Xiaomi MiMo-V2.6 運営中

Xiaomi MiMo-V2.6は、Xiaomiが発表・オープンソース化したフルモーダルモデルシリーズです。ProとFlashの2つのネイティブフルモーダルモデルで構成され、検証可能な複雑タスクを中心とした大規模なAgentic強化学習を特徴としています。6日間のLive RLと約75万件の軌跡によって、ソフトウェアエンジニアリング、コード、ビジョン、Cyberなどの能力を向上させ、3Dゲーム／Blenderモデリング、ロボットアーム操作、Computer Use、研究支援、動画・音楽制作へと応用範囲を広げています。

複雑な推論とAgentタスク：コード、汎用タスク、ビジョン、サイバーセキュリティなど、検証可能な領域で強化学習による性能向上を実現します。
ソフトウェアエンジニアリング能力：サンプル外の長期工程ベンチマークDeepSWE v1.1で大幅に向上し、実際の修正能力と汎化性能を重視しています。
3D世界の構築：テキスト／画像／動画の要求をマルチエージェントタスクに分解し、実行可能な3Dゲームシーンとインタラクションロジックを生成します。
Blender 3Dモデリング：説明や参照画像に基づき、アニメーション、3Dプリント、ゲーム開発に利用できるアセットを生成します。
身体性知能による制御：複数視点のカメラ映像を入力として、ロボットアームを閉ループ制御し、把持、配色、配置を実行します。
Computer Use Agent：グラフィカルインターフェースを理解してオフィス／生産性ツールを操作し、検索、編集、データ処理、エラー修正を実行します。
研究支援：材料スクリーニングの「ドライ実験」やLean 4による形式数学証明に参加できます。
コンテンツ制作：フロントエンド、PPT、SVG、動画、音楽を生成し、デザイン性、モーション、BGM、ナレーションの同期を重視します。

WeChatで「オープンソース」と返信して、AIオープンソースプロジェクト交流グループに参加
大規模Agentic RL：Code、General、Visual、Cyberなどの複数タスク環境で継続的に試行錯誤し、検証可能な結果を報酬信号として利用します。6日未満で約75万件の軌跡を処理し、大規模バッチ、完全非同期アーキテクチャ、1Mコンテキスト学習によって、1回の更新量を2.7–3.7B tokenまで引き上げ、サンプル効率とサンプル外汎化性能を向上させます。
報酬と不正対策の仕組み：グループ内の相対比較によって長期タスクにより細かな報酬を与え、報酬設計、敵対的評価、異常検知、検証器による相互検証でReward Hackingを抑制します。同時にMoE Routerを固定してエキスパート負荷のドリフトを抑え、大規模学習の安定性を確保します。
統一軌跡とシステム分離：統一された軌跡表現とペナルティ機構で学習信号を細分化し、マルチエージェントフレームワークの高並行インタラクションを支えます。制御プレーンとデータプレーンを分離することで大量の軌跡を容易に移行し、混合バッチ内のタスク比率を安定させ、学習・推論エンジンの一貫性を最適化します。
フルモーダルから世界操作へ：言語、ビジョン、3D空間推論、ネイティブな行動能力を組み合わせ、コード生成だけでなく、Blender、ゲームエンジン、シミュレーション環境、GUIでも視覚フィードバックに基づいて行動を閉ループで修正できるようにします。

方法1：MiMo Desktopクライアント
方法2：MiMoオープンプラットフォームAPI
XiaoMi MiMo Desktopを開き、ダウンロードしてインストールします。
アカウントにログイン後、サブスクリプション会員を選択するか、設定で自分のAPI Keyを設定します。
モデル一覧でMiMo-V2.6-Pro / Flashを切り替え、リアルタイムシーンではUltraSpeedを有効にできます。
自然言語でプログラミング、PPT／Webページ／SVG／動画／音楽制作、研究、コンピューター操作のタスクを直接開始し、画像、動画、ファイルなどの素材をアップロードします。
追加質問、スクリーンショットによるフィードバック、再試行の指示、段階的な確認を通じて、視覚情報やログの結果に基づきモデルに反復修正させます。
Xiaomi MiMoオープンプラットフォームに入り、アプリケーションを作成してAPI Keyをコピーします。
モデルMiMo-V2.6-Pro / Flashを選択し、必要に応じてUltraSpeed超高速モードを有効にします。
プラットフォームのAPIドキュメントに従い、モデル名、メッセージ、ツール／マルチモーダル入力、レスポンス形式を渡します。
Agentタスクには環境ログ、テスト合格率、スクリーンショット、検証器のフィードバックを組み込み、「実行—確認—修正」の閉ループを構築します。
まず少量トラフィックで価格、遅延、成功率、安定性を段階的に検証し、その後、本番フローへ徐々に置き換えます。

RLの大規模化：検証可能な複雑タスクを中心に大規模Agentic RLを実施し、6日間で約75万件の軌跡を処理。サンプル外汎化性能が実証されています。
優れたAgent能力：ソフトウェアエンジニアリング、端末、Web、ビジョン、Cyberなどの複数タスクで、最高水準のクローズドモデルに匹敵します。
フルモーダルから行動へ：テキスト、画像、動画、GUI、3D、Blender、ロボットアーム、Computer Useをカバーします。
高いコストパフォーマンス：記事によると、同等の知能水準で価格は海外モデルの約1/20–1/60で、API価格も維持されています。
安定性を重視したエンジニアリング設計：MoE Routerの固定、Reward Hacking対策、統一軌跡機構により、安定した学習を支えます。
制作と研究の両立：フロントエンド、PPT、動画、音楽の制作に加え、材料スクリーニングやLean 4形式証明にも参加できます。

HuggingFaceモデルライブラリ：https://huggingface.co/collections/XiaomiMiMo/mimo-v26

ソフトウェアエンジニアリングAgent：バグの自動特定、コード修正、テスト実行を行い、失敗ログに基づいて修正を続けるため、開発効率化に適しています。
3Dインタラクティブ世界の生成：テキスト／画像／動画から、実行可能なゲームシーン、Blenderアセット、プロトタイプDemoを生成します。
Computer Useによるオフィス自動化：GUIを操作して、資料検索、表計算の整理、文書編集、複数ツールにまたがる業務フローを実行します。
研究支援：文献／特許の整理、MOF材料の「ドライ実験」スクリーニング、Lean 4形式証明など、高度なタスクに対応します。
マルチモーダルコンテンツ制作：フロントエンドページ、PPT、SVG、教育動画、BGM・ナレーションを一括生成し、マーケティング、教育、クリエイティブ制作に活用できます。