MiMo-V2.6-Flash: de 309B open checkpoint die Xiaomi nu per token verkoopt

MiMo-V2.6-Flash is het efficiëntie-checkpoint van Xiaomi's release van september 2026: een sparse mixture-of-experts-model met 309 miljard parameters in totaal en 15 miljard actief per token, een context van 1M tokens, en MIT-gelicentieerde gewichten op Hugging Face. Het staat onder MiMo-V2.6-Pro, het vlaggenschip met 1,02 biljoen parameters, binnen dezelfde MiMo-V2.6-serie — en de twee zijn afzonderlijke trainingsruns, niet één model in twee formaten. Wat er sinds de eerste berichtgeving over deze release is veranderd, is niet het model. Het is alles eromheen. Xiaomi's eigen platform publiceert nu een prijs per token tegen de exacte identifier mimo-v2.6-flash, een gepubliceerde maximale uitvoerlengte, een rate-limit-quotum, en een deprecatiedatum die V2.5-verkeer naar dit endpoint zal routeren, of je nu migreert of niet. Dit is de vaste referentie voor het model zelf: drie gepubliceerde checkpoints delen zijn naam, precies één daarvan is degene die lezers bedoelen, en twee cijfers die je ervoor hebt gezien, zijn nu achterhaald.

Wat MiMo-V2.6-Flash is — en de twee namen die het niet is

Begin met het onderscheid dat een lezer goed moet begrijpen, want de zoekers die op deze pagina belanden, splitsen zich hierover. MiMo-V2.6 is een serie, geen model. In de release-opmerking van Xiaomi staat dat de serie "twee native volledig multimodale modellen omvat, namelijk Pro en Flash", dus de kale serienaam verwijst naar twee gepubliceerde checkpoints met afzonderlijke trainingsruns, afzonderlijke benchmarktabellen en afzonderlijke geheugenvoetafdrukken. Flash is de kleinere, goedkopere, op efficiëntie gebalanceerde; Pro is het vlaggenschip. Geen van beide is een gekwantiseerde editie van de andere, en er zit geen derde "gewone V2.6" tussen.

De tweede naam die je uit elkaar moet houden, is ouder en het kost meer om die te verwarren. MiMo-V2-Flashkwam in december 2025 uit en lijkt op papier op hetzelfde model: een sparse mixture of experts met 309B totale en 15B actieve parameters, hybride attention die sliding-window- en globale blokken afwisselt, en hetzelfde sliding window van 128 tokens. Er zitten negen maanden tussen, en bijna al het andere verschilt ook. Het checkpoint uit 2025 claimt een context van 256K; deze claimt 1M. Het zijn verschillende downloads, verschillende servingrecepten en verschillende capaciteitsprofielen, en een zoekopdracht naar "MiMo V2.6 Flash" zal je nog steeds met alle plezier de pagina's uit 2025 voorschotelen.

Wat Xiaomi niet publiceert, is een tweede gewichtenrepository onder de kale naam. Bij het opvragen van XiaomiMiMo/MiMo-V2.6-Flash vanaf de Hub krijg je een autorisatiefout omdat een dergelijke repository niet bestaat; het canonieke artefact is XiaomiMiMo/MiMo-V2.6-Flash-RL. Hieronder meer over wat dat achtervoegsel betekent, want het is het meest verkeerd begrepen onderdeel van de naamgeving van dit model.

Wie publiceert het, onder welke licentie, en onder wiens endpoint?

Het MiMo-team van Xiaomi publiceert het, op zijn eigen Hugging Face-organisatie, en de licentie is MIT — vandaag geverifieerd aan de hand van de metadata van de repository, met daarin license:mit en geen gating. Dat is de permissieve licentie zonder een omzetdrempel, een onderzoeksclausule of een acceptable-use-gate, dus commerciële inzet, wijziging en redistributie zijn allemaal toegestaan zonder overleg met Xiaomi. De modelkaart vermeldt Engels en Chinees als de talen.

Dezelfde organisatie publiceert drie artefacten op deze stam, en het onderscheid is van belang voor iedereen die een uitrol plant:

• MiMo-V2.6-Flash-RL — de canonieke vrijgegeven checkpoint, aangemaakt op 21 september 2026, 90 bestanden. Dit is degene die de API aanbiedt en degene waarnaar elke benchmark op deze pagina verwijst.

