Prima di procedere
Xiaomi ha annunciato il rilascio di MiMo-V2-Flash, un modello di intelligenza artificiale (IA) open source e gratuito che promette di ridefinire gli standard di efficienza e velocità. Questo modello si distingue per le sue elevate prestazioni in scenari complessi come il ragionamento, la programmazione e l'operatività come agente IA, rendendolo un assistente versatile per le attività quotidiane, come affermato dagli sviluppatori di Xiaomi.
MiMo-V2-Flash è accessibile agli utenti di tutto il mondo attraverso diverse piattaforme, tra cui Hugging Face, l'infrastruttura di Google Cloud AI Studio e la piattaforma proprietaria di Xiaomi per sviluppatori. La sua architettura si basa su un sistema di "miscela di esperti", con un totale di 309 miliardi di parametri, di cui solo 15 miliardi attivi simultaneamente. Questo approccio consente di ottimizzare le risorse e di accelerare i tempi di risposta.
Un ulteriore meccanismo di ottimizzazione impiegato in MiMo-V2-Flash è un sistema di attenzione ibrido che combina l'attenzione globale (Global Attention), che considera tutti i token nel contesto, con l'attenzione a finestra scorrevole (Sliding Window Attention), che si concentra solo sui token correnti e quelli adiacenti. Questo meccanismo opera in un rapporto di 1:5, il che significa che il modello, durante la generazione di risposte, si concentra principalmente sui dati più immediati, ma occasionalmente analizza l'intero quadro. Questo approccio permette di ottenere una velocità paragonabile a quella del meccanismo a finestra scorrevole, pur mantenendo una precisione quasi pari a quella dell'attenzione globale completa.
Nei test standard SWE-bench Verified e Multilingual, che valutano le capacità dell'IA nello sviluppo di software, MiMo-V2-Flash si è classificato al primo posto tra tutti i modelli open source, competendo con i principali modelli proprietari a livello mondiale. Inoltre, nei test matematici AIME 2025 e interdisciplinari GPQA-Diamond, si è posizionato tra i primi due modelli open source a livello globale. MiMo-V2-Flash supporta uno schema di pensiero ibrido, consentendo agli utenti di alternare tra modalità di ragionamento approfondito e risposte rapide. Supporta anche la generazione di pagine HTML complete con un singolo clic e l'integrazione con strumenti di "vibing code" di terze parti, come Claude Code, Cursor e Cline. La lunghezza della finestra contestuale è di 256.000 token, permettendo a MiMo-V2-Flash di gestire compiti complessi che richiedono interazioni prolungate con agenti e l'utilizzo di strumenti esterni.
Grazie ai meccanismi di ottimizzazione, MiMo-V2-Flash raggiunge una velocità di risposta di 150 token al secondo, offrendo un'esperienza utente quasi istantanea. Nell'infrastruttura di Xiaomi, l'accesso al modello tramite API ha un costo di $0,1 per 1 milione di token in entrata e $0,3 per 1 milione di token in uscita. Oltre all'attenzione ibrida e alla finestra scorrevole, Xiaomi ha ulteriormente accelerato il modello addestrandolo a generare più token contemporaneamente (Multi-Token Prediction - MTP). In pratica, il modello genera in media da 2,8 a 3,6 token in parallelo, accelerando le prestazioni di un fattore compreso tra 2,0 e 2,6.
Un'altra innovazione implementata da Xiaomi nella fase di post-addestramento di MiMo-V2-Flash è la "distillazione dinamica della conoscenza da un gruppo di mentori" (Multi-Teacher Online Policy Distillation - MOPD). In questo approccio, le risposte del modello in fase di addestramento vengono valutate in tempo reale da modelli "mentori", che forniscono un'analisi dettagliata degli errori anziché un semplice giudizio di correttezza. Il modello in addestramento analizza le proprie risposte, anziché operare all'interno di scenari predefiniti. Questo schema richiede solo il 2% delle risorse computazionali rispetto all'addestramento tradizionale con rinforzo (SFT/RL). Inoltre, la struttura decentralizzata di MOPD permette al modello addestrato di assumere successivamente il ruolo di "mentore", consentendo un auto-miglioramento continuo.
Nei test complessivi, MiMo-V2-Flash dimostra risultati comparabili ai principali sistemi cinesi K2 Thinking e DeepSeek V3.2 Thinking. Nelle attività che richiedono un contesto prolungato, la rete neurale di Xiaomi ha superato il più grande modello K2 Thinking, confermando l'efficacia dell'architettura a finestra scorrevole. Nel test SWE-Bench Verified, ha ottenuto un punteggio del 73,4%, superando tutti i concorrenti open source e avvicinandosi alle prestazioni di OpenAI GPT-5-High. In SWE-Bench Multilingual, ha risolto il 71,7% dei compiti, confermando il suo status di modello open source più efficiente per lo sviluppo di software. Nei test τ²-Bench per l'operatività come agente IA industriale, ha ottenuto punteggi di 95,3 per il settore delle telecomunicazioni, 79,5 per il commercio al dettaglio e 66,0 per le compagnie aeree. Nel benchmark degli agenti di ricerca BrowseComp, ha raggiunto un punteggio di 45,4, che sale a 58,3 considerando la gestione del contesto. I pesi del modello, inclusa la base MiMo-V2-Flash-Base, sono disponibili su Hugging Face con licenza MIT, mentre il codice per l'inferenza (output) è stato inviato agli sviluppatori del framework SGLang.
