샤오미 Mimo 2.6, 학습 로그를 공개하다

실시간 학습 로그가 모델 발표가 됐다

Xiaomi Mimo 2.6 live dashboard는 완성된 모델 카드가 아니라 훈련 중인 reinforcement learning 로그를 보여준다. 페이지 설명에 따르면 mimo-v2.6-pro와 mimo-v2.6-flash의 post-training metrics를 trainer logs에서 실시간으로 노출한다. 현재 공개 API 기준으로 pro는 11번째 step 이후 dynsam/avg@n 0.614156, flash는 16번째 step 이후 0.602504를 기록하고 있으며, 누적 토큰은 각각 약 22.75B, 37.81B로 표시된다. 비용 추정도 pro 약 75만 달러, flash 약 32.6만 달러 수준으로 보인다.

벤치마크 섹션에는 DeepSWE v1.1 계열 점수가 공개되어 있다. flash는 여러 step에서 50점대 후반에서 60.77까지, pro는 62.24까지 기록되어 있다. 이 숫자 자체보다 중요한 것은 학습 과정의 노이즈, 재시작, 비용, step별 개선을 외부에서 볼 수 있다는 점이다. OpenAI Agents API, 에이전트 운영을 API로 묶다, Meta Muse, 개인 AI 에이전트가 플랫폼 전쟁이 됐다, LLM Attention 시각화, 설명 가능한 AI의 교육판와 함께 보면, 모델 경쟁은 점점 관측 가능한 운영 경쟁이 된다.

왜 대시보드가 전략인가

AI 모델 발표는 보통 최종 점수표로 끝난다. 하지만 RL post-training은 중간 과정이 곧 품질의 단서다. reward가 흔들리는지, restart가 잦은지, token budget이 어떻게 늘어나는지, benchmark가 어느 step에서 꺾이는지를 보면 모델의 안정성과 경제성을 더 잘 판단할 수 있다.

샤오미가 이 과정을 공개한 것은 중국 오픈 모델 경쟁의 문법이 바뀌고 있음을 시사한다. Qwen, DeepSeek, SWE-bench, Hugging Face Open LLM Leaderboard처럼 모델과 평가가 공개 생태계에서 움직이는 상황에서, "우리가 훈련하고 있다"는 증거 자체가 신뢰 자산이 된다.

한국 팀이 배울 수 있는 운영 방식

한국의 AI 팀은 종종 모델 결과를 최종 리포트로만 공유한다. 하지만 기업 내부에서는 학습 대시보드가 훨씬 유용하다. 예산 담당자는 cost per step을 보고, 엔지니어는 restart 원인을 보고, 제품팀은 benchmark 상승이 실제 사용성으로 이어지는지 본다. Mimo 2.6 대시보드는 외부 홍보물이면서 동시에 내부 운영 도구처럼 보인다.

특히 에이전트 모델에서는 이런 방식이 더 중요하다. 코딩, 브라우징, 업무 자동화 모델은 reward가 단순하지 않고, 테스트가 쉽게 오염된다. 타오의 경고, 좋은 수학 문제도 비재생 자원이다가 말한 평가 데이터의 희소성 문제도 여기에 연결된다. 점수만 공개하면 과적합 의심을 피하기 어렵다. 학습 곡선과 운영 조건을 같이 공개하면 적어도 논의할 재료가 생긴다.

투명성은 경쟁력인 동시에 부담이다

물론 공개 대시보드가 모든 것을 해결하지는 않는다. 어떤 데이터로 학습했는지, reward model이 무엇인지, benchmark 실행이 얼마나 독립적인지는 별개다. 실시간 숫자는 신뢰를 주지만, 잘못 읽히면 마케팅 숫자로 소비된다. 또한 비용과 실패를 공개하는 문화는 조직에 부담을 준다.

그래도 방향은 흥미롭다. 모델 회사가 "완성품"만 내놓는 시대에서 "훈련 과정"까지 보여주는 시대로 조금씩 움직인다. 사용자는 모델의 최고 점수뿐 아니라 학습 중 어디에서 좋아지고 어디에서 흔들렸는지를 보게 된다. Mimo 2.6 대시보드는 그 변화의 작은, 그러나 꽤 선명한 장면이다.

자주 묻는 질문

Q1: Mimo 2.6은 완성 모델인가요?

A: 대시보드는 post-training RL run의 실시간 로그를 보여주는 성격입니다. 최종 릴리스와는 구분해야 합니다.

Q2: 공개 점수만으로 모델 품질을 판단할 수 있나요?

A: 어렵습니다. 점수는 참고 자료이고, 실제 사용성, 데이터, 평가 독립성을 함께 봐야 합니다.

Q3: 왜 비용이 중요한가요?

A: 에이전트 모델은 성능뿐 아니라 post-training 비용이 제품 가격과 업데이트 주기를 결정합니다.

Q4: flash와 pro 차이는 무엇인가요?

A: 공개 대시보드상 서로 다른 run으로 보이며, 비용과 step 진행이 다릅니다. 정확한 모델 사양은 별도 발표를 확인해야 합니다.

Q5: 기업 내부에서도 이런 대시보드가 필요할까요?

A: 필요합니다. 학습 진행, 비용, 재시작, benchmark 변화를 한 화면에서 보는 것은 모델 거버넌스의 기본 도구가 됩니다.