• MiMo-V2.6-Flash-MOPD — gepubliceerd op 27 september 2026, en in de eigen kaart omschreven als "de MOPD-upgrade van de MiMo-V2.6-Flash-RL-checkpoint" in plaats van een ander model. Het is de output van een tweede post-trainingsfase die verschillende domeingespecialiseerde teachers samenvoegt tot één model. Als je de RL-checkpoint al hebt opgehaald, is dit een nieuwer artefact binnen dezelfde afstammingslijn, geen afzonderlijk zustermodel.

• MiMo-V2.6-Distill-Qwen-9B — een model van 9,4B met MIT-licentie dat dezelfde dag is gepubliceerd, en dat de release-opmerking noemt als het startpunt voor de open-source RL-trainingrun, in plaats van als een productcheckpoint.

Xiaomi verkoopt het model ook rechtstreeks, wat het deel van dit beeld is dat in oktober veranderde. De gehoste identifier is in kleine letters en zonder suffix — mimo-v2.6-flash — en hij verschijnt in de eigen /v1/models-lijst van het platform, naast mimo-v2.6-pro, mimo-v2.6-pro-ultraspeed en de V2.5-generatie.

De architectuur, gelezen uit de config in plaats van uit de samenvatting

De samenvattingsregel van de modelkaart is waar de meeste secundaire berichtgeving stopt, en het is niet waar de nuttige cijfers staan. Uit Xiaomi's eigen architectuurtabellen en de repository-config.json, beide vandaag gelezen:

• Backbone — 48 lagen, opgesplitst in 39 sliding-window-lagen en 9 lagen met globale aandacht, verborgen grootte 4096, 256 routed experts waarvan 8 per token worden geactiveerd, een sliding window van 128 tokens, en geen gedeelde experts. Het eerste blok is globale aandacht met een dense feed-forwardnetwerk; alles daarna wisselt elkaar af.

• Attention heads — 64 query-heads in beide blokken, 8 key/value-heads op de sliding-window-blokken tegenover 4 op de globale. Dit is de vorm die de 1M-context betaalbaar maakt: het hybride patroon is wat voorkomt dat de KV-cache meeschaalt met de volledige sequentie.

• Encoders — een MiMo ViT met 681M parameters (28 lagen, 24 sliding-window plus 4 volledige lagen), een audiotokenizer van 308M met 24 lagen en 20 codeboeken voor residuele vectorquantisatie, en een audiopatch-encoder van 127M die vier frames tot één vouwt.

• Speculatief decoderen — een 5-laagse multi-tokenvoorspellingsdrafter met een schuivend venster in DFlash-stijl, met een venster van 1024 tokens, beschreven als het voorspellen van 7 daaropvolgende tokens per voorwaartse pass.

Gewichten op schijf — de bestandslijst van de repository op de Hub telt vandaag ongeveer 178 GB verdeeld over 90 bestanden, waarbij de shards in FP8 (e4m3) zijn met een dynamisch activatieschema. Dat is het getal dat je in VRAM betaalt, en het maakt niet uit hoe de parameters worden geteld.

Hier komen twee telvragen naar voren, en ze hebben nu andere antwoorden dan in september. De eerste: de safetensors-metadata van de Hub voor de repository rapporteert een totaal van 310.756.322.688 parameters — ongeveer 310,8B, wat precies naast het totaal van 309B op de kaart ligt. Eerdere artikelen, waaronder het onze, hanteerden een cijfer van 159B dat van hetzelfde repositorypaneel was afgelezen. Dat aantal is verschoven, en het huidige is het aantal dat je moet gebruiken. De tweede vraag is niet opgelost: de kaart beschrijft een vijf-laags drafter die zeven tokens voorspelt, terwijl config.json in dezelfde repository num_nextn_predict_layers op 3 zet. Die twee kunnen niet hetzelfde artefact beschrijven, en de config is wat de runtime leest. Stem het geheugen voor de drafter af op de config en verifieer na het laden.

De configuratie bevestigt wel één hoofdclaim helder, en het is de moeite waard dat te zeggen, omdat de meeste andere een voorbehoud nodig hebben: max_position_embeddings is ingesteld op 1.048.576, wat precies de context van 1M tokens is die op de kaart wordt geadverteerd.

