" वैरिएंट जारी करेगी?
7. जारी किए गए साइबर एनवायरनमेंट के स्वतंत्र सेफ़्टी/रेड-टीम मूल्यांकन क्या निष्कर्ष देते हैं — और ओपन साइबर किट पहले शोधकर्ताओं का ध्यान खींचता है या दुरुपयोग?
8. क्या Distill-Qwen-9B रेसिपी (SWE-bench 61.1→66.2, MiMo Cyber Bench 31.3→47.0) दूसरे 9B बेस पर दोहराई जा सकती है, और क्या यह MiMo के एनवायरनमेंट सूट के बाहर जनरलाइज़ होती है?
9. अब रोडमैप की गति क्या है — MiMo-V2.7? MiMo Code/Claw/Orbit इकोसिस्टम के साथ इंटीग्रेशन — और क्या API कीमतें सचमुच स्थिर रहती हैं?

प्रभाव: किसी व्यक्तिगत डेवलपर/विश्लेषक के लिए तत्काल सतह है: ओपन क्षेत्र के शीर्ष पर एक नया MIT ओपन-वेट्स विकल्प, $0.435/$0.87-प्रति-M API 99% कैश छूट के साथ, और (हार्डवेयर-संपन्न लोगों के लिए) 1T-पैराम सेल्फ़-होस्ट लक्ष्य; Flash (15B एक्टिव) व्यावहारिक व्यक्तिगत/लैपटॉप-निकट श्रेणी है।

कदम: एक हफ़्ते का VERIFY अभ्यास चलाएँ (देखें labs/S09.md): (1) HF API और कार्ड YAML से पुष्टि करें कि रेपो अनगेटेड/MIT हैं; (2) फ़ेच किए गए पेजों से AA ओपन-वेट्स लीडरबोर्ड की पंक्तियाँ (46/45/44) दोबारा बनाएँ; (3) MiMo बनाम Grok 4.7 बनाम GPT-6 Astra के लिए प्रति-इंडेक्स-पॉइंट अर्थशास्त्र निकालें। फिर, अगर GPU बजट है, तो Flash को अपने 3 एजेंटिक-कोडिंग टास्क पर बेंचमार्क करें और प्रति-डॉलर पास रेट की तुलना अपने मौजूदा डिफ़ॉल्ट से करें।

प्रभाव: टीमों/कंपनियों के लिए: एक ओपन, MIT-लाइसेंस वाला, ओपन-वेट्स के शीर्ष पर खड़ा एजेंटिक मॉडल, रिकॉर्ड-निम्न प्रति-टास्क लागत पर, मॉडल-चयन फ़्रेमवर्क, वेंडर बातचीत और सेल्फ़-होस्ट बनाम API के फ़ैसलों को फिर से सेट करता है; जारी RL स्टैक एजेंट प्रोग्राम्स के लिए संभावित ट्रेनिंग/इवैल नींव है।

कदम: औपचारिक इवैल्यूएशन मैट्रिक्स में MiMo-V2.6-Pro और Flash जोड़ें (प्रति-टास्क टोकन, पास रेट, लागत, लेटेंसी — स्टिकर कीमत नहीं); अगर नियमित उद्योग हैं, तो MIT लाइसेंस + वेट/कोड उपलब्धता को AI-गवर्नेंस फ़ाइल में दर्ज करें; MLOps क्षमता वाली टीमों के लिए, किसी गैर-महत्वपूर्ण एजेंटिक वर्कलोड पर Flash को सेल्फ़-होस्टेड (vLLM tp 4 रेसिपी) पायलट करें और असली ट्रैफ़िक में कैश-हिट अर्थशास्त्र (99% छूट) मापें; RL फ़्रेमवर्क को समर्पित स्पाइक के बिना प्रोडक्शन इंफ़्रास्ट्रक्चर के रूप में न अपनाएँ।

प्रभाव: उद्योग के लिए: ओपन-वेट्स इंटेलिजेंस की सीमा 46 पर पहुँची और एक ही रिलीज़ में प्रति-इंटेलिजेंस-पॉइंट लागत ~1–2 ऑर्डर ऑफ़ मैग्निट्यूड गिरी; ओपन क्षेत्र के शीर्ष पर अब चीनी लैब्स का दबदबा है (MiMo 46, GLM-5.3 45, Kimi K3 44); "रिप्रोडक्शन किट खोलो, इकोसिस्टम से कमाओ" एक सिद्ध रणनीति बन गई; नियामकों और खरीद संस्थाओं के पास अब दूसरे वेंडरों से माँगने के लिए एक MIT, पूरी तरह ऑडिटेबल, फ्रंटियर-निकट संदर्भ है।

