Xiaomi a annoncé que le MiMo-V2.6 est disponible en version « open weights » avec des performances de pointe. Le MiMo-V2.6-Pro égale Grok 4.7 sur l’indice d’intelligence et surpasse Claude Opus 5 sur des benchmarks clés. Lancé le même jour que la puce V900 d’Alibaba, ce modèle à poids ouverts constitue la couche logicielle d’une pile d’IA chinoise soumise à des contrôles à l’exportation. La disponibilité de poids ouverts à la pointe de la technologie modifie la dynamique concurrentielle pour les développeurs du monde entier. Xiaomi est une multinationale chinoise spécialisée dans les technologies, dont le siège social est situé à Pékin, en Chine. Elle est surtout connue pour ses produits électroniques grand public, ses logiciels et ses véhicules électriques. En 2025, elle est le troisième plus grand vendeur de smartphones au monde, derrière Apple et Samsung, dont la plupart fonctionnent sous le système d'exploitation Xiaomi HyperOS (anciennement MIUI). Xiaomi MiMo est une famille de grands modèles de langage (LLM) développée par Xiaomi. Elle a été initialement lancée en avril 2025 avec le modèle MiMo-7B. Actuellement, MiMo est accessible aux développeurs via un service API. Il sert de modèle d’IA principal au sein de l’écosystème « Human x Car x Home » de Xiaomi.
Récemment, la série MiMo-V2.6 de Xiaomi, lancée le 22 septembre 2026, fait son entrée parmi les leaders mondiaux de l’IA. En poussant le MiMo-V2.6-Pro jusqu’à un score de 46 sur l’Artificial Analysis Intelligence Index v4.3, Xiaomi a réussi à égaler Grok 4.7, établissant ainsi un nouveau plafond pour les modèles à poids ouvert. Dirigée par Luo Fuli, anciennement chez DeepSeek, l’équipe a mis au point un modèle qui n’est pas seulement une alternative nationale, mais un concurrent direct des leaders actuels de la scène américaine.
Les spécifications techniques du MiMo-V2.6-Pro révèlent une approche sophistiquée en matière d’efficacité. Utilisant une architecture Mixture-of-Experts (MoE) à routeur figé, avec un total de 1 020 milliards de paramètres et 42 milliards de paramètres actifs, le modèle intègre des mécanismes d’attention hybrides et un décodeur spéculatif MTP à 5 couches. Cette conception, soutenue par un apprentissage GRPO entièrement asynchrone — une méthode qui exploite 1 568 prompts répartis sur 16 déploiements par étape —, permet au modèle de maintenir une fenêtre contextuelle d’un million de tokens avec des capacités multimodales natives. Les variantes Pro et Flash sont désormais toutes deux disponibles avec des poids ouverts sur Hugging Face sous licence MIT, offrant ainsi aux développeurs du monde entier un accès immédiat à une intelligence de pointe.
Dans les benchmarks communiqués par les éditeurs, le MiMo-V2.6-Pro affiche des performances qui remettent en cause la domination établie des modèles américains. Sur le benchmark DeepSWE v1.1, il a atteint 71,9 %, se classant derrière Claude Opus 5 (74,0 %) mais devançant Claude Fable 5. Ses performances sur le benchmark Terminal Bench 2.1 ont atteint 89,9 %, surpassant à la fois Claude Opus 5 et GPT-5.6 Sol. Plus remarquable encore, le modèle a enregistré un score de 94,0 % sur CyberGym, devançant tous les modèles référencés, et a obtenu 53,1 % sur AutomationBench v1.0.6, dépassant une nouvelle fois ses principaux homologues américains. Bien que ces chiffres correspondent à des benchmarks communiqués par les fournisseurs et doivent être considérés avec la prudence habituelle concernant les environnements de test internes, ils soulignent un rétrécissement rapide de l’écart de capacités.
Cette annonce coïncide avec le dévoilement de la puce V900 d’Alibaba, qui promet des clusters de 500 000 puces et dont la production est prévue pour le premier trimestre 2027. L’arrivée simultanée du modèle MiMo-V2.6 et de la puce V900 marque un moment décisif dans le resserrement de l’écart entre les États-Unis et la Chine. Pendant des années, les contrôles à l’exportation américains sur le matériel Nvidia — allant de la restriction des puces H100 et A100 au blocage des importations de H200 en janvier 2026, en passant par la fermeture des failles liées au cloud dans les pays tiers en mai 2026 — visaient à freiner les progrès de la Chine en matière d’IA.
Au contraire, ces politiques ont agi comme un catalyseur pour l’autonomie nationale. Les fabricants chinois de GPU et de puces d’IA s’étant emparés de 41 % du marché local des accélérateurs en 2025, contre un niveau quasi nul en 2022, la pile matérielle et logicielle arrive désormais à maturité au sein d’un écosystème en boucle fermée qui ne dépend plus de Nvidia, dont le chiffre d’affaires lié aux centres de données en Chine est tombé de fait à zéro.
La disponibilité de poids ouverts à la pointe de la technologie modifie la dynamique concurrentielle pour les développeurs du monde entier. En proposant un modèle haute performance sous licence MIT, Xiaomi abaisse la barrière à l’entrée pour les applications agentiques et multimodales sophistiquées. Cette démocratisation des capacités oblige à réévaluer le fossé qui entoure les modèles propriétaires américains. Lorsque les développeurs peuvent atteindre une parité de performances avec Grok 4.7 ou Claude Opus 5 via l’API de la plateforme ouverte Xiaomi MiMo, OpenRouter ou AI Studio, la proposition de valeur des alternatives à code source fermé et à coût élevé est immédiatement remise en cause.
