Xiaomi geeft MiMo-Flash en 7.000 RL-omgevingen vrij

Xiaomi heeft op 21 september de MiMo-V2.6-serie als open gewichten op Hugging Face gezet, en gaf daarbij meer weg dan alleen een modelbestand. Naast het al besproken vlaggenschip verscheen een kleinere Flash-variant, plus ruim 7.000 trainingsomgevingen waarmee het bedrijf zijn eigen model heeft bijgeschaafd. Dat laatste is voor onderzoekers interessanter dan de benchmarkscores.

Flash is klein in gebruik, niet op papier

MiMo-V2.6-Flash-RL telt volgens de modelkaart op Hugging Face 309 miljard parameters, waarvan er per token 15 miljard actief zijn. Het is een sparse mixture-of-experts met 48 lagen en 256 experts, waarvan er acht per token meedraaien. De contextvensters blijven gelijk aan die van de grotere Pro: een miljoen tokens, met invoer in tekst, beeld, video en audio. Flash is dus geen afgeknepen versie met korter geheugen, maar een lichtere rekenvariant van hetzelfde recept.

Lichter betekent hier relatief. OrcaRouter rekende voor dat de gewichten in FP8 ongeveer 173 GB beslaan, verdeeld over 65 shards. Wie dit zelf wil draaien heeft een GPU-cluster over meerdere nodes nodig. De MIT-licentie haalt de juridische drempel weg, de hardwaredrempel blijft staan. Dat patroon zagen we eerder bij Qwen-Image-2.1, waar de licentie juist het struikelblok was.

7.000 RL-omgevingen als het echte cadeau

Xiaomi publiceerde ook het reinforcement-learningmateriaal: ruim 7.000 taakomgevingen rond software-engineering, het reproduceren van kwetsbaarheden, kennisintensief werk en webontwikkeling, met een end-to-end RL-framework en losse mini-harnesses erbij. Volgens de beschrijving genereerden Pro en Flash samen zo’n 750.000 trajecten in minder dan zes dagen, verspreid over dertig RL-stappen per model.

Labs publiceren zelden hun trainingsomgevingen. Wie zelf een model wil natrainen bouwt die doorgaans opnieuw, wat maanden kost. Dit pakket verplaatst een deel van dat werk naar de openbaarheid. Vergelijk het met Z.ai, dat zijn codeermodel opengooide inclusief Git-historie: de waarde zit in het proces, niet alleen in het eindproduct.

Cijfers van de maker, niet van een derde partij

De scores komen uit Xiaomi’s eigen runs. Flash haalt 67,9 procent op DeepSWE v1.1, waar Claude Opus 5 volgens dezelfde tabel op 74,0 uitkomt. Op CyberGym staat 95,1 procent genoteerd, op Toolathlon-Verified 73,6 procent. OrcaRouter wijst erop dat onafhankelijke verificatie ontbreekt en dat de documentatie zichzelf op punten tegenspreekt over parametertellingen. Xiaomi heeft geen officiële prijs per token gepubliceerd; wie het model via een aanbieder afneemt, betaalt wat die aanbieder vraagt.

Wat betekent dit

De timing valt op. Dezelfde week waarin Anthropic en OpenAI binnen anderhalf uur goedkopere modellen lanceerden, legt een Chinese fabrikant zijn gewichten én zijn trainingsopstelling op straat onder MIT. Voor Nederlandse bedrijven verandert er op korte termijn weinig: 173 GB aan gewichten draai je niet even op eigen hardware. Voor onderzoeksgroepen en kleinere labs is het interessanter, want de RL-omgevingen zijn bruikbaar zonder dat je het model zelf hoeft te draaien. En het zet de prijsdruk verder op scherp, in een markt waar Chinese partijen ook aan de chipkant zelfvoorzienend proberen te worden. Wie het model overweegt, doet er goed aan de benchmarks pas serieus te nemen zodra derden ze hebben nagerekend.