O celular virou laboratório
A Xiaomi é aquela empresa que a gente conhece pelo celular no bolso, pela pulseira que conta passos e pela televisão da sala. Só que, nos últimos meses, ela passou a fazer outra coisa em silêncio: treinar inteligência artificial de fronteira. E, em 22 de setembro de 2026, parou de fazer silêncio.
A empresa publicou o MiMo-V2.6, uma família de modelos que ela mesma descreve com uma frase curta no site oficial: "inteligência de fronteira, todas as modalidades, construída em público". O pacote não vem só com aquele "brinquedo" de demonstração que roda no navegador. Vem com os pesos do modelo, o relatório técnico, os ambientes de treino por reforço e o código de treino — tudo aberto, sob licença MIT, a mesma que permite usar, modificar e vender produtos em cima do modelo sem pagar royalties.
Tem uma diferença importante aqui, e vale começar por ela: quase nenhum laboratório de fronteira mostra como treinou. A Xiaomi mostrou enquanto treinava.
O que foi aberto (e por que isso não é comum)
O MiMo-V2.6 chegou em três versões, com personalidades bem distintas:
- MiMo-V2.6-Pro — o modelo principal, o mais capaz da empresa até hoje.
- MiMo-V2.6-Flash — irmão mais leve e barato, feito para uso em volume.
- MiMo-V2.6-Pro-UltraSpeed — uma variante de servidor que entrega até 20 vezes mais velocidade de geração, com a mesma qualidade declarada, para quem trabalha onde cada segundo conta.
Os três estão disponíveis no Hugging Face e no ModelScope, além da plataforma própria da Xiaomi, do MiMo Code, do MiMo Desktop e do agregador OpenRouter, com janela de contexto de 1,05 milhão de tokens. Para quem não tem cluster em casa, há versões quantizadas em MLX (para Macs com Apple Silicon) e GGUF (para rodar em CPU), e também uma destilação menor, o MiMo-V2.6-Distill-Qwen-9B, pensada justamente para quem só tem uma placa de vídeo.
O número que fez o mercado parar
A Artificial Analysis, um dos índices de inteligência mais usados para comparar modelos, colocou o MiMo-V2.6-Pro com 46,32 pontos. Na prática, isso significa duas coisas ao mesmo tempo:
- Ele passou o Kimi K3 (44) e o GLM-5.3 (45) e virou, no lançamento, o modelo aberto mais forte do mundo nesse ranking.
- Ele ainda fica atrás dos melhores modelos fechados — que, segundo o mesmo índice, chegam à casa dos 53 pontos.
Vale contextualizar os dois lados, porque a imprensa costuma escolher só o mais bonito. A mediana dos modelos abertos nesse índice é 18. O MiMo-V2.5-Pro, lançado cinco meses antes, marcava 26. Ou seja: em uma geração, a linha subiu 20 pontos — mais do que dobrou. E ainda assim o topo do ranking geral continua com os modelos fechados. É uma aproximação rápida, não uma ultrapassagem.
Um trilhão de parâmetros, mas só 42 bilhões trabalhando
O Pro é grande: 1,02 trilhão de parâmetros no total. Se ele usasse todos a cada palavra, seria caro e lento demais para qualquer coisa prática. O truque é a arquitetura MoE (mixture of experts, ou mistura de especialistas): o modelo tem 384 especialistas internos e, para cada pedacinho de texto, liga apenas oito deles. Na prática, só cerca de 42 bilhões de parâmetros ficam ativos por token.
É a diferença entre uma empresa com 384 departamentos e uma reunião com oito pessoas certas na sala. Você tem o conhecimento de todo mundo disponível, mas paga o custo de uma conversa pequena. É essa matemática que permite um modelo de escala de trilhão rodar com preço de modelo médio.
Quanto custa, de verdade
A Xiaomi manteve os preços da geração anterior. Em dólares por milhão de tokens:
| Modelo | Entrada (cache hit) | Entrada (cache miss) | Saída |
|---|---|---|---|
| MiMo-V2.6-Flash | US$ 0,0028 | US$ 0,14 | US$ 0,28 |
| MiMo-V2.6-Pro | US$ 0,0036 | US$ 0,435 | US$ 0,87 |
| MiMo-V2.6-Pro-UltraSpeed | US$ 0,036 | US$ 4,35 | US$ 8,70 |
A empresa alega que o Pro custa entre um vigésimo e um sexagésimo dos modelos de fronteira fechados, que aparecem na faixa de US$ 10 a US$ 50 por milhão de tokens. Quando o trabalho envolve agentes que releem o mesmo contexto centenas de vezes — e é aí que o tal "cache hit" entra —, a diferença aumenta ainda mais.
Mas atenção a uma armadilha de leitura que já virou clichê nos comparativos: preço por token não é preço por tarefa. Um modelo barato que erra e precisa de três tentativas pode sair mais caro do que um caro que acerta de primeira. A conta que importa é quantas voltas o agente deu até terminar.
