Xiaomis MiMo-V2.6 führt Open-Model-Rankings an, während Anthropic Claude-Destillation behauptet

Xiaomi sagt, dass sein neues MiMo-V2.6-Pro zum stärksten öffentlich verfügbaren KI-Modell in den aktuellen Rankings geworden ist und einen gemeldeten Intelligence Index-Wert von 46 mit ungewöhnlich niedrigen Inferenzkosten verbindet. Die Veröffentlichung rückt Xiaomi ins Zentrum eines wachsenden Open-Model-Wettlaufs, erfolgt jedoch auch vor dem Hintergrund von Anthropic-Vorwürfen, das chinesische Unternehmen habe von Claude erzeugte Dialoge genutzt, um seine eigenen Modelle zu verbessern.

Die gemeldete Leistung des Modells wird durch einen Preis von 0,435 US-Dollar pro Million Input-Tokens und 0,87 US-Dollar pro Million Output-Tokens ergänzt. Laut einer von The Decoder zitierten Analyse entspricht das ungefähr 0,13 US-Dollar für eine einzelne Benchmark-Aufgabe – eine wichtige Zahl für Entwickler, die leistungsfähige Modelle für Coding, Agenten und andere volumenstarke Workloads bewerten.

MiMo-V2.6 zielt auf die Kostenfrontier offener Modelle

Das größere MiMo-V2.6-Pro wird als Mixture-of-Experts-Modell mit 1,02 Billionen Gesamtparametern beschrieben, obwohl für eine einzelne Anfrage nur etwa 42 Milliarden aktiv sind. Xiaomi veröffentlicht außerdem MiMo-V2.6-Flash, ein kleineres Modell als effizientere Option, sowie eine Pro-UltraSpeed-Variante, die laut Unternehmen Ausgaben mit bis zu 20-facher Geschwindigkeit der Standardversion erzeugen kann.

The Decoder berichtete, dass MiMo-V2.6-Pro in Artificial Analysis’ Vergleich öffentlich verfügbarer Systeme vor Modellen wie Kimi K3 und Qwen rangierte. Eine separate Überschrift von Unite.AI nannte ebenfalls einen Wert von 46 als führendes Ergebnis unter Open-Weight-Modellen, während The Next Web den Ranking-Meilenstein ohne zusätzliche technische Details im verfügbaren Quellenmaterial meldete.

Diese Ergebnisse sind wichtig, weil Xiaomi MiMo-V2.6 nicht nur als Forschungsfreigabe positioniert. Niedrige Token-Preise können die Wirtschaftlichkeit von Produkten verändern, die häufig Modellaufrufe machen, darunter Coding-Assistenten, Retrieval-Systeme, Workflow-Automatisierung und KI-Agenten. Das Mixture-of-Experts-Design des Modells könnte Xiaomi zudem ermöglichen, eine große Leistungsabdeckung zu bewerben, ohne die volle Rechenkostenlast für die Aktivierung aller Parameter bei jeder Anfrage zu tragen.

Verstärkendes Lernen sorgte für den gemeldeten Leistungssprung

Xiaomi führt die Verbesserung auf eine deutlich ausgeweitete Verstärkungslernphase zurück. Das Unternehmen sagt, es habe die pro Trainingsschritt verarbeitete Datenmenge erhöht, die Bandbreite der Aufgabenumgebungen erweitert und mehr Rechenressourcen auf die Bewertung der Modellausgaben verwendet.

Laut den von The Decoder berichteten Zahlen dauerte der Verstärkungslernlauf weniger als sechs Tage und kostete ungefähr 2,62 Millionen US-Dollar für MiMo-V2.6-Pro sowie 850.000 US-Dollar für MiMo-V2.6-Flash. In der DeepSWE-Coding-Bewertung meldete Xiaomi, dass Pro sich von 58,4 auf 72,6 verbesserte, während Flash von 48,8 auf 65,7 stieg.

