XiaomiのMimo 2.6、強化学習のライブダッシュボードを公開
Xiami Mimo 2.6 Live Training Dashboard
XiaomiのMimo 2.6が強化学習のトレーニング進捗をリアルタイムで公開するダッシュボードを公開した。step 15ではdynsam/avg@nが0.596に達し、前回から0.012上昇。累計トークン数は2.69Bに。ログにはaccepted、judged、pass率、remaining、partial、rewarding、prewarmなどの詳細な指標が刻々と記録され、モデル改善の過程を生々しく追跡できる。
step 15 done · dynsam/avg@n 0.596 ▲0.012 2.69B tok
HNでの議論
153- joelwallis
私はソフトウェアエンジニアとしての仕事のほとんどをMiMo-V2.5で行っています。様々なプロジェクトで使っていますが、ROIには非常に満足しています。このモデルはとても強力です！完璧ではありません。一度か二度、幻覚ループに陥ったこともありますが、停止して再開すれば解決する程度です。
コストは信じられないほど低く、得られる知能の品質は、昨年末から今年初めにかけて主にAnthropicのモデルで作業していたときと同等です。私は完全にMiMoに投資しており、とても満足しています。
--
追伸：他のモデルが同じように素晴らしい仕事ができるか、ほぼ毎日チェックしています。実際にできます。DS4Fは強力で、DS41は印象的で、GLM 5.3 Flashも仕事をうまくこなします。しかし、ROIの計算にMトークンのコストを加えると、なんと！MiMoは桁違いに優れています。
- dr_dshiv
まあ、オープンソースAIが危険だとしたら（OpenAI/AnthropicのIPOにとって？）、これは時限爆弾を見ているようなものだ。
- passive
素晴らしい！私はここ一週間、彼らの次のモデルを試していますが、これはそのバージョンだと思います。今のところ良い経験です。
2.5-proは開発のかなりの部分で使っていて、私のプロジェクトに不慣れな、少し忘れっぽいシニアエンジニアのように感じました。非常に有能で、常に最良とは限らないものの、ほぼ常に合理的な選択をしてくれましたが、マルチタスクはあまり得意ではありませんでした。一般的に、コードを行ごとに精査しなくても安心できるものでしたが、プロジェクトが適度な規模になると、少し方向付けが必要でした。
次のモデルは、少なくともマルチタスク能力が明らかに向上しており、明確に定義された問題の実装を私が方向付けることはほとんどありませんでした。コードに関しては、MiMo-V.2.5-proは非常に保守的で、最小限の解決策を実装する傾向がありました。次のモデルは、良い意味で少し野心的に見え、ギャップや次のステップについて良い推測をします。また、デザインもかなり良くなっているようで、私が少しやった限りでは、私の概念を画面上の実用的な要素に変換するのが上手く、私が提案するたびにきれいに整理してくれました。
- ricardobeat
参考までに、Mimo-v2.5-ProはDeepSWE 1.1で19%を記録しました。これは素晴らしいですね。
Fableは70%、Kimi K3は69%、Astraは74%（すべて最大努力時）。
- krm01
これはかなり素晴らしい。他のモデルプロバイダーがこれをやらない良い理由は何だろう？
- liuliu
トレーニング中にベンチマークを実行するのは、汚染の定義ではないですか？最近の大手ラボではこれが普通なのかどうか確信が持てないので聞いています。
- ssn2000
これまでの総実行コストは120万ドル。彼らはモデルのトレーニングにどんなリソースを使っているのだろう？その詳細やMFUメトリクスについてもっと共有してほしかった。
- fzysingularity
ここでのオープンさを見るのはとてもクールで、おそらく透明性でユーザーを獲得する小規模なスタートアップから、このようなものがもっと出てくるだろう。