Xiaomi MiMo-V2.6 Pro führt Open-Weight-Benchmarks mit klassischer Architektur
ToolsDeepSeek
CompaniesDeepSeek
Warum es zählt
DeepSWE pass@1 stieg von ~50% auf 66% durch mehr Agent-Tasks, agentenbasierte Reward-Signale und massive RL-Batches (25.088 Trajektorien, 2,7–3,7 Mrd. Trainings-Tokens pro Update). Das zeigt: Post-Training-Rezepte und Datenqualität dominieren weiterhin den Fortschritt – nicht Architekturinnovationen.
— Lumeric Redaktion
DeepSWE pass@1 (held-out harnesses) · Spitzenwert
50%
MiMo-V2.6 Pro (vorher)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Xiaomi MiMo-V2.6 Pro führt Open-Weight-Benchmarks mit klassischer Architektur
ToolsDeepSeek
CompaniesDeepSeek
Warum es zählt
DeepSWE pass@1 stieg von ~50% auf 66% durch mehr Agent-Tasks, agentenbasierte Reward-Signale und massive RL-Batches (25.088 Trajektorien, 2,7–3,7 Mrd. Trainings-Tokens pro Update). Das zeigt: Post-Training-Rezepte und Datenqualität dominieren weiterhin den Fortschritt – nicht Architekturinnovationen.
— Lumeric Redaktion
DeepSWE pass@1 (held-out harnesses) · Spitzenwert
50%
MiMo-V2.6 Pro (vorher)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.