Sei mesi di modelli open source cinesi: MiMo di Xiaomi, DeepSeek e Hugging Face

Negli ultimi sei mesi la corsa ai grandi modelli open source cinesi è accelerata. Il 22 settembre Xiaomi ha chiuso una diretta durata sei giorni, la «diretta di raffinazione», durante la quale l'addestramento con reinforcement learning è stato trasmesso in streaming. Il conto finale si è fermato a 3,5 milioni di dollari, circa 23,44 milioni di yuan.

Sono arrivati anche i risultati. MiMo-V2.6-Pro ha 1.020 miliardi di parametri, di cui 42 miliardi attivi, e sull'Artificial Analysis Intelligence Index ha ottenuto 46 punti, primo tra i modelli open source. Luo Fuli, responsabile di MiMo, ha dichiarato che si tratta di uno dei più grandi addestramenti singoli con reinforcement learning mai condotti da un team di modelli open source. L'innovazione di ricerca e le sfide ingegneristiche dietro questo lavoro, ha aggiunto, superano quelle del DeepSeek-R1 a cui aveva partecipato.

Il dato più interessante riguarda la generalizzazione fuori campione. Su DeepSWE v1.1, che valuta i Coding Agent, Pro è passato da 58,4 a 72,57 punti e Flash da 48,7 a 65,68 punti. Bastano 30 Step perché il modello continui a migliorare e trasferisca le capacità a compiti di ingegneria del software mai visti prima.

Il prezzo non è salito insieme alle capacità. MiMo-V2.6 mantiene la stessa tariffazione API della generazione precedente: per Pro circa 3 yuan e 6 yuan per milione di Token in input e output, per Flash circa 1 yuan e 2 yuan. Secondo le stime di Artificial Analysis, MiMo-V2.6-Pro completa un compito con un costo medio di appena 0,13 dollari. Il modello closed source Grok 4.7, pubblicato nello stesso periodo, sullo stesso indice ha anch'esso 46 punti, ma la sua versione più potente richiede in media 3,74 dollari per completare un compito.

Anche la lista dell'open source si allunga. Xiaomi ha aperto i pesi del modello, il rapporto tecnico, oltre 7000 ambienti di task RL, il framework di addestramento end-to-end e un mini-harness liberamente componibile. Ha inoltre rilasciato un modello distillato basato su Qwen3.5-9B, messo a punto con supervisione su 77,4B Token di dati generati da MiMo. Un ex ricercatore di Hugging Face si è soffermato sulla velocità: l'addestramento RL finale è partito da meno di una settimana e ha già prodotto modello e framework di addestramento.

DeepSeek, dal canto suo, il 31 agosto ha caricato su Hugging Face DeepSeek-V4-Flash-Vision-Exp, il primo modello multimodale della serie V4, con licenza MIT. Il materiale pubblicato comprende i file del modello, il Tokenizer, l'implementazione di riferimento del Prompt Encoding e un'implementazione minima di inferenza PyTorch. Sotto la doppia spinta dell'ambiente e dell'ecosistema, la presenza dei modelli cinesi nella comunità open source sta diventando più forte.