Xiaomi's MiMo-V2.6-Pro: open-source AI op het niveau van de groten

TL;DR

• Wat: Xiaomi heeft MiMo-V2.6-Pro en Flash open-source uitgebracht — modellen die op benchmarks meekomen met Claude Opus 5 en GPT-5.6 Sol.
• Waarom relevant: een open-source model dat meekan met de duurste gesloten modellen, tegen een fractie van de kosten.
• Wat je ermee kunt: evalueer of je AI-kosten omlaag kunnen door een open-weight alternatief te overwegen voor taken als automatisering en coding.

Xiaomi heeft met MiMo-V2.6-Pro een open-source AI-model uitgebracht dat op de zesde plek is binnengekomen in de Artificial Analysis Intelligence Index — en daarmee het beste open-weight model ter wereld is. Ik viel over dit bericht omdat het laat zien hoe snel de kloof tussen open en gesloten modellen aan het sluiten is, en wat dat kan betekenen voor de kosten die je als ondernemer aan AI kwijt bent.

Wat is er precies uitgebracht?

Xiaomi heeft twee modellen tegelijk vrijgegeven: MiMo-V2.6-Pro en MiMo-V2.6-Flash. Beide zijn open-weight, wat betekent dat de modelgewichten — zeg maar het "brein" van het model — vrij beschikbaar zijn. Iedereen kan ze downloaden, draaien op eigen hardware, of aanbieden via een API.

MiMo-V2.6-Pro is een zogeheten Mixture-of-Experts (MoE) model. Dat klinkt technisch, maar het principe is simpel: het model heeft in totaal 1,02 biljoen parameters, maar activeert er per vraag slechts 42 miljard. Vergelijk het met een groot kantoorgebouw waar op elk moment maar een paar verdiepingen verlicht zijn — je hebt de capaciteit van het hele gebouw, maar je verbruikt alleen energie voor de delen die je nodig hebt.

Naast de modelgewichten heeft Xiaomi ook technische rapporten vrijgegeven, samen met meer dan 7.000 trainingsomgevingen en een compleet trainingsframework. Dat is opvallend genereus. Het betekent dat andere ontwikkelaars niet alleen het model kunnen gebruiken, maar ook kunnen leren hoe het is gemaakt en het verder kunnen verbeteren.

De Flash-variant is de lichtere versie, vergelijkbaar met hoe autofabrikanten een basismodel en een sportversie aanbieden. Flash presteerde in tests al beter dan de vorige Pro-versie (V2.5-Pro), wat iets zegt over de snelheid van verbetering.

Hoe presteert het ten opzichte van de concurrentie?

Hier wordt het interessant. MiMo-V2.6-Pro scoorde 46 punten op de Artificial Analysis Intelligence Index, een samengestelde benchmark die tien verschillende evaluaties combineert — van coderen tot wetenschappelijke taken. Daarmee staat het op plek zes overall en op plek één onder alle open-weight modellen.

De vergelijking met gesloten modellen als Claude Opus 5 en GPT-5.6 Sol is genuanceerd, en ik vind het belangrijk om daar eerlijk over te zijn:

Waar MiMo sterk is

• Automatiseringstaken: op AutomationBench scoort MiMo 53,1 tegenover Opus 5's 50,3. Voor ondernemers die AI inzetten voor het automatiseren van workflows is dat een relevant gegeven.
• Terminal-taken: op Terminal Bench 2.1 scoort MiMo 89,9 — het hoogste in de vergelijking.
• Visueel coderen: met 72,3 scoort MiMo hoger dan Claude Opus 5 (70,0) en net onder GPT-5.6 Sol.

Waar MiMo zwakker is

• Competitief programmeren: op ProgramBench scoort MiMo 26,5 tegenover Opus 5's 37,0. Dat is een flink verschil.
• De moeilijkste beveiligingstaken: op ExploitBench haalt MiMo 47,9 waar GPT-5.6 Sol op 78,5 uitkomt.
• Complexe terminaltaken: de nieuwere Terminal Bench 4.0 laat een groter gat zien — 34,9 tegenover 49,0 voor Opus 5.

