Offenheit mit Beigeschmack: Xiaomis günstiges KI-Spitzenmodell soll von Claude profitiert haben

Xiaomi hat die MiMo-V2.6-Reihe veröffentlicht. Das Spitzenmodell erreicht Bestwerte unter den frei verfügbaren Modellen, kostet pro Aufgabe aber nur einen Bruchteil der Konkurrenz. Möglich macht das massiv ausgeweitetes Training per Reinforcement Learning - allerdings steht der Konzern zugleich unter dem Verdacht, sich an Anthropics Claude bedient zu haben.

Laut Xiaomi erreicht das größere der beiden neuen Modelle, MiMo-V2.6-Pro, 46 Punkte im Intelligence Index der Analysefirma Artificial Analysis und ist damit das derzeit stärkste offen verfügbare KI-Modell, vor Konkurrenten wie Kimi K3 und Qwen. Der eigentliche Clou liegt aber im Preis: 0,435 US-Dollar pro Million eingegebener und 0,87 US-Dollar pro Million ausgegebener Token.

Eine Testaufgabe kostet damit nach Berechnung von Artificial Analysis nur rund 0,13 US-Dollar, ein Bruchteil dessen, was vergleichbar starke Modelle verlangen, und bringt das Modell auf die sogenannte Pareto-Grenze aus Intelligenz und Kosten.

Technisch ist Pro ein Mixture-of-Experts-Modell mit 1,02 Billionen Parametern, von denen pro Anfrage nur 42 Milliarden aktiv sind. Daneben steht das kleinere, effizientere MiMo-V2.6-Flash.

Der Sprung kommt aus dem Reinforcement Learning

Den Leistungssprung führt Xiaomi auf stark ausgeweitetes Reinforcement Learning (RL) zurück, also Training durch Versuch, Feedback und Belohnung. Der Konzern skalierte diese Phase entlang dreier Achsen: größere Datenmengen pro Trainingsschritt, vielfältigere Aufgaben-Umgebungen und mehr Rechenleistung für die Bewertung der Lösungen.

Der Lauf dauerte nach Angaben von Xiaomi weniger als sechs Tage und kostete rund 2,62 Millionen US-Dollar für Pro und 0,85 Millionen für Flash. Auf dem Programmier-Test DeepSWE kletterte die Punktzahl von Pro dabei von 58,4 auf 72,6, die von Flash von 48,8 auf 65,7.

Damit das Training bei dieser Größe stabil blieb, fror Xiaomi den internen Verteilungsmechanismus des Modells ein und baute mehrere Schutzschichten gegen "Reward Hacking" ein, also gegen Tricks, mit denen ein Modell Belohnungen erschleicht, ohne die Aufgabe wirklich zu lösen.

Rund 7.000 Aufgaben mit automatischen Prüfern

Neben den Modellen bringt Xiaomi eine besonders schnelle Variante namens Pro-UltraSpeed mit bis zu 20-facher Ausgabegeschwindigkeit. Ungewöhnlich ist vor allem, dass der Konzern seine RL-Werkzeuge offenlegt: den technischen Bericht, das komplette Trainingsframework, ein kleineres Modell zum Weitertrainieren sowie rund 7.000 fertige Trainingsaufgaben mit automatischen Prüfern für Softwareentwicklung, Cybersicherheit, Büroarbeit und Webdesign, dazu etwa 1.000 Aufgaben zur Musikkomposition.

Die Aufgaben stammen aus einem Mix: Der Code kommt teils aus echten GitHub-Pull-Requests von Mitarbeitern und Nutzeranfragen, teils erzeugt ein Sprachmodell die Aufgabenstellung selbst. Die Cyber-Aufgaben beruhen auf OSS-Fuzz, einer Sammlung zehntausender echter Software-Schwachstellen, während die Büro-Umgebungen synthetisch nachgebaut werden.

Betont offen, zugleich im Visier von Anthropic

Diese demonstrative Offenheit steht allerdings in einem auffälligen Kontrast zu Vorwürfen, die Anthropic nur zwei Wochen zuvor erhob. In seinem Threat-Intelligence-Report untersuchte Anthropic Missbrauchsfälle rund um Claude, die zwischen Dezember 2025 und August 2026 entdeckt wurden. Darin nennt das Unternehmen sieben chinesische Labore, die mit Kampagnen gegen Claude in Verbindung gebracht werden: Alibaba, Moonshot AI, DeepSeek, Zhipu, Xiaomi, MiniMax und SenseTime.

Insgesamt sollen die Labore rund 190 Millionen Austausche generiert haben, um Claudes Fähigkeiten für das Training eigener Modelle abzugreifen - eine Technik, die Anthropic als illegale Distillation bezeichnet.

Xiaomi taucht dabei konkret auf: Im Fall mit der Kennung GTG-16008 beobachtete Anthropic über 400.000 Austausche in 20 Tagen im März und April 2026, in denen Xiaomi Nutzergespräche und Coding-Sitzungen seiner eigenen MiMo-Modelle über OpenClaw und OpenCode an Claude weiterreichte, um Trainingsdaten für künftige Modelle anzureichern. Die Herkunft der früheren Trainings- und Lehrerdaten für die interne Distillation von Lehrermodellen dokumentiert der Bericht tatsächlich kaum.

Anders formuliert: Xiaomi soll laut Bericht Nutzergespräche mit seinen MiMo-Modellen aufgezeichnet und anschließend in Claude eingespeist haben, um daraus Trainingsdaten zu gewinnen, die nun den Sprung an die Spitze der offenen Modelle ermöglicht haben.