Das Unternehmen beschrieb außerdem Maßnahmen zur Stabilisierung des Trainings. Xiaomi fror den internen Verteilungsmechanismus des Modells ein und ergänzte Schutzmaßnahmen gegen Reward Hacking, bei dem ein Modell ein Bewertungs-Signal maximiert, ohne die beabsichtigte Aufgabe tatsächlich zu erledigen.

Xiaomi veröffentlicht mehr als nur Modellgewichte. Das Paket umfasst einen technischen Bericht, ein Verstärkungslern-Framework, ein kleineres Modell für zusätzliches Training und etwa 7.000 Aufgaben mit automatischen Bewertungsprogrammen. Die Aufgaben decken Softwareentwicklung, Cybersicherheit, Büroarbeit und Webdesign ab, mit rund 1.000 zusätzlichen Aufgaben mit Schwerpunkt auf Musikkomposition.

Die berichteten Aufgabenquellen sind gemischt. Einige Programmierbeispiele stammen aus GitHub-Pull-Requests von Mitarbeitern und Nutzeranfragen, während andere Beschreibungen von einem Sprachmodell erzeugt wurden. Cybersicherheitsaufgaben basieren auf OSS-Fuzz, einer Sammlung realer Software-Schwachstellen, und Büro-Umgebungen wurden synthetisch neu erstellt. Für Entwickler kann der Zugriff auf das Trainings-Framework und die Grader ebenso bedeutend sein wie der Zugriff auf das Modell selbst, da er einen Ausgangspunkt bietet, um Xiaomis Ansatz zu reproduzieren oder zu erweitern.

Starke Benchmark-Behauptungen treffen auf einen ernsten Streit um Datennutzung

Die Schlagzeilenwerte zu Leistung und Kosten sollten als berichtete Behauptungen und nicht als unabhängiges Urteil über die Gesamtqualität des Modells betrachtet werden. Xiaomi stellte die Angaben zu Trainingskosten, Verstärkungslernen und Verbesserungen bereit, während Artificial Analysis den zitierten Intelligence-Index-Vergleich lieferte, wie von The Decoder beschrieben. Das verfügbare Material enthält keine vollständige Methodik für das Ranking, keine breite Palette unabhängiger Evaluierungen und keine vollständige Aufschlüsselung des Sicherheits- und Zuverlässigkeitsverhaltens des Modells.

Die ernstere Unsicherheit betrifft, wie Xiaomi die Trainingsdaten zusammengestellt hat. In Anthropics Threat-Intelligence-Bericht, der Claude-Missbrauchsfälle von Dezember 2025 bis August 2026 abdeckt, wurde Xiaomi unter sieben chinesischen KI-Laboren genannt, die angeblich an Kampagnen beteiligt waren, um Fähigkeiten aus Claude zu extrahieren. Anthropic bezeichnete die Praxis als illegale Destillation. Die anderen genannten Unternehmen waren Alibaba, Moonshot AI, DeepSeek, Zhipu, MiniMax und SenseTime.

Im Fall GTG-16008 sagte Anthropic, man habe im März und April 2026 mehr als 400.000 Dialoge über 20 Tage beobachtet. Der Bericht behauptete, Xiaomi habe Gespräche und Coding-Sitzungen aus seinen MiMo-Modellen über OpenClaw und OpenCode an Claude weitergeleitet, mit dem Ziel, Trainingsdaten für spätere Modelle zu erzeugen.

Dies sind Anthropics Vorwürfe, keine unabhängig gesicherten Feststellungen in dem für diesen Bericht verfügbaren Material. The Decoder berichtete, Anthropic habe nur begrenzte Dokumentation über die Herkunft früherer Teacher-Model-Daten geliefert, die im internen Destillationsprozess verwendet wurden. Xiaomis öffentliche Veröffentlichung von Verstärkungslern-Tools klärt für sich genommen nicht die Fragen nach der Herkunft von Daten, die an anderer Stelle in der Entwicklungspipeline verwendet wurden.

