Xiaomi hat ein öffentliches Live-Dashboard veröffentlicht, das den Post-Training-Reinforcement-Learning-(RL)-Prozess der neuen Modellreihe Mimo 2.6 (Pro und Flash) in Echtzeit verfolgt. Das Dashboard bietet direkte Einblicke in laufende Trainingsmetriken, Validierungs-Benchmarks sowie die aufgelaufenen Rechenkosten. In der Community wird diese Transparenz als deutlicher Gegensatz zu den proprietären US-Anbietern gewürdigt, während parallel die Validität der Benchmark-Auswertung während des Trainings und die Praxistauglichkeit der Mimo-Modelle im Software-Engineering diskutiert werden.
Wichtigste Punkte
Live-RL-Dashboard: Xiaomi zeigt in Echtzeit den Reinforcement-Learning-Fortschritt nach dem Pre-Training für Mimo 2.6 Pro und Mimo 2.6 Flash.
Trainingskosten und Infrastruktur: Die aufgelaufenen Gesamtkosten des RL-Laufs betragen bislang 1,2 Millionen USD bei einer Verbrennungsrate von ca. 5 USD pro Sekunde (~432.000 USD/Tag), was der Leistung von etwa 3.000 B300-Knoten auf Cloud-Plattformen entspricht.
Hoher Code-Anteil: Rund zwei Drittel (66 %) der verwendeten Trainingsdaten bestehen direkt aus Quellcode.
Startzeitpunkt: Der dokumentierte RL-Trainingslauf für die Pro-Variante begann am 15. September 2026 um 10:32 UTC.
DeepSWE-Performance:Mimo 2.6-Pro erreichte in Schritt 10 einen Wert von 63,7 % auf dem DeepSWE-Benchmark, während Mimo 2.6-Flash bei Schritt 12 bei 60,7 % lag (im Vergleich zu 19 % beim Vorgänger Mimo-v2.5-Pro).
Diskussions-Highlights
Praxiseinsatz und ROI: Entwickler berichten von hervorragenden Ergebnissen beim Einsatz von Mimo 2.5/2.5-Pro für Software-Engineering und Agenten-Architekturen. Trotz vereinzelter Halluzinationsschleifen wird der ROI aufgrund extrem niedriger Token-Kosten bei einer Leistungsfähigkeit auf dem Niveau der Anthropic-Modelle aus späten 2025/frühen 2026 als extrem hoch bewertet. Mimo 2.6 zeigt laut ersten Testerfahrungen deutlich verbesserte Multitasking-Fähigkeiten und eine proaktivere Code-Generierung.
Benchmark-Vergleiche und Alternativen: Auf dem DeepSWE 1.1-Benchmark ordnet sich Mimo 2.5-Pro mit 19 % weit hinter Modellen wie Astra (74 %), Fable (70 %) und Kimi K3 (69 %) ein, weshalb der Sprung von Mimo 2.6 auf über 60 % als massiv wahrgenommen wird. Als performante Alternativen werden DeepSeek 4.1 Flash, GLM 5.3 Flash und das lokal betreibbare Qwen 3.8 Flash Next genannt. In früheren Beta-Tests erreichte Mimo v2.5 Pro Ultraspeed Durchsätze von bis zu 1.000 Tokens/Sekunde (Standard: 50–100 Tokens/s).
Methodische Bedenken zur Kontamination: Die Auswertung von Benchmarks direkt während der RL-Schritte führt zu Debatten über Datenkontamination. Während einige Ingenieure darin eine Standard-Validierung zur Erkennung von Modell-Degradierung und zur Bestimmung von Abbruchkriterien (Stopping Criteria) sehen, kritisieren andere ein mögliches „Benchmaxxing“ und Überanpassung (Overfitting) durch Hyperparameter-Justierung.
Motive und Authentizität: Die Offenlegung wird teils auf chinesische Regierungsrichtlinien zur Förderung von Open-Source-Entwicklung zurückgeführt, teils als PR-Schachzug zur Vermeidung von Destillations-Vorwürfen interpretiert. Vereinzelt äußern Nutzer Zweifel an der Authentizität der Live-Daten und vermuten Replays oder synthetische Logs, da angezeigte Server-Neustarts nicht immer mit den Metrik-Graphen korrelieren.
Glossar
RL (Reinforcement Learning / Bestärkendes Lernen): Ein Machine-Learning-Verfahren, bei dem das Modell durch Belohnungssysteme optimiert wird, um spezifische Verhaltensweisen und Ausführungsqualitäten zu erlernen.
Post-Training: Die Entwicklungsphase nach dem initialen Pre-Training, in der das Modell durch Fine-Tuning, Instruktionsbefolgung (Instruction Tuning) und RL für konkrete Aufgaben angepasst wird.
DeepSWE 1.1: Ein standardisierter Benchmark zur Leistungsmessung von KI-Modellen und Agenten bei realen Software-Engineering-Problemen in komplexen Codebases.
Distillation (Destillation): Das Trainieren eines kleineren, effizienteren Modells unter Verwendung der Ausgaben eines größeren, leistungsfähigeren Target-Modells (z. B. Claude oder GPT-4/5).
Contamination (Datenkontamination) / Benchmaxxing: Das ungewollte Einfließen von Test- und Benchmark-Daten in den Trainings- oder Validierungsprozess, was zu künstlich überhöhten Testergebnissen führt.
B300-Knoten: Hochleistungs-Compute-Serverknoten auf Basis moderner GPU-Hardware zur Durchführung von KI-Trainingsläufen.
MFU (Model FLOPs Utilization): Eine Kennzahl zur Effizienzmessung von KI-Trainingsinfrastrukturen, die den Anteil der theoretisch maximalen Rechenleistung angibt, der tatsächlich für das Modelltraining genutzt wird.