Six mois de modèles ouverts : MiMo de Xiaomi, DeepSeek et les modèles chinois sur HuggingFace

Depuis six mois, la concurrence entre grands modèles ouverts chinois s'accélère nettement. Le 22 septembre, Xiaomi a terminé un « live de distillation » de six jours. L'entraînement par renforcement tournait dans le direct. La facture finale s'élève à 3,5 millions de dollars, soit environ 23,44 millions de yuans.

Les résultats du modèle ont été publiés en même temps. MiMo-V2.6-Pro compte 1,02 billion de paramètres et 42 milliards activés. Il obtient 46 points sur l'Artificial Analysis Intelligence Index, premier des modèles ouverts. Luo Fuli, responsable de MiMo, affirme qu'il s'agit de l'un des plus grands entraînements uniques par renforcement jamais menés par une équipe de modèles ouverts. Elle précise aussi que les innovations de recherche et les défis d'ingénierie dépassent ceux du DeepSeek-R1 auquel elle a participé.

La généralisation hors échantillon est plus intéressante encore. Sur DeepSWE v1.1, qui évalue les Coding Agents, Pro passe de 58,4 à 72,57 points et Flash de 48,7 à 65,68 points. Après seulement 30 steps, le modèle continue de progresser et transfère ses capacités à des tâches d'ingénierie logicielle qu'il n'a jamais vues.

Les prix n'ont pas suivi la hausse des capacités. MiMo-V2.6 conserve la tarification API de la génération précédente : pour Pro, environ 3 yuans et 6 yuans par million de tokens en entrée et en sortie, et pour Flash, environ 1 yuan et 2 yuans. Selon les calculs d'Artificial Analysis, MiMo-V2.6-Pro termine une tâche pour un coût moyen de 0,13 dollar. Le modèle fermé Grok 4.7, publié à la même période, obtient lui aussi 46 points sur le même indice. Sa version haut de gamme coûte en moyenne 3,74 dollars par tâche.

La liste des éléments ouverts s'allonge également. Xiaomi a publié les poids du modèle, le rapport technique, plus de 7000 environnements de tâches RL, le cadre d'entraînement de bout en bout, ainsi qu'un mini-harness librement composable. L'entreprise a aussi mis à disposition un modèle distillé construit sur une base Qwen3.5-9B, affiné par supervision avec des données générées par MiMo. Un ancien chercheur de Hugging Face retient la vitesse : moins d'une semaine après le lancement de l'entraînement RL final, le modèle et le cadre d'entraînement étaient livrés.

DeepSeek a pour sa part mis en ligne le 31 août DeepSeek-V4-Flash-Vision-Exp, premier modèle multimodal de la série V4, sur Hugging Face, sous licence MIT. La publication comprend les fichiers du modèle, le Tokenizer, une implémentation de référence du Prompt Encoding et une implémentation minimale d'inférence PyTorch. Portés à la fois par l'environnement et l'écosystème, les modèles chinois gagnent en présence dans la communauté open source.