Primeiro, a resposta curta: em 22 de setembro de 2026, a Xiaomi lançou a família de modelos MiMo-V2.6 e publicou os pesos sob a licença MIT, que permite uso comercial e modificação praticamente sem restrições. A família tem dois modelos: o Pro, com 1,02 trilhão de parâmetros, e o Flash, com 309 bilhões. Ambos aceitam texto, imagens, vídeo e áudio em um único modelo, com uma janela de contexto de até um milhão de tokens. No OpenRouter, o Flash começa em US$ 0,14 por milhão de tokens de entrada. Para a sua empresa, isso significa duas coisas: uma opção de auto-hospedagem com uma licença confortável e uma opção de API muito barata para tarefas que misturam voz, imagens e texto.

O que a Xiaomi realmente lançou

Os dois modelos usam uma arquitetura de mistura de especialistas (MoE), ou seja, apenas uma pequena parte dos parâmetros fica ativa para cada token. É isso que mantém os custos de execução muito abaixo do que o tamanho total sugere:

  • MiMo-V2.6-Pro: 1,02 trilhão de parâmetros no total, 42 bilhões ativos por etapa e contexto de 1M de tokens.
  • MiMo-V2.6-Flash: 309 bilhões de parâmetros no total, 15 bilhões ativos, com o mesmo contexto.
  • Pro-UltraSpeed: uma versão do Pro que, segundo a Xiaomi, executa a inferência até 20 vezes mais rápido, oferecida pela API a dez vezes o preço.

A empresa não parou nos pesos. Ela também publicou mais de 7.000 ambientes de treinamento por aprendizado por reforço que cobrem engenharia de software, reprodução de vulnerabilidades, trabalho do conhecimento e web design, além do próprio framework de treinamento, do relatório técnico e de um pequeno modelo destilado de 9 bilhões de parâmetros baseado no Qwen. Os pesos estão publicados em FP8 no Hugging Face e podem ser baixados sem pedir acesso.

Onde o desempenho dele realmente está

A Artificial Analysis dá ao Pro uma pontuação de 46,32 no seu Intelligence Index. A Xiaomi diz que essa pontuação o coloca à frente do Kimi K3 e do Qwen3.8 Max, tornando-o o modelo de código aberto mais capaz no lançamento, embora reconheça que ele ainda fica atrás do Claude Fable 5.1 e do GPT-6 Astra.

A tabela comparativa no cartão do modelo, porém, o mede contra a geração anterior de modelos fechados, não contra a atual. Veja os números dele contra o Claude Opus 5:

  • AutomationBench (automação de tarefas): 53,1 contra 50,3.
  • Terminal Bench 2.1 (trabalho em linha de comando): 89,9 contra 89,1.
  • DeepSWE (correção de bugs reais de software): 71,9 contra 74,0.
  • OSWorld-Verified (uso do computador): 82,0 contra 83,4.
  • O mais difícil Terminal Bench 4.0: 34,9 contra 49,0.

O resumo honesto: um modelo próximo do topo da geração passada em tarefas de agentes e de programação, e claramente atrás nas mais difíceis. Não leia o anúncio como um substituto equivalente dos modelos fechados mais recentes.

Preço: o número que muda a conta da operação

No OpenRouter, cada milhão de tokens de entrada e cada milhão de tokens de saída custam:

  • Flash: US$ 0,14 de entrada e US$ 0,28 de saída.
  • Pro: US$ 0,435 de entrada e US$ 0,87 de saída.
  • Pro-UltraSpeed: US$ 4,35 de entrada e US$ 8,70 de saída.

Um exemplo ilustrativo, com premissas nossas: um assistente de atendimento ao cliente que lida com 1.000 conversas por dia, cada uma com cerca de 3.000 tokens de entrada e 500 de saída. Isso soma 3 milhões de tokens de entrada e meio milhão de tokens de saída por dia. No Flash, o custo é de cerca de US$ 0,56 por dia, aproximadamente SAR 63 por mês. No Pro, cerca de US$ 1,74 por dia, aproximadamente SAR 196 por mês. Os valores reais vão variar com a extensão das suas conversas e com o cache de contexto, mas o que importa é a ordem de grandeza: o custo deixou de ser a barreira para testá-lo. A Xiaomi diz que o Pro custa entre um vinte avos e um sessenta avos dos modelos estrangeiros do mesmo nível de inteligência; essa é a afirmação da empresa, não uma medição independente.

Um único modelo que ouve, vê e lê

A parte que merece atenção é que um único modelo entende os quatro tipos de entrada. Hoje, se você quer um sistema que analise gravações de chamadas de clientes, normalmente precisa primeiro de um serviço de conversão de fala em texto e depois de um modelo de linguagem para analisar a transcrição. O mesmo vale para a foto de uma nota fiscal tirada por um vendedor no celular: um serviço para extrair o texto da imagem e depois um modelo para entendê-lo. Cada elo dessa cadeia é um custo extra e mais um ponto de falha.

Um modelo multimodal encurta a cadeia: a gravação da chamada entra como está, a foto do recibo como está, o vídeo da câmera do depósito como está. Isso simplifica a construção de sistemas como revisão da qualidade das chamadas, lançamento automático de documentos no seu sistema contábil ou verificação de fotos de mercadorias no recebimento. Tenha em mente, porém, que as fontes não dizem nada específico sobre o desempenho dele em árabe ou nos dialetos sauditas, e é exatamente isso que você deve testar com os seus próprios dados antes de decidir qualquer coisa.

Rodar nos seus próprios servidores: possível, com orçamento

A licença MIT significa que você pode rodar o modelo dentro da sua própria infraestrutura, modificá-lo e incorporá-lo a um produto comercial. Isso importa para quem processa dados pessoais, porque a Lei de Proteção de Dados Pessoais da Arábia Saudita impõe controles à transferência de dados para fora do Reino, e a auto-hospedagem os mantém dentro do seu ambiente.

O tamanho, porém, é real. O cartão do modelo Pro mostra uma configuração de referência que divide o modelo entre 8 GPUs com vLLM, ou entre dois nós com SGLang. O Flash precisa ser dividido entre 4 GPUs. O cartão não informa o tipo de GPU, mas um modelo desse tamanho, na prática, exige servidores de IA de primeira linha. É por isso que o Flash, com seus 15 bilhões de parâmetros ativos, é o candidato realista à auto-hospedagem para a maioria das empresas. Explicamos as contas de hardware em detalhes em como rodar um grande modelo de IA na sua própria máquina.

O que observar antes de confiar nele

  • Segurança: o Pro fica bem atrás nos testes de exploração de vulnerabilidades, com 47,9 no ExploitBench contra 70,0 do Opus 5. Se a sua tarefa é revisão de segurança de código, ele não é a sua primeira escolha.
  • Caminho dos dados: usá-lo por meio de uma API significa que os dados dos seus clientes passam pelos servidores de um provedor externo. Para dados sensíveis, auto-hospedar ou anonimizar antes de enviar é um requisito, não uma opção.
  • Números do fornecedor: a maioria dos resultados de benchmark foi publicada pela própria Xiaomi. Teste-o em uma tarefa do seu próprio trabalho, com perguntas tiradas dos seus próprios dados.

Como abordamos isso na Origami

Não amarramos os sistemas que construímos a um único modelo. Colocamos uma camada intermediária para que o modelo possa ser trocado sem reconstruir a aplicação e, depois, medimos cada candidato em uma tarefa real do trabalho do cliente: precisão, custo por operação e tempo de resposta. O MiMo-V2.6 entra agora nessa lista curta, especialmente para tarefas que combinam voz, imagens e texto, e onde quer que a conta mensal seja o que impede um projeto de IA de começar. Se você tem uma tarefa assim e quer saber o custo real dela antes de se comprometer, fale com a gente.

Fontes