Context, outputplafond en een modaliteitsclaim die off-vendor beperkt

Context is het makkelijke deel. Xiaomi adverteert met 1M tokens, de configuratie ondersteunt dit, en de modelsamenvatting van het platform herhaalt het. Maximale output is het cijfer dat de meeste referentiepagina's nog steeds verkeerd weergeven door het weg te laten, en het is gepubliceerd: de modelpagina van het platform geeft een maximale output van 128K tokens tegenover de 1M context, voor zowel mimo-v2.6-flash en mimo-v2.6-pro. Er is één gedragsvalk aan verbonden. Diep nadenken is standaard ingeschakeld, en max_completion_tokens begrenst denk-inhoud en het definitieve antwoord samen — dus een lange redeneerronde vreet hetzelfde budget op als het antwoord, en de eigen richtlijn van de leverancier is om deze ruim in te stellen. In denkmodus worden aangepaste temperature en top_p genegeerd: wat je ook stuurt, de effectieve waarden worden geforceerd op 1.0 en 0.95.

Modaliteiten zijn het punt waarop het materiaal van de leverancier en onafhankelijke meting uiteengaan, en het loont beide te vermelden zonder een winnaar aan te wijzen. Xiaomi's modelkaart en platform beweren beide een native omnimodaal invoeroppervlak voor de serie — tekst, afbeelding, video en audio die in één model terechtkomen in plaats van in drie aan elkaar geschroefde pipelines. Onafhankelijke meting valt beperkter uit. Op de Artificial Analysis-modelpagina voor MiMo-V2.6-Flash vermelden de technische specificaties de invoermodaliteit als "tekst en afbeelding" en de uitvoer als "tekst", terwijl de pagina voor MiMo-V2.6-Pro op dezelfde site "tekst, afbeelding, spraak en video" als invoer vermeldt. Dezelfde familie, dezelfde leveranciersdocumentatie, en slechts één van de twee checkpoints heeft een onafhankelijk vastgelegd audio- en video-oppervlak. Niets wat is gepubliceerd verklaart het verschil, en wij kunnen het niet van buitenaf beslechten. Beschouw de audio- en video-invoer als een claim van de leverancier voor Flash totdat iets anders het bevestigt.

Wat Xiaomi rapporteert, en het ene getal dat een derde partij heeft gemeten

Elk benchmarkcijfer dat Xiaomi voor dit model publiceert, komt uit Xiaomi's eigen harnessruns en is niet onafhankelijk op die harnesses gereproduceerd. Dat is geen beschuldiging, het is de stand van het bewijs, en het loont de moeite om daaraan vast te houden, omdat de eigen uitingen van de leverancier op een manier met elkaar in tegenspraak zijn die gemakkelijk te missen is.

• Code-agent — DeepSWE v1.1: Flash 67,9, Pro 71,9, tegenover Claude Opus 5 met 74,0 en GPT-5.6 Sol met 73,0 op Xiaomi's runs. Terminal Bench 2.1: Flash 87,6. Terminal Bench 4.0: Flash 28,8. ProgramBench 26,0.

• Algemene agent — AutomationBench v1.0.6: Flash 52.3, hoger dan zowel GPT-5.6 Sol (45.8) als Claude Opus 5 (50.3) in dezelfde leveranciersrun. Toolathlon-Verified 73.6, OSWorld-Verified 80.8, Agents' Last Exam 27.6.

• Cybersecurity — de kolom waarin het kleinere model wint. CyberGym: Flash 95,1 tegen de 94,0 van Pro. Dan zakt de bodem eruit: ExploitGym 6,0, ExploitBench 25,3, SEC Bench Pro 47,5.

• Visuele agent — MiMo VisualCoding: Flash 71.5, Pro 72.3.

Het meningsverschil zit in de DeepSWE v1.1-kolom, en het strekt zich uit over drie Xiaomi-oppervlakken. De release-opmerking op Xiaomi's platform zegt dat Flash met "ongeveer 17 punten (van 48.8 naar 65.7)" verbeterde gedurende de RL-run. De modelkaart vermeldt 67.9 voor de vrijgegeven gewichten. Het gestreamde RL-dashboard dat tot en met september liep, publiceerde 65.68 onder een mini-swe-agent-harness bij een gemiddelde van drie, op een trainingssnapshot. Drie leverancierscijfers voor één benchmark op één model, en niemand buiten Xiaomi kan momenteel zeggen welk cijfer het artefact beschrijft dat je downloadt. Als je sinds september 65.68 hebt geciteerd, beschreef het toen een trainingssnapshot en het is nu een verouderd cijfer voor het vrijgegeven checkpoint.