कदम: AA के ओपन-सोर्स और समग्र लीडरबोर्ड हर हफ़्ते ट्रैक करें (46/45/44 जैसे स्कोर लाइव डेटा हैं, स्थिर नहीं); खरीद मार्गदर्शन में इंडेक्स स्कोर और प्रति-टास्क लागत के बगल में "ओपननेस" कॉलम जोड़ें (लाइसेंस वर्ग, गेटेड स्थिति, ट्रेनिंग-कोड उपलब्धता); क्लोज़्ड-लैब प्रतिक्रियाओं (बजट टियर, हार्नेस लॉक-इन) और Pro/Flash की तीसरे-पक्ष होस्टिंग पर नज़र रखें; 30–60 दिनों में एजेंट/साइबर बेंचमार्क के स्वतंत्र री-रन की उम्मीद रखें और उनके आने पर उन्हें उद्धृत करने की योजना बनाएँ।

• नियमित/डेटा-संवेदनशील उद्योगों के लिए सेल्फ़-होस्टेड एजेंटिक AI: MIT वेट्स + 1M कॉन्टेक्स्ट Flash-क्लास मॉडल के VPC/ऑन-प्रेम डिप्लॉयमेंट को कानूनी रूप से साफ़ बनाते हैं — फ़ाइनेंस, लीगल, हेल्थ और पब्लिक सेक्टर के लिए असली मूल्य, जहाँ API की डेटा-निवास शर्तें क्लोज़्ड मॉडल रोकती हैं।
• प्रति-टास्क लागत आर्बिट्राज: AA का $0.13/इंडेक्स-टास्क (Pro) बनाम शीर्ष क्लोज़्ड मॉडल्स के ~$3.3–3.7/टास्क हाई-वॉल्यूम एजेंटिक वर्कलोड के लिए मापने योग्य बचत बनाता है, जहाँ पास रेट हार्नेस से बराबर हो जाते हैं (पहले आंतरिक बेंचमार्क से पुष्टि करें)।
• फ़ाइन-ट्यूनिंग/डिस्टिलेशन सेवाएँ: MIT लाइसेंसिंग व्यावसायिक फ़ाइन-ट्यून और डिस्टिल्ड मॉडल बनाने की अनुमति देती है (Flash 15B एक्टिव फ़ाइन-ट्यून बेस के रूप में आकर्षक है) — परामर्श फ़र्मों के लिए एक ठोस सेवा उत्पाद।
• मॉडल-रूटिंग/ऑप्टिमाइज़ेशन: Xiaomi API, OpenRouter, UltraSpeed (10× कीमत) और भविष्य के तीसरे-पक्ष होस्ट्स के बीच का अंतर रूटिंग/स्टीयरिंग उत्पाद बनाता है जो प्रति अनुरोध मॉडल+मोड चुनें (विशेष रूप से कैश-हिट पैटर्न)।
• जारी RL स्टैक के आसपास LLMOps टूलिंग: पैकेज्ड पाइपलाइन जो Xiaomi के एनवायरनमेंट/फ़्रेमवर्क को उद्यम एजेंट-ट्रेनिंग कार्यक्रमों में ले जाएँ (उचित हार्डनिंग के साथ) — इकोसिस्टम के नए होने तक एक टिकाऊ, विशिष्ट पेशकश।

VERIFY — देखें labs/S09.md। GPU बजट के बिना उपलब्ध सबसे उच्च-मूल्य का hands-on अभ्यास यह है कि रिलीज़ के तीन भार-वहन करने वाले तथ्यात्मक दावों को सार्वजनिक रिकॉर्ड के विरुद्ध सत्यापित किया जाए: (1) अनगेटेड + MIT लाइसेंस, (2) दावा किए गए लीडरबोर्ड संदर्भ के साथ 46 का #1 ओपन-वेट्स स्कोर, और (3) प्रति-इंटेलिजेंस-पॉइंट अर्थशास्त्र। यह अभ्यास रीड-ओनली HF API जाँचों (इस स्टोरी के लिए पहले ही चलाई गईं — नतीजे लैब में) को AA ओपन-सोर्स लीडरबोर्ड के संख्यात्मक पुनर्निर्माण और प्रति-इंडेक्स-पॉइंट लागत टेबल के साथ जोड़ता है, और किसी भी भविष्य की ओपन-वेट्स रिलीज़ के लिए एक पुन: प्रयोग योग्य सत्यापन चेकलिस्ट पैदा करता है। भुगतान वाला TEST (API बेंचमार्क रन) रिलीज़-डे पैमाने पर समय से पहले है; स्थानीय Flash बेंचमार्क उन लोगों के लिए अगला कदम है जिनके पास GPU क्षमता है।

