Xiaomi acaba de publicar algo que los laboratorios suelen mantener oculto: la factura real del RL.

MiMo-V2.6 Pro y Flash se entrenaron con 753 mil muestras y se detuvieron en el paso 30.
> Pro costó 2,62 millones de dólares.
> Flash costó 854 mil dólares.
Ese gasto adicional 3,1 veces mayor compró 6,89 puntos en DeepSWE.
Después, Flash aún superó por poco a Pro en AutomationBench.
Ya se puede ver el mismo patrón de producto apareciendo en todas partes: un modelo para las tareas absolutamente difíciles y otro justo por debajo que es lo bastante barato como para ejecutarlo todo el día.
ZAI, Deepseek, Qwen y Xiaomi ahora tienen esto en común.
Una vez que el modelo más pequeño supera el umbral de fiabilidad para la mayoría del trabajo, el modelo más grande empieza a parecer algo que se selecciona de forma puntual en lugar de ser la opción predeterminada para todo.
Probablemente esa termine siendo la verdadera pila de modelos: inteligencia barata por debajo e inteligencia cara incorporada solo cuando la tarea realmente lo merece.