Was MiMo-V2.6 für Entwickler und Unternehmen bedeutet

Wenn sich die berichteten Preise und Rankings in unabhängigen Tests bestätigen, könnte MiMo-V2.6-Pro Druck auf Modellanbieter ausüben, deren Produkte für vergleichbare Coding- oder Reasoning-Workloads deutlich mehr kosten. Startups könnten den Preis nutzen, um größere Evaluationssuiten, häufigere Agenten-Schleifen oder Workflows mit höherem Volumen auszuführen. Unternehmensteams könnten die offene Verfügbarkeit und das Trainings-Toolkit als Gelegenheit sehen, das System anzupassen, statt sich vollständig auf eine gehostete API zu verlassen.

Der Nachteil ist, dass niedrige Inferenzkosten nicht automatisch geringe Bereitstellungsrisiken bedeuten. Käufer müssen weiterhin Lizenzbedingungen, Daten-Governance, Latenz, Verfügbarkeit, Sicherheitsverhalten, Kontextverarbeitung und Ausgabezuverlässigkeit auf ihren eigenen Aufgaben prüfen. Die Vorwürfe rund um aus Claude abgeleitete Daten fügen eine weitere Ebene hinzu: Unternehmen, die MiMo-V2.6 produktiv einsetzen wollen, könnten vor der Einbettung in sensible Workflows eine klare Dokumentation der Herkunft der Trainingsdaten und rechtliche Zusicherungen verlangen.

Für Forschende hebt Xiaomis Veröffentlichung zudem einen praktischen Wandel in der Entwicklung offener Modelle hervor. Der Wettbewerbsvorteil könnte zunehmend aus Verstärkungslern-Umgebungen, Gradern und Aufgabendesign entstehen und nicht allein aus der Vortrainingsgröße. Offene Werkzeuge können den Fortschritt beschleunigen, ihr Wert hängt jedoch davon ab, ob die Aufgaben nützliches Verhalten messen und ob die Belohnungssysteme Abkürzungen widerstehen.

Worauf als Nächstes zu achten ist

Das erste Signal wird eine unabhängige Replikation des Intelligence-Index-Ergebnisses und der gemeldeten DeepSWE-Gewinne sein. Entwickler sollten MiMo-V2.6-Pro außerdem mit Kimi K3 und Qwen unter identischen Prompts, Preisen, Hardware- und Latenzbedingungen vergleichen, statt sich auf eine einzelne Rangliste zu verlassen.

Ein zweites Signal ist Xiaomis Dokumentation zu Trainingsdaten und Modellentwicklungspraktiken. Anthropics Vorwürfe könnten zu weiteren Belegen, einer Reaktion von Xiaomi oder Änderungen bei der Offenlegung von Destillation und Teacher-Model-Nutzung durch Open-Model-Unternehmen führen.

Schließlich wird der Markt zeigen, ob Xiaomis Toolkit außerhalb der eigenen Infrastruktur nutzbar ist. Die Annahme durch Forschende und Produktteams, die Qualität der automatischen Grader und die reale Leistung in Coding, Cybersicherheit, Büroautomatisierung und Agenten-Workflows werden zeigen, ob MiMo-V2.6 mehr ist als eine starke Benchmark-Veröffentlichung.

Creati.ai-Perspektive

MiMo-V2.6 ist bemerkenswert, weil es drei Kräfte verbindet, die den Open-Model-Markt prägen: Benchmark-Leistung, Inferenzökonomie und zugängliche Verstärkungslern-Infrastruktur. Xiaomis gemeldete Ergebnisse deuten darauf hin, dass ein Modell nahe an der Spitze der offenen Rankings konkurrieren kann, ohne die höchsten Preise proprietärer Systeme zu erreichen.

Doch die Claude-Vorwürfe machen die Herkunft zum Teil der Produktgeschichte und nicht zu einer Fußnote. Für KI-Entwickler und Unternehmenskäufer lautet der praktische Test daher zweifach: ob MiMo-V2.6 zuverlässigen Nutzen bei realen Workloads liefert und ob Xiaomi genügend Transparenz bereitstellen kann, damit Organisationen verstehen, was sie einsetzen und wie es trainiert wurde.