option
Maison
Flash info
Contenu
BenLewis
BenLewis
28 septembre 2026

Le nouveau modèle phare multimodal de Xiaomi, le MiMo-V2.6-Pro, s'est imposé comme un concurrent de poids au sein de l'écosystème open source de l'IA. Selon les données d'évaluation d'Arena.ai, ce modèle s'est classé parmi les dix premiers au classement général et a décroché une place dans le trio de tête des modèles open source sous licence MIT. Dans le domaine de test « Code Arena : WebDev », MiMo-V2.6-Pro a obtenu un score AutoEval impressionnant de 1 628, dépassant les 1 624 de Hy4-preview et égalant ceux de Claude Fable5 High. Cela représente un bond significatif de 153 points par rapport à son prédécesseur, MiMo-V2.5-Pro, qui avait obtenu un score de 1 475. Bien qu’il soit actuellement devancé de 46 points par le Kimi K3Max, en tête du classement, et de 7 points par le Qwen3.8Flash Next, ses débuts remarquables soulignent les progrès réalisés par Xiaomi en matière d’apprentissage par renforcement et de développement de grands modèles multimodaux. Le classement final sera affiné à mesure que les données issues des votes des utilisateurs s’accumuleront.

Le nouveau modèle phare multimodal de Xiaomi, le MiMo-V2.6-Pro, s'est imposé comme un concurrent de poids au sein de l'écosystème open source de l'IA. Selon les données d'évaluation d'Arena.ai, ce modèle s'est classé parmi les dix premiers au classement général et a décroché une place dans le trio de tête des modèles open source sous licence MIT. Dans le domaine de test « Code Arena : WebDev », MiMo-V2.6-Pro a obtenu un score AutoEval impressionnant de 1 628, dépassant les 1 624 de Hy4-preview et égalant ceux de Claude Fable5 High. Cela représente un bond significatif de 153 points par rapport à son prédécesseur, MiMo-V2.5-Pro, qui avait obtenu un score de 1 475. Bien qu’il soit actuellement devancé de 46 points par le Kimi K3Max, en tête du classement, et de 7 points par le Qwen3.8Flash Next, ses débuts remarquables soulignent les progrès réalisés par Xiaomi en matière d’apprentissage par renforcement et de développement de grands modèles multimodaux. Le classement final sera affiné à mesure que les données issues des votes des utilisateurs s’accumuleront.
commentaires (0)
0/300
OR