Wat mij hier opvalt: MiMo is niet in alles de beste, maar het is op de taken die voor de meeste zakelijke toepassingen relevant zijn — automatisering, standaard codering, visuele taken — zeer competitief. De zwaktes zitten vooral in de extremen: de allermoeilijkste programmeerpuzzels en geavanceerde beveiligingsanalyse.

De kostenkant: en daar wordt het pas echt interessant

Stel dat je als ondernemer AI-tools inzet voor klantenservice, contentcreatie, of het automatiseren van administratieve taken. Dan betaal je op dit moment waarschijnlijk per API-aanroep aan OpenAI, Anthropic of Google.

MiMo-V2.6-Pro kost volgens Artificial Analysis $0,13 per Intelligence Index-taak, en $0,435 per miljoen invoertokens. Xiaomi claimt dat dit een twintigste tot een zestigste is van wat vergelijkbare gesloten modellen kosten. Dat plaatst het model op wat analisten de "Pareto-frontier" noemen — geen enkel model biedt meer intelligentie per dollar, en geen goedkoper model biedt meer intelligentie.

Ik denk dat dit voor veel MKB-ondernemers relevanter is dan de benchmarkscores zelf. Als een open model 90% van de kwaliteit levert tegen 5% van de kosten, dan verschuift de rekensom behoorlijk. Zeker als je AI op schaal wilt inzetten — denk aan honderden of duizenden geautomatiseerde taken per dag.

En omdat het model open-weight is, kun je het ook zelf hosten. Dat geeft je controle over je data, wat met de AVG en de AI Act in het achterhoofd een punt van aandacht is.

Wat betekent dit voor de AI-markt?

Ik vind het eerlijk gezegd fascinerend hoe snel de open-source AI-wereld opschuift. Een jaar geleden was het ondenkbaar dat een open model in dezelfde lijstjes zou staan als de beste gesloten modellen van OpenAI en Anthropic. Nu is het een feit.

Xiaomi is hierin niet de enige — ook Chinese bedrijven als DeepSeek en Alibaba (met Qwen) drukken stevig op de markt. Maar MiMo-V2.6-Pro is wel het eerste open model dat zo dicht bij de absolute top komt op een brede, samengestelde benchmark.

Voor de gesloten modellenbouwers betekent dit toenemende druk. Als je als bedrijf flink betaalt voor een API van OpenAI of Anthropic, dan heb je nu een serieus alternatief om te evalueren. Niet voor elk gebruik — de gesloten modellen zijn nog steeds beter op de allerzwaarste taken — maar voor een groot deel van de dagelijkse toepassingen.

Kun je je voorstellen wat dit betekent als je als ondernemer vijf medewerkers hebt die dagelijks AI gebruiken? Het kostenverschil kan oplopen tot duizenden euro's per jaar.

Een nuance die erbij hoort

Benchmarks zijn niet alles. Ze meten specifieke taken onder gecontroleerde omstandigheden. Hoe een model presteert in jouw specifieke situatie — met jouw type vragen, in jouw branche, met jouw data — kan afwijken. Ik zou zelf willen weten hoe MiMo presteert op typisch Nederlandse zakelijke taken: Nederlandstalige klantenservice, Nederlandse juridische teksten, fiscale vragen. Daar zeggen deze benchmarks niets over.

Ook is "open-weight" niet hetzelfde als volledig open-source. De gewichten zijn vrij, maar de trainingsdata en volledige trainingsinfrastructuur niet per se. Het is transparanter dan een gesloten model, maar het is goed om dat onderscheid te kennen.

Voor mij is dit vooral een signaal dat de kosten van hoogwaardige AI snel aan het dalen zijn, en dat de afhankelijkheid van een handvol Amerikaanse bedrijven niet langer vanzelfsprekend is. Dat is, denk ik, goed nieuws voor ondernemers die AI willen inzetten zonder er een fortuin aan uit te geven.