Tegenover dit alles staat precies één onafhankelijke meting, en die is niet flatterend op de manier waarop een leverancierstabel dat is. Artificial Analysis geeft MiMo-V2.6-Flash een score van 38 op zijn Intelligence Index v4.3.2 — de achtste van de 117 modellen in de klasse — met 49,2 outputtokens per seconde, een generatie van 240M tokens voor de index-run die de site als "very verbose" bestempelt tegenover een mediaan van 140M, en een kostprijs van $0,06 per Intelligence Index-taak. De samenvattende zin ervan is dat het model "tot de leidende modellen qua intelligentie behoort en redelijk geprijsd is", maar "langzamer dan gemiddeld en zeer verbose". Ter vergelijking: dezelfde site geeft MiMo-V2.6-Pro een score van 46 en rangschikt het als eerste van de 117 — het getal dat Xiaomi zelf noemt in zijn eigen release-opmerking, voor Pro en niet voor Flash.

Wat het kost, en het cijfer dat bewoog

Dit is het deel van het beeld dat veranderde na de berichtgeving over de lancering, dus het moet ronduit gezegd worden: de eerdere lezing dat Xiaomi voor deze generatie geen tarief per token had gepubliceerd is achterhaald. De pagina voor betalen naar gebruik van de leverancier bevat een volledige tariefkaart met een updatestempel van 8 oktober 2026, en het betreffende model heeft er een eigen rij op.

• Overzee, per miljoen tokens — mimo-v2.6-flash voor $0,0028 bij een cachehit, $0,14 bij een cachemiss en $0,28 voor output. mimo-v2.6-pro voor $0,0036 / $0,435 / $0,87, en mimo-v2.6-pro-ultraspeed voor $0,036 / $4,35 / $8,70.

• Prijsstelling voor het vasteland, per miljoen tokens — flash ¥0,02 / ¥1,00 / ¥2,00, pro ¥0,025 / ¥3,00 / ¥6,00, ultraspeed ¥0,25 / ¥30,00 / ¥60,00. Het platform factureert in RMB voor China en in dollars in het buitenland.

• Batch API — precies de helft van het realtime tarief: flash $0.0014 / $0.07 / $0.14, pro $0.0018 / $0.2175 / $0.435, waarbij de batch-basis-URL losstaat van de realtime-URL. Xiaomi stelt dat batch niet wordt ondersteund voor mimo-v2.6-pro-ultraspeed of de V2.5-identificaties.

• Cache-writes — tijdelijk gratis, zoals vandaag op de tariefkaart staat vermeld. Cachehits zijn waar de economische verhoudingen verschuiven: bij $0,0028 tegenover $0,14 is een hit 2% van een miss, en Artificial Analysis registreert een cachekorting van 98% en hetzelfde $0,14/$0,28-paar uit zijn eigen provider-metingen.

• Webzoekopdracht — apart gefactureerd van tokens tegen $5 per 1.000 aanroepen in het buitenland en ¥16 per 1.000 in China, waarbij de opgehaalde pagina-inhoud vervolgens als gewone invoertokens wordt gefactureerd. Een enkele zoekronde kan meerdere trefwoorden gelijktijdig afvuren, dus de leverancier biedt een max_keyword-limiet om de kosten te begrenzen.

• Abonnementen — Xiaomi verkoopt ook Token Plan-niveaus met een maandelijkse prijs en tegoedtoewijzingen, plus "V2.6 Flagship Model Access", een apart credentialformaat ten opzichte van de pay-as-you-go-sleutel, en een nachtelijke tegoedvermenigvuldiger tussen 00:00 en 08:00 UTC+8. Abonnementen en pay-as-you-go-saldo's zijn uitdrukkelijk niet onderling inwisselbaar.

Hoe noem je het

Er zijn drie routes, en ze vereisen verschillende inloggegevens.