Onde ele ganha e onde ele perde
Olhando benchmark por benchmark, o quadro fica mais honesto do que qualquer manchete:
| Teste | MiMo-V2.6-Pro | Claude Opus 5 | O que mede |
|---|---|---|---|
| AutomationBench | 53,1 | 50,3 | Automação de tarefas ponta a ponta |
| Terminal Bench 2.1 | 89,9 | 89,1 | Operar o terminal como um dev |
| Agents' Last Exam | 31,6 | 31,6 | Empate técnico em tarefas agênticas difíceis |
| Terminal Bench 4.0 | 34,9 | 49,0 | Versão muito mais difícil do mesmo teste |
| ExploitGym | 17,8 | 22,1 | Segurança ofensiva (achar vulnerabilidades) |
| OSWorld-Verified | 82,0 | 83,4 | Controlar o computador pela interface |
Traduzindo: em automação e uso de terminal, o modelo aberto da Xiaomi empata ou passa o Opus 5. Quando a tarefa fica muito difícil (Terminal Bench 4.0) ou exige caçar falhas de segurança, ele fica para trás — em ExploitGym, o placar é quase metade do concorrente fechado. Um modelo aberto igualando os fechados nas tarefas comuns, mas perdendo nas extremas, é exatamente o retrato de 2026.
Um modelo, quatro sentidos
Aquela palavra esquisita no anúncio — omnimodal — quer dizer algo bem simples: o mesmo modelo entende texto, imagem, vídeo e áudio, sem precisar de ferramentas separadas para cada coisa.
A arquitetura publicada no cartão do modelo mostra o trabalho interno: um codificador de visão de 681 milhões de parâmetros, um AudioTokenizer de 308 milhões e um codificador de áudio de 127 milhões de parâmetros capaz de distinguir fala. Tudo isso numa janela de 1 milhão de tokens — algo como uma hora de vídeo ou mais de dez horas de áudio na mesma conversa.
Por que isso importa na prática? Porque um agente que precisa operar um computador de verdade faz exatamente esse trajeto: lê a instrução, olha a captura de tela ou o vídeo, entende o áudio de uma ligação, raciocina e decide o próximo clique — dentro de um único laço de modelo. Sem "tradutores" entre as etapas.
Três milhões de dólares e menos de seis dias
O detalhe que mais chama atenção no relatório não é um benchmark, é a conta: segundo a cobertura especializada, a Xiaomi gastou cerca de US$ 3 milhões e menos de seis dias de treino para ganhar aqueles 20 pontos no índice. O foco não foi empilhar mais dados, e sim escalar aprendizado por reforço em tarefas verificáveis — o modelo tenta, é corrigido e tenta de novo.
Um laboratório fechado raramente publica esse número. Uma empresa de celulares publicou — e transmitiu o treino ao vivo, em dashboard aberto, com os passos e o custo aparecendo em tempo real. É o oposto do anúncio de lançamento tradicional: em vez de mostrar só o troféu, mostraram a academia.
O que isso muda para quem trabalha com IA no Brasil
Duas consequências merecem atenção por aqui.
A primeira é de custo. Um modelo que enxerga tela, ouve ligação e lê documento — com 1 milhão de tokens de contexto — a preço de modelo médio abre um leque que antes era só para quem tinha orçamento de gigante. Pense em uma clínica que precisa cruzar dez laudos digitalizados, áudios de atendimento e uma planilha herdada dos anos 2000. Ou numa loja que vive de responder cliente por WhatsApp e conferir sistema interno legado que só tem interface de tela — sem API. Esse é o terreno dos agentes de computador, e é justamente onde o MiMo-V2.6-Pro empatou com o Opus 5 em automação.
A segunda é de liberdade. Licença MIT com pesos disponíveis muda a conversa para quem constrói produto: não há royalty, não há a possibilidade de o fornecedor mudar o preço da noite para o dia, e o dado sensível pode ficar dentro de casa. Numa era em que todo mundo depende de API estrangeira, isso tem valor estratégico — e não é altruísmo da Xiaomi, é competição.
O recado que fica é mais sutil do que "a China venceu". A distância entre o melhor modelo aberto e o melhor fechado encolheu para poucos pontos, enquanto o preço do aberto segue a uma fração do outro. Do lado de quem usa, a pergunta deixa de ser "qual é o melhor modelo do mundo?" — e passa a ser "qual modelo resolve a minha tarefa pelo menor custo total, com a garantia de que eu não fico refém dele amanhã?".
E tem uma terceira pergunta, incômoda: se uma fabricante de celulares chega ao topo dos modelos abertos gastando US$ 3 milhões, o que ainda sustenta a ideia de que treinar IA é privilégio de cinco empresas no mundo? A resposta, ao que tudo indica, é menos sobre dinheiro e mais sobre método, dados e distribuição. O que é uma boa notícia para quem tem ideia e pouca conta bancária.