MiMo-V2.6 de Xiaomi domine les classements des modèles ouverts tandis qu’Anthropic allègue une distillation de Claude

Xiaomi affirme que son nouveau MiMo-V2.6-Pro est devenu le modèle d’IA ouvert le plus puissant dans les classements actuels, combinant un score d’Intelligence Index annoncé de 46 avec des coûts d’inférence exceptionnellement faibles. Ce lancement place Xiaomi au cœur d’une course croissante aux modèles ouverts, mais il intervient aussi au milieu d’allégations d’Anthropic selon lesquelles l’entreprise chinoise aurait utilisé des échanges générés par Claude pour améliorer ses propres modèles.

Les performances annoncées du modèle s’accompagnent d’un prix de 0,435 $ par million de jetons d’entrée et de 0,87 $ par million de jetons de sortie. D’après l’analyse citée par The Decoder, cela représente environ 0,13 $ pour une seule tâche de benchmark — un chiffre important pour les développeurs évaluant des modèles capables pour le codage, les agents et d’autres charges de travail à fort volume.

MiMo-V2.6 vise la frontière du coût des modèles ouverts

Le plus grand MiMo-V2.6-Pro est décrit comme un modèle de mixture-of-experts avec 1,02 billion de paramètres au total, bien qu’environ 42 milliards seulement soient actifs pour une requête individuelle. Xiaomi lance également MiMo-V2.6-Flash, un modèle plus petit destiné à offrir une option plus efficace, ainsi qu’une variante Pro-UltraSpeed que l’entreprise dit capable de produire des sorties jusqu’à 20 fois plus rapidement que la version standard.

The Decoder a rapporté que MiMo-V2.6-Pro s’est classé devant des modèles comme Kimi K3 et Qwen dans la comparaison de systèmes ouverts de Artificial Analysis. Un autre titre de Unite.AI a également identifié un score de 46 comme le résultat de tête du modèle parmi les modèles à poids ouverts, tandis que The Next Web a rapporté cette étape du classement sans fournir de détails techniques supplémentaires dans le matériel source disponible.

Ces résultats comptent parce que Xiaomi ne présente pas MiMo-V2.6 uniquement comme une publication de recherche. De faibles prix par jeton peuvent modifier l’économie de produits qui font appel au modèle de manière fréquente, notamment les assistants de codage, les systèmes de récupération d’information, l’automatisation des flux de travail et les agents d’IA. La conception mixture-of-experts du modèle peut aussi permettre à Xiaomi d’annoncer une grande capacité sans payer le coût de calcul total lié à l’activation de tous les paramètres à chaque requête.

L’apprentissage par renforcement a fourni le bond de performance annoncé

Xiaomi attribue l’amélioration à une phase d’apprentissage par renforcement considérablement élargie. L’entreprise affirme avoir augmenté la quantité de données traitées à chaque étape d’entraînement, élargi la gamme des environnements de tâches et consacré davantage de ressources de calcul à l’évaluation des sorties du modèle.

Selon les chiffres rapportés par The Decoder, la session d’apprentissage par renforcement a duré moins de six jours et a coûté environ 2,62 millions de dollars pour MiMo-V2.6-Pro et 850 000 dollars pour MiMo-V2.6-Flash. Sur l’évaluation de codage DeepSWE, Xiaomi a indiqué que Pro était passé de 58,4 à 72,6, tandis que Flash est monté de 48,8 à 65,7.

L’entreprise a également décrit des mesures destinées à maintenir la stabilité de l’entraînement. Xiaomi a figé le mécanisme interne de distribution du modèle et ajouté des protections contre le reward hacking, lorsqu’un modèle maximise un signal d’évaluation sans accomplir réellement la tâche visée.

Xiaomi publie davantage que des poids de modèle. Son ensemble comprend un rapport technique, un cadre d’apprentissage par renforcement, un modèle plus petit pour un entraînement supplémentaire et environ 7 000 tâches avec des évaluateurs automatiques. Les tâches couvrent le développement logiciel, la cybersécurité, le travail de bureau et la conception web, avec environ 1 000 tâches supplémentaires axées sur la composition musicale.

Les sources de tâches rapportées sont mixtes. Certains exemples de code provenaient de pull requests GitHub d’employés et de requêtes d’utilisateurs, tandis que d’autres descriptions ont été générées par un modèle de langage. Les tâches de cybersécurité s’appuient sur OSS-Fuzz, une collection de vulnérabilités logicielles réelles, et les environnements de bureau ont été reconstruits de manière synthétique. Pour les créateurs, l’accès au cadre d’entraînement et aux évaluateurs peut être aussi important que l’accès au modèle lui-même, car il offre un point de départ pour reproduire ou étendre l’approche de Xiaomi.

De fortes affirmations de benchmark rencontrent un sérieux litige sur l’usage des données

Les chiffres mis en avant concernant les performances et les coûts doivent être considérés comme des allégations rapportées et non comme un verdict indépendant sur la qualité globale du modèle. Xiaomi a fourni les chiffres de coût d’entraînement, d’apprentissage par renforcement et d’amélioration, tandis qu’Artificial Analysis a fourni la comparaison d’Intelligence Index citée, comme l’a décrit The Decoder. Le matériel source disponible ne fournit pas de méthodologie complète pour le classement, ni un large éventail d’évaluations indépendantes, ni une ventilation complète du comportement du modèle en matière de sécurité et de fiabilité.