• Hosted API — the base URL is https://api.xiaomimimo.com/v1 for the OpenAI-compatible surface and https://api.xiaomimimo.com/anthropic for the Anthropic-compatible one. Authentication accepts either an api-key: $MIMO_API_KEY header or a Bearer token, and the model string is the lowercase mimo-v2.6-flash. Xiaomi's own note is blunt about the casing: use the all-lowercase names.

• Snelheidslimieten — een gepubliceerd maximum van 100 verzoeken per minuut en 10M tokens per minuut voor mimo-v2.6-flash, geteld per account over alle API-sleutels in plaats van per sleutel. De ultraspeed-identifier is de uitzondering: die wordt verkocht als een dienst op maat in plaats van een dienst met verbruiksmeting.

• Zelf hosten — de kaart wordt geleverd met een SGLang-recept op tensor-parallel 8, data-parallel 2, met DP-attentie, het meerlaagse EAGLE-speculatieve pad ingeschakeld (--speculative-num-steps 3, --speculative-eagle-topk 1, --speculative-num-draft-tokens 4), een statische geheugenfractie van 0,65 en 16384 chunked prefill, plus een vLLM-recept op tensor-parallel 4. Beide hebben --reasoning-parser mimo --tool-call-parser mimo nodig om denkuitvoer en tool-calls correct te parsen. De parallelle breedtes in deze recepten zijn gewijzigd sinds de eerste beschrijvingen van deze release; gebruik wat de kaart vandaag zegt. Aanbevolen sampling is temperature 1.0, top_p 0.95.

Eén gedateerd item hoort in elke referentie voor dit model, omdat het verandert wat een bestaande integratie op zichzelf doet. Xiaomi's migratiemelding stelt dat vanaf 14 oktober 2026 om 18:00 UTC+8, verzoeken aan mimo-v2.5-pro en mimo-v2.5 automatisch worden doorgestuurd naar de V2.6-serie, en dat vanaf 21 oktober 2026 om 10:00 UTC+8 de oude model-identificaties niet meer werken. Verkeer dat aan een V2.5-identificatie is vastgemaakt, wordt daarom al omgeleid zonder codewijziging — de moeite waard om te controleren, want dezelfde melding zegt dat verzoeken naar die twee ID's respectievelijk naar Pro en Flash worden gestuurd, wat geen gelijkwaardige vervanging qua kosten is.

Als de reden dat je dit leest is dat je een aanroepbaar frontiermodel nodig hebt in plaats van een download, dan is de eerlijke formulering dat MiMo-V2.6-Flash hier niet een van is. Wij routeren geen enkel Xiaomi-model, en Xiaomi's eigen kaart wijst voor beschikbaarheid naar zijn first-party oppervlakken — de Open Platform API, zijn studio-app, zijn codingtool en zijn desktopclient. De modellen waartegen Xiaomi in zijn eigen tabellen benchmarkt, zijn echter wel aanroepbaar, en verschillende daarvan staan op OrcaRouter op één API-sleutel tegen de lijstprijs van de provider, met 0% markup doorberekend, dus een prijswijziging van een leverancier komt dezelfde dag op je factuur terecht in plaats van bij een verlenging. Dat is hier meer dan gebruikelijk van belang, op een pagina als deze, waar een tariefkaart halverwege werd gepubliceerd en de totalen verschuiven.

De "-rl" in de repositorynaam, en andere artefacten op dezelfde stam

Lezers zoeken naar dit model als mimo-v2.6-flash-rl even vaak als zonder het achtervoegsel, dus het loont de moeite om precies te zijn. De leverancier noemt geen "RL-variant" als een afzonderlijk model. Het achtervoegsel maakt deel uit van de eigen naam van het canonieke artefact: XiaomiMiMo/MiMo-V2.6-Flash-RL is de vrijgegeven checkpoint, en -RL duidt de post-training-lijn aan — de output van de gemengde reinforcement-learning-run die Xiaomi tot en met september streamde, niet een reinforcement-learning-adapter bovenop een ander basismodel. Het ondersteunende bewijs is structureel eerder dan retorisch: de repository levert tienduizenden tensors mee die de hele backbone, de vision-encoder, de audiostack en de speculative drafter bestrijken, en de bestandslijst is ~178 GB. Een adapter is megabytes. En let op hoe de API van de leverancier het noemt — mimo-v2.6-flash, helemaal geen achtervoegsel. Dus de "-rl" is een conventie van de gewichtenrepository, en in een gehost verzoek zal het eenvoudigweg niet resolven.

