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

La concurrence entre grands modèles ouverts chinois s'est accélérée ces six derniers mois. Le 22 septembre, Xiaomi a mis fin à un « live de distillation » de six jours, durant lequel l'entraînement par renforcement tournait en direct. La facture finale s'élève à 3,5 millions de dollars, soit environ 23,44 millions de yuans.

Les résultats ont été publiés simultanément. MiMo-V2.6-Pro compte 1,02 billion de paramètres, dont 42 milliards actifs. Il obtient 46 points sur l'Artificial Analysis Intelligence Index, se plaçant en tête des modèles ouverts. Luo Fuli, responsable de MiMo, indique qu'il s'agit de l'un des plus grands entraînements uniques par renforcement réalisés par une équipe de modèles ouverts. Elle précise que les innovations de recherche et les défis d'ingénierie dépassent ceux du DeepSeek-R1, projet auquel elle a participé.

La généralisation hors échantillon retient particulièrement l'attention. Sur DeepSWE v1.1, qui évalue les Coding Agents, la version Pro passe de 58,4 à 72,57 points, tandis que Flash progresse de 48,7 à 65,68 points. Après seulement 30 steps, le modèle continue de s'améliorer et transfère ses capacités à des tâches d'ingénierie logicielle inédites.

Les prix n'ont pas suivi la hausse des capacités. MiMo-V2.6 conserve la tarification API de la génération précédente : environ 3 yuans pour l'entrée et 6 yuans pour la sortie par million de tokens pour Pro, contre 1 et 2 yuans pour Flash. Selon les calculs d'Artificial Analysis, MiMo-V2.6-Pro coûte en moyenne 0,13 dollar par tâche. Le modèle fermé Grok 4.7, publié à la même période, obtient également 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. 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 et un mini-harness librement composable. L'entreprise a aussi mis à disposition un modèle distillé basé sur Qwen3.5-9B, affiné par supervision avec des données générées par MiMo. Un ancien chercheur de Hugging Face souligne la rapidité : moins d'une semaine après le lancement de l'entraînement RL final, le modèle et le cadre d'entraînement étaient livrés.

DeepSeek a 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 par l'environnement et l'écosystème, les modèles chinois gagnent en visibilité dans la communauté open source.