Artificial Analysis "오픈웨이트 1위는 샤오미 MiMo-V2.6-Pro"

AI 모델 벤치마크 기관 Artificial Analysis가 샤오미의 새 오픈웨이트 모델 MiMo-V2.6-Pro를 자사 지능 지수에서 오픈웨이트 1위로 올렸습니다. 지수는 46점이고, 같은 46점인 Grok 4.7(xhigh)보다 과제 한 건에 드는 비용이 28분의 1입니다. 샤오미는 학습에 쓴 돈이 347만 달러라고 직접 공개했습니다.

딥슨 · 엔지니어의 시선으로 바라보는 AI 기술과 변화.

AI 모델 성능을 측정하는 Artificial Analysis가 샤오미의 새 모델 MiMo-V2.6-Pro를 자사 지능 지수에서 1위로 올렸습니다. 한국시간 9월 22일 새벽 5시 11분 공식 계정으로 알렸고, 모델 페이지에도 같은 등급 114개 가운데 1위로 표시됩니다. 지수는 46점. 직전 판인 MiMo-V2.5-Pro가 26점이었으니 한 세대 만에 스무 점이 올랐고, 비교 대상 모델의 중앙값은 18점입니다.

샤오미도 40분 뒤 공식 블로그를 열었습니다. Pro와 Flash 두 모델을 함께 내면서 가중치뿐 아니라 기술 보고서와 (reinforcement learning) 환경, 학습 코드까지 공개한다고 밝혔습니다. 출력이 최대 20배 빠른 UltraSpeed 판도 순차로 연다고 적었습니다. 두 모델 다 글·이미지·음성·영상을 한 모델에서 받는 옴니모달(omnimodal) 모델입니다.

눈에 띄는 것은 학습에 든 돈을 스스로 밝힌 대목입니다. 강화학습 30스텝을 진행하는 데 총 347만 달러, 학습에 쓴 표본은 150만 5천 건, 은 1,564억 개라고 그래프에 함께 적어 놨습니다. 모델을 만드는 데 얼마가 들었는지는 대개 밝히지 않는 숫자입니다.

샤오미 공식 블로그의 학습 곡선. 가로축은 강화학습 스텝 0에서 30까지이고 mimo-v2.6-pro 와 mimo-v2.6-flash 두 선이 함께 올라간다. 오른쪽에 총비용 347만 달러, 학습 표본 150만 5천 건, 학습 토큰 1,564억 개가 적혀 있다. — 샤오미가 공개한 자체 코딩 벤치마크 학습 곡선과 비용. 출처: 샤오미 MiMo 공식 블로그, 2026년 9월 22일 확인.

가격은 직전 판과 거의 같게 유지했습니다. 100만 토큰당 입력 0.435달러, 출력 0.87달러이고 하면 입력 가격이 99% 할인됩니다. 가 지수를 측정하며 실제로 쓴 비용은 과제 하나당 0.13달러.

지수 46점 자리에는 Grok 4.7(xhigh)과 Grok 4.7(high), GPT-6 Astra(low)도 함께 있습니다. 과제 한 건에 드는 비용은 각각 3.74달러와 2.73달러, 0.82달러입니다. 점수가 같은데 MiMo 쪽이 Grok 4.7(xhigh)의 28분의 1입니다. 그 위 47점 자리에는 앤트로픽 모델이 있습니다. 전체 1위는 아니고, 1위는 오픈웨이트 안에서의 이야기입니다.

다만 오픈웨이트로 한정하지 않고 전체를 놓고 봐도 46점보다 높은 점수를 받은 것은 다섯뿐입니다. 앤트로픽 Claude Fable 5.1과 Claude Opus 5, OpenAI GPT-6 Astra와 GPT-5.6 Sol, 메타 Muse Spark 1.3이고 다섯 모두 가중치를 공개하지 않는 모델입니다. 그중 과제 한 건에 드는 비용이 가장 싼 Muse Spark 1.3(max)이 1.6달러로, MiMo의 12배입니다.

샤오미는 여기에 더해 "대부분의 벤치마크에서 Claude Opus 5, GPT-5.6 Sol과 대등하다"고 했는데, 이건 회사가 자기 기준으로 고른 벤치마크에서 낸 주장이라 그대로 받기는 이릅니다.

구조는 전체 1T(1조 개) 파라미터 중 토큰 하나를 만들 때 42B(420억 개)만 쓰는 입니다. (context window)는 100만 토큰. 글과 이미지·음성·영상을 받아 글로 답합니다. 가중치는 Hugging Face에 MIT 라이선스로 올라와 있고, 저장소 이름은 XiaomiMiMo/MiMo-V2.6-Pro-RL입니다. 더 작은 MiMo-V2.6-Flash-RL과 MiMo-V2.6-Distill-Qwen-9B도 같은 계정에 있습니다. 이름 끝의 9B가 파라미터 90억 개라는 뜻입니다.

순위 근거는 직접 확인했습니다. Artificial Analysis 리더보드를 열어 46점 구간에 어떤 모델이 같이 있는지 세어 봤고, Hugging Face API로 저장소 세 개의 이름과 라이선스, 올라온 시각을 확인했습니다. 다만 이 지수는 한 기관이 자기 방식으로 정한 값이라 우리 작업에 맞는지는 각자 써 보고 판단할 몫이고, 파라미터가 1T라 개인 장비 한 대에 올리기는 어렵습니다.