소프트웨어 엔지니어로 여러 프로젝트의 업무 대부분에 MiMo-V2.5를 쓰고 있는데, 비용 대비 성과가 정말 만족스러움. 모델 성능이 강력하고, 한두 번 환각을 반복하는 상황에 빠지기도 했지만 중단했다가 이어서 진행하면 해결됐음.
비용은 믿기 어려울 만큼 낮으면서도, 지적 능력은 작년 말부터 올해 초까지 주로 쓰던 Anthropic 모델과 동급으로 느껴짐. 지금은 MiMo에 완전히 정착해 만족하며 쓰고 있음.
다른 모델도 비슷하게 잘하는지 거의 매일 확인함. DS4F는 강력하고 DS41도 인상적이며 GLM 5.3 Flash도 일을 잘 처리하지만, 백만 토큰당 비용까지 계산하면 MiMo의 가성비가 한 자릿수 차원을 넘어설 정도로 뛰어남.

mimo v2.5는 한 가지 작업을 하는 Python 스크립트 같은 아주 기본적인 용도에는 괜찮지만, qwen 3.8-flash-next에 비하면 상당히 부족하게 느껴짐. 터미널과 코딩 특화 벤치마크도 이를 뒷받침하는 것으로 알고 있음. GLM5.2나 5.3과는 확실히 같은 급이 아니며, 빠르기는 해도 나중에야 발견되는 기본적인 실수를 저지름.

2.5 Pro인가요, 아니면 일반 2.5인가요? Mimo 모델은 늘 도구 호출과 지시 준수를 정말 잘한다고 느꼈음.

보조금이 많이 들어간 저렴한 구독제를 쓰는 대신 이쪽에 정착한 이유를 물어봐도 될까요? 진심으로 궁금함.

다른 중국 모델과 비교하면 속도는 어떤가요?

이런 개방성을 볼 수 있어 반가움. 투명성을 내세워 사용자를 확보하는 소규모 스타트업에서 이런 시도가 더 많이 나올 듯함.

꽤 멋진데, 다른 모델 제공업체들이 이렇게 하지 않을 만한 이유가 있을까요?

추측이지만 연구자들은 학습 시간·속도·처리 토큰 수 등을 통해 비공개 모델의 크기를 어느 정도 추산할 수 있을 것 같음.
또 Anthropic과 OpenAI는 서로 긴장하게 만들고 싶을 것임. 한쪽이 모델을 공개한 지 몇 시간 만에 다른 쪽이 더 나은 모델을 내놓았던 Opus 4.6 / GPT-5.3-Codex 같은 상황에서 뒤처지는 쪽이 되고 싶지는 않을 테니 말임.

2.6 Pro의 시작 시각이 2026-09-15 10:32 UTC로 표시됨. 막연히 학습에 훨씬 더 오래 걸릴 거라 생각했는데 진행률 표시를 보니 예상과 다름.
지금 mimo 2.5 pro를 쓰고 있으며 꽤 괜찮고, 가격까지 고려하면 훌륭함. 다음 모델은 멀티모달이면 좋겠음.

이건 사후 학습의 강화학습 단계임.

학습 데이터의 3분의 2가 소스 코드일 줄은 몰랐음.

이건 사전 학습이 아니라 강화학습 실행임.

구독제에 가입할 때 나오는 ‘모델 개선에 사용되는 데이터’가 저것임.

학습 중에 벤치마크를 돌리면 그게 바로 데이터 오염 아닌가요? 요즘 대형 연구소에서는 일반적인 일인지 몰라서 물어봄.

어느 정도는 맞음. 벤치마크가 검증 데이터셋의 일부가 되고, 이를 학습 중단 기준으로 삼으면 모델이 약간 과적합됨. 다만 학습 데이터에 직접 넣는 것보다는 훨씬 덜함.
아마 다들 일부 벤치마크를 중단 기준으로 사용할 것이고 합리적인 면도 있지만, 벤치마크 점수에 치우친 최적화를 유도하기도 함. 최신 모델들이 벤치마크에서 늘 근소하게 앞서는 이유도 일부는 여기에 있을 것임. https://en.wikipedia.org/wiki/Training,_validation,_and_test...

학습 도중 체크포인트를 평가하는 데 쓰는 것이고, 벤치마크 자체로 모델을 학습시키지는 않을 것임. 대규모 강화학습에서는 흔한 관행임.

성능 저하를 감지하기 위한 것임. 데이터셋은 완벽하지 않아서 한 배치에 나쁜 데이터가 너무 많이 섞이면 학습 실행 전체를 망칠 수 있음. 불량 데이터를 찾아 데이터셋 필터링을 개선할 기회이기도 함.

목표로 삼을 기준은 있어야 함. 아마 벤치마크는 학습 데이터에 포함되지 않고, 단계마다 모델이 올바른 방향으로 변하는지 확인하는 시험으로 쓰일 것임.

벤치마크를 대상으로 학습하지 않는다면 오염이 아님.

놀라운 공개 방식이지만, 안타깝게도 Anthropic이나 OpenAI는 절대 이렇게 하지 않을 것 같음. 중국 기업이 미국이나 EU 기업보다 더 개방적이라니, 세상이 어떻게 된 건가 싶음.

왜 이렇게 하는 걸까요? 지식 증류 의혹을 미리 차단하려는 걸까요?

하는 일에 자신이 있어서 작업 과정을 세상에 공개할 때도 있는 법임. 차고 문을 열어두거나, 적어도 반투명하게 만드는 셈이고 언제나 멋진 일임.

중국의 공식 정책이 이제 개방형 모델과 공개적인 모델 개발을 선호한다는 점도 한몫할 수 있음.

페이지 하단에 “Open is what we value.”, 즉 개방성을 중시한다고 적혀 있음.