MiMo-V2.6-Flash

Oversigt. MiMo-V2.6-Flash er Xiaomis ræsonneringsmodel i effektivitetsklassen fra MiMo-V2.6-serien, udgivet i september 2026 under en MIT-licens med åbne vægte. Det er en sparse Mixture-of-Experts-model med 309 milliarder parametre i alt, hvoraf 15 milliarder aktiveres per token. Den trækker på 256 rutede eksperter, hvoraf 8 aktiveres per token, og den forstår tekst, billeder, video og lyd direkte, mens den returnerer tekst. En udvikler vælger denne model, når der er brug for ræsonnering med et stort kontekstvindue på tværs af forskellige medietyper uden at gå op i modelfamiliens flagskibsklasse.

Vigtigste styrker. Arkitekturen balancerer kapacitet mod driftsomkostninger: 309 milliarder parametre i alt med kun 15 milliarder aktive per token, plus et kontekstvindue på 1 million tokens med op til 128k tokens som uddata. Det er en RL-trænet ræsonneringsvariant med en brugerstyret tænkeknap, og dens stærkeste område er multimodalt research-arbejde med stor kontekst, hvor det kuraterede domænesignal fører an. På Artificial Analysis Intelligence Index scorer den 37,9, hvilket er en placering i mellemklassen, der stemmer overens med dens position under familiens flagskib frem for et krav om at være en frontmodel.

Anvendelsesområder. Brug denne model til ræsonneringsopgaver, der også kræver bred kontekst — syntese og analyse af lange dokumenter, billeder, video eller lyd i én arbejdsgang, