Xiaomi stellt Open-Source-KI-Modellfamilie Mimo-V2.6 vor

Das globale Technologieunternehmen Xiaomi Corp. gab heute die Veröffentlichung und das Open-Sourcing seiner generativen KI-Modelle der MiMo-V2.6-Serie bekannt, die zwei nativ omnimodale Modelle umfassen, die ein Gleichgewicht aus Intelligenz, Effizienz und Kosten bieten.

Die MiMo-V2.6-Serie umfasst zwei nativ omnimodale Modelle mit einem neuen Flaggschiff-Modell, MiMo-V2.6-Pro, und einer kleineren, effizienten Flash-Variante. Das Unternehmen gab außerdem bekannt, dass es eine abgespeckte Pro-UltraSpeed-Variante einführt, die eine bis zu 20-mal schnellere Ausgabe als Pro bei gleicher Qualität für extreme Generationsgeschwindigkeiten liefert.

Das Unternehmen beschrieb die Pro- und Flash-Modelle als nativ „omnimodal“: Sie akzeptieren Text, Bild, Video und Audio in derselben Familie mit Kontextfenstern von 1 Million Token. Die veröffentlichte Architektur von Pro listet einen Vision-Encoder mit 681 Millionen Parametern auf, einschließlich eines AudioTokenizers mit 308 Millionen Parametern und eines Audio-Patch-Encoders mit 127 Millionen Parametern, der in der Lage ist, Sprache zu unterscheiden.

Dieses Design ermöglicht es den größeren Modellen, den wachsenden Anforderungen heutiger agentischer KI-Anwendungsfälle und Aufgabenanweisungen gerecht zu werden, insbesondere für die Computernutzung. Beispielsweise könnte ein Agent für die Computernutzung eine Aufgabenanweisung lesen, einen Screenshot einer Benutzeroberfläche oder ein Video erfassen, darüber nachdenken und dann innerhalb eines Modellzyklus entscheiden, was als Nächstes zu tun ist.