Xiaomi только что опубликовала то, что лаборатории обычно стараются скрыть: настоящий счёт за RL.

MiMo-V2.6 Pro и Flash обучались на 753 тыс. примерах и остановились на шаге 30.
> Pro обошлась в 2,62 миллиона долларов.
> Flash обошлась в 854 тыс. долларов.
Дополнительные расходы в 3,1 раза принесли 6,89 балла на DeepSWE.
А затем Flash всё же немного обошла Pro на AutomationBench.
Теперь повсюду проявляется одна и та же продуктовая структура: одна модель — для абсолютно сложных задач, а другая — чуть ниже по уровню, но достаточно дешёвая для работы в течение всего дня.
ZAI, Deepseek, Qwen и Xiaomi теперь объединяет именно это.
Как только меньшая модель проходит порог надёжности для большинства задач, большая начинает выглядеть скорее как модель, которую подключают выборочно, а не используют по умолчанию для всего.
В итоге именно так, вероятно, и будет выглядеть настоящий стек моделей: дешёвый интеллект в основе, а дорогой интеллект подключается только тогда, когда задача действительно того стоит.