L’incertitude la plus sérieuse concerne la manière dont Xiaomi a constitué les données d’entraînement. Dans le rapport de renseignement sur les menaces d’Anthropic, couvrant des cas d’abus de Claude de décembre 2025 à août 2026, Xiaomi figurait parmi sept laboratoires chinois d’IA supposément impliqués dans des campagnes visant à extraire des capacités de Claude. Anthropic a qualifié cette pratique de distillation illégale. Les autres entreprises nommées étaient Alibaba, Moonshot AI, DeepSeek, Zhipu, MiniMax et SenseTime.

Dans le cas identifié comme GTG-16008, Anthropic a déclaré avoir observé plus de 400 000 échanges sur 20 jours en mars et avril 2026. Le rapport alléguait que Xiaomi avait acheminé des conversations et des sessions de codage issues de ses modèles MiMo vers Claude via OpenClaw et OpenCode, dans le but de générer des données d’entraînement pour des modèles ultérieurs.

Il s’agit d’allégations d’Anthropic, et non de conclusions établies de manière indépendante dans le matériel disponible pour cet article. The Decoder a rapporté qu’Anthropic avait fourni une documentation limitée sur l’origine des données antérieures de teacher model utilisées dans le processus interne de distillation. La publication publique par Xiaomi d’outils d’apprentissage par renforcement ne résout pas, à elle seule, les questions relatives à la provenance des données utilisées ailleurs dans son pipeline de développement.

Ce que MiMo-V2.6 signifie pour les créateurs et les entreprises

Si les prix et le classement annoncés se confirment dans des tests indépendants, MiMo-V2.6-Pro pourrait exercer une pression sur les fournisseurs de modèles dont les produits facturent nettement plus pour des charges de travail de codage ou de raisonnement comparables. Les startups pourraient utiliser ce prix pour exécuter des suites d’évaluation plus importantes, des boucles d’agents plus fréquentes ou des flux de travail clients à plus grand volume. Les équipes d’entreprise pourraient voir la disponibilité ouverte et la boîte à outils d’entraînement comme une occasion de personnaliser le système plutôt que de dépendre entièrement d’une API hébergée.

Le compromis est qu’un faible coût d’inférence ne signifie pas automatiquement un faible risque de déploiement. Les acheteurs doivent toujours évaluer eux-mêmes les conditions de licence, la gouvernance des données, la latence, la disponibilité, le comportement de sécurité, la gestion du contexte et la fiabilité des sorties sur leurs propres tâches. Les allégations concernant des données dérivées de Claude ajoutent un niveau supplémentaire : les entreprises qui envisagent MiMo-V2.6 pour un usage en production pourraient vouloir une documentation claire sur la provenance des données d’entraînement et des garanties juridiques avant de l’intégrer dans des flux de travail sensibles.

Pour les chercheurs, la publication de Xiaomi met aussi en évidence un changement pratique dans le développement des modèles ouverts. L’avantage concurrentiel pourrait de plus en plus venir des environnements d’apprentissage par renforcement, des évaluateurs et de la conception des tâches plutôt que de la seule ampleur du pré-entraînement. Les outils ouverts peuvent accélérer les progrès, mais leur valeur dépend de la question de savoir si les tâches mesurent un comportement utile et si les systèmes de récompense résistent aux raccourcis.

Ce qu’il faut surveiller ensuite

Le premier signal sera la reproduction indépendante du score d’Intelligence Index et des gains DeepSWE annoncés. Les développeurs devraient également comparer MiMo-V2.6-Pro à Kimi K3 et Qwen dans des conditions identiques de prompts, de prix, de matériel et de latence, plutôt que de s’en remettre à un seul classement.

Un deuxième signal sera la documentation de Xiaomi sur les données d’entraînement et les pratiques de développement du modèle. Les allégations d’Anthropic pourraient conduire à de nouvelles preuves, à une réponse de Xiaomi ou à des changements dans la manière dont les entreprises de modèles ouverts divulguent la distillation et l’usage de teacher models.

Enfin, le marché dira si la boîte à outils de Xiaomi est utilisable en dehors de sa propre infrastructure. L’adoption par les chercheurs et les équipes produit, la qualité des évaluateurs automatiques et les performances réelles dans le codage, la cybersécurité, l’automatisation de bureau et les flux de travail d’agents montreront si MiMo-V2.6 est plus qu’un simple lancement solide sur benchmark.

Perspective Creati.ai

MiMo-V2.6 est remarquable parce qu’il relie trois pressions qui façonnent le marché des modèles ouverts : performance sur benchmark, économie d’inférence et infrastructure d’apprentissage par renforcement accessible. Les résultats annoncés par Xiaomi suggèrent qu’un modèle peut se battre près du sommet des classements ouverts sans égaler les prix les plus élevés des systèmes propriétaires.

Mais les allégations sur Claude font de la provenance une partie de l’histoire du produit, et non une note de bas de page. Pour les créateurs d’IA et les acheteurs en entreprise, le test pratique est donc double : savoir si MiMo-V2.6 fournit une valeur fiable sur des charges de travail réelles, et si Xiaomi peut offrir suffisamment de transparence pour que les organisations comprennent ce qu’elles déploient et comment cela a été entraîné.