De andere drie suffixen op deze stam zijn gewoon en de moeite waard om te weten: -MOPD is de verdere post-training-upgrade die zes dagen later werd gepubliceerd, -Pro is het vlaggenschip in plaats van een grotere Flash, en -ultraspeed is een snelheidsmodus die als aangepaste dienst wordt verkocht. De 9B-distill en de RL-taakomgevingen bevinden zich op volledig verschillende repositories. Geen van hen is een kwantisatie van Flash, wat de aanname is die de suffixen oproepen.

Drie vragen waarmee lezers aankomen

Is dit hetzelfde model als MiMo-V2-Flash? Nee, en de verwarring is eerder kostbaar dan cosmetisch. Het checkpoint van december 2025 en dit exemplaar delen eenzelfde hoofdvorm — 309B totaal, 15B actief, hybride attention, een sliding window van 128 tokens — maar het zijn afzonderlijke trainingsruns van negen maanden uit elkaar met verschillende contextclaims (256K tegenover 1M), verschillende benchmarktabellen en verschillende servingrecepten. Een node dimensioneren op basis van de cijfers van het oudere model, of de prijs ervan citeren, zal in beide richtingen fout zijn.

Past het op de hardware die ik heb? Niet op één GPU, en de leverancier doet ook niet alsof. De gepubliceerde gewichtsgegevens bedragen ongeveer 178 GB in FP8, nog vóór enige KV-cache, en Xiaomi's eigen recepten beginnen bij vier GPU's voor vLLM en acht voor SGLang. Lees de deploymentsectie als het minimum van de leverancier en niet als een suggestie, en let erop dat de recepten expliciete reasoning- en tool-call-parsers vereisen — zonder deze genereert het model nog steeds, maar verlies je het denkkanaal en de gestructureerde tool-calls waarop de meeste van zijn agent-benchmarks vertrouwen.

Welk Flash-artefact moet ik eigenlijk ophalen? De RL-checkpoint als je wilt wat de benchmarks en de API beschrijven, en de MOPD-repository als je de latere post-trainingsfase wilt die op zijn eigen kaart de upgrade ervan wordt genoemd. Haal ze niet allebei op in de verwachting dat er een grootteverschil is; ze zijn dezelfde afstammingslijn op dezelfde schaal, zes dagen uit elkaar, en het MOPD-model is waar Xiaomi's domain-teacherfusie terecht is gekomen.

Wat zou deze pagina veranderen

Drie dingen, ruwweg in de volgorde van hoeveel ze een beslissing zouden beïnvloeden. Een door een derde partij uitgevoerde run op de eigen testharnassen van de leverancier — DeepSWE v1.1 of Terminal Bench, ingediend in plaats van zelfgerapporteerd — zou beslechten of de 67,9 een echte positie is of een gunstige configuratie, en zou ook verklaren waarom drie Xiaomi-oppervlakken drie verschillende getallen voor dezelfde kolom weergeven. Een onafhankelijke test van het audio- en video-invoeroppervlak zou de kloof oplossen tussen de omnimodale claim van de kaart en de engere technische noot op de pagina van de derde partij. En nog één leveranciersoppervlak dat de vijf-laags, zeven-token-drafter in de samenvatting in overeenstemming brengt met de drie lagen in de config, zou de laatste inconsistentie wegnemen waar een capaciteitsplanner omheen moet werken.

Tot dan toe is de referentielezing beperkt en bruikbaar. MiMo-V2.6-Flash is een sparse mixture-of-experts-checkpoint met 309B parameters waarvan 15B actief, onder MIT-licentie, een context van 1M tokens en een uitvoerplafond van 128K, gepubliceerd op 21 september 2026 met de FLASH-RL-suffix, door Xiaomi geprijsd op $0,14 per miljoen invoertokens en $0,28 per miljoen uitvoertokens bij een cachemiss, en — sinds oktober — aanroepbaar via de eigen endpoint van de leverancier onder de identifier mimo-v2.6-flash. De benchmarks van de leverancier zijn niet gereproduceerd, de enige onafhankelijke score is 38 op een index waarop zijn eigen grotere zustermodel 46 scoort, en zijn meest in het oog springende parameteraantal is een van de weinige cijfers rond dit model die daadwerkelijk kloppend zijn gebleken.