• दिन: AA लीडरबोर्ड रीफ़्रेश (ओपन-सोर्स + समग्र) जैसे-जैसे Pro/Flash के लिए 673-मॉडल इंडेक्स के और रन आते हैं; संभावित तीसरे-पक्ष प्रोवाइडर घोषणाएँ; DeepSWE/एजेंट टेबल के कम्युनिटी री-रन शुरू (शुरुआती HF चर्चा थ्रेड मौजूद हैं — Pro पर 8 चर्चाएँ, Flash पर 7)।
• सप्ताह: RL रेसिपी के पहले स्वतंत्र रीप्लिकेशन प्रयास (एनवायरनमेंट + फ़्रेमवर्क ताज़ा डाउनलोड हैं); Xiaomi Orbit/Claw/Desktop इकोसिस्टम इंटीग्रेशन; UltraSpeed बीटा समाप्त (आमंत्रण-आधारित कार्यक्रम डॉक्स के अनुसार "one more week" चलता है) — बीटा विंडो के बाद कीमत की स्थिरता पर नज़र रखें; संभावित बेस/नॉन-RL वैरिएंट रिलीज़।
• महीने: ओपन-वेट्स लीडरबोर्ड का सिमटना (MiMo 46 बनाम GLM-5.3 45 बनाम Kimi K3 44) जैसे-जैसे हर लैब जवाब देती है; $0.13/टास्क लागत रेखा पर क्लोज़्ड-लैब की बजट-टियर प्रतिक्रियाएँ; MIT-ओपन-वेट्स विकल्पों को शामिल करते Q4 खरीद चक्र; और किसी बिंदु पर MiMo-V2.7-युग की RL-स्केल पारदर्शिता का बड़ी ओपन रिलीज़ के लिए सामान्य हो जाना (PREDICTION)।

Xiaomi की MiMo-V2.6 रिलीज़ इस विंडो की सबसे मज़बूत ओपन-वेट्स स्टोरी है, दो स्वतंत्र कारणों से: स्कोर — Artificial Analysis के Intelligence Index पर 46, वहाँ अब तक मापा गया #1 ओपन-वेट्स परिणाम, जिसे बेंचमार्क का मालिक स्वयं सत्यापित करता है, प्रोप्राइटरी Grok 4.7 के साथ बराबरी और क्लोज़्ड लीडर्स से केवल 7 अंक पीछे; और रिप्रोडक्शन किट — MIT वेट्स के साथ 7,000+ RL एनवायरनमेंट, पूरा ट्रेनिंग फ़्रेमवर्क, मिनी-हार्नेस, एक टेक्निकल रिपोर्ट, और एक लाइवस्ट्रीम किया गया $2.62M का RL रन जिसे अब कोई भी दोबारा बनाने की कोशिश कर सकता है। ईमानदारी से लेबल किया गया ढाँचा: Xiaomi के अपने फ़्लैगशिप बेंचमार्क बुलेट्स (DeepSWE, एजेंट टेबल, "Kimi K3 और Qwen3.8 Max से आगे निकलने" वाली पंक्ति, 1/20–1/60 कीमत अनुपात) COMPANY CLAIM हैं जो स्वतंत्र रीप्लिकेशन के इंतज़ार में हैं, और 46 ओपन-वेट्स का शीर्ष है, समग्र शीर्ष नहीं (Fable 5.1 / GPT-6 Astra 53 पर आगे)। साप्ताहिक के लिए थ्रू-लाइन: "कम में फ्रंटियर" कीमत युद्ध का अब एक ओपन-वेट्स आपूर्ति पक्ष है — $0.13 प्रति इंडेक्स टास्क, 99% कैश छूट के साथ — और "ट्रेनिंग मशीनरी ओपन-सोर्स करना" लंबी अवधि में किसी भी एक बेंचमार्क पंक्ति से ज़्यादा मायने रख सकता है।