Une position que le président chinois, Xi Jinping, a affirmé lors de l'ouverture de la Conférence mondiale sur l'intelligence artificielle (IA) à Shanghai. L'homme d'État a appelé les pays à « encourager l'open source, l'ouverture, la collaboration et le partage », tout en mettant en garde toute nation qui ferait passer ses propres intérêts en matière de sécurité avant ceux des autres, une critique sans équivoque, bien que non explicite, des contrôles américains sur les technologies d'IA. Xi Jinping s'est par ailleurs engagé à soutenir les pays en développement grâce à des programmes de formation à l'IA et à créer des centres de coopération pour l'application de l'IA.
Cependant, l’ascension rapide de la série MiMo doit être replacée dans le contexte de la volatilité générale du secteur. Le tableau de bord d’entraînement de ce modèle indiquait un taux de consommation de 432 000 dollars par jour, reflétant l’énorme investissement nécessaire pour atteindre ces gains. Le MiMo-V2.6-Flash est proposé à 0,14/0,28 dollar par million de jetons, tandis que la version Pro s’élève à 0,435/0,87 dollar par million de jetons. Il s’agit de chiffres communiqués par le fournisseur, qui n’ont pas fait l’objet d’une évaluation indépendante, et l’écart entre l’annonce et la production est bien réel.
L’intégration de la puce V900 au modèle MiMo-V2.6 marque la maturité opérationnelle d’une pile d’IA parallèle. À mesure que ce modèle est mis à la disposition des développeurs du monde entier, la question centrale n’est plus de savoir si l’IA chinoise peut être compétitive, mais comment le marché mondial va intégrer une alternative haute performance et à poids ouvert qui se situe entièrement hors de la portée de l’influence réglementaire américaine.
En effet, cette année, les entreprises technologiques chinoises ont bouleversé le secteur de l'IA grâce à des modèles comme Kimi K3 et DeepSeek. Ces systèmes gagnent rapidement en popularité, car ils s'avèrent plus abordables et souvent plus performants que leurs concurrents américains pour les tâches quotidiennes. Contrairement aux systèmes d'IA fermés d'OpenAI ou d'Anthropic, la Chine privilégie une approche ouverte, permettant à tout le monde d'intégrer et de personnaliser ces outils plus librement.
La publication des poids d'un modèle d'IA peut inciter davantage d'entreprises et de développeurs à l'utiliser, ce qui peut à son tour conduire à la création d'un écosystème complet d'outils et d'infrastructures autour de celui-ci. Sur le plan géopolitique, cela permet à Pékin de contourner les restrictions d'accès aux puces avancées tout en étendant son influence mondiale. Cette percée suscite des craintes à Washington concernant la sécurité intellectuelle et la domination technologique, certains accusant Pékin de copier des technologies américaines.
Voici un extrait de l'annonce de MiMo-V2.6:
Annonce de la série MiMo-V2.6
Aujourd’hui, nous publions la série MiMo-V2.6 et la mettons en open source. Cela marque une étape clé dans notre exploration de la voie du RSI : faire évoluer la puissance de calcul de l’apprentissage par renforcement (RL) sur des tâches complexes et vérifiables, afin que le modèle puisse repousser en permanence les limites de ses capacités grâce à l’exploration et au retour d’information.
La série MiMo-V2.6 comprend deux modèles omnimodaux natifs : MiMo-V2.6-Pro est notre modèle le plus performant à ce jour, tandis que MiMo-V2.6-Flash offre le meilleur compromis entre intelligence, efficacité et coût. Nous lançons également MiMo-V2.6-Pro-UltraSpeed, qui offre une vitesse de sortie jusqu’à 20 fois plus rapide pour une qualité identique, destiné aux utilisateurs qui ont besoin d’une vitesse de génération extrême.
Repousser la frontière de Pareto
MiMo-V2.6-Pro obtient un score de 46,32 à l’indice d’intelligence artificielle d’analyse (Artificial Analysis Intelligence Index), surpassant ainsi Kimi K3 et Qwen3.8 Max pour devenir le modèle open source le plus performant à ce jour. La série MiMo-V2.6 conserve la tarification de l’API de la série V2.5. Une intelligence supérieure au même prix repousse une nouvelle fois la frontière de Pareto entre intelligence et coût.
Évolutivité de l’apprentissage par renforcement (RL), entièrement open source
Au cours de ce processus, nous avons résolu les problèmes de recherche et d’ingénierie liés à l’entraînement par renforcement (RL) et avons diffusé en direct le déroulement de la production au fur et à mesure. En moins de six jours, MiMo-V2.6-Flash et MiMo-V2.6-Pro ont chacun effectué 30 étapes d’apprentissage par renforcement sur environ 750 000 trajectoires, pour un coût respectif d’environ 0,85 million et 2,62 millions de dollars. Le taux de réussite moyen sur les tâches d’entraînement a augmenté de 25 % et 12 % en termes relatifs. Sur DeepSWE v1.1, un benchmark d’ingénierie logicielle à long terme mis de côté, les scores ont augmenté d’environ 17 points (passant de 48,8 à 65,68) et d’environ 14 points (passant de 58,4 à 72,57). L’apprentissage par renforcement s’est révélé efficace en termes d’échantillonnage, n’a cessé de s’améliorer tout au long de l’exécution et a fait preuve de généralisation au-delà de la distribution d’entraînement.
Nous avons fait évoluer la puissance de calcul de l’apprentissage par renforcement selon trois axes :
1. Des lots plus importants et un débit plus élevé : de grands lots sur une architecture entièrement asynchrone, avec 1 568 échantillons par mise à jour, un apprentissage sur une longueur de contexte pouvant atteindre 1 million, et 3,5 à 3,7 milliards de tokens par étape.
2. Davantage de tâches et des environnements plus riches : une suite d’apprentissage multitâche couvrant le codage, les agents généraux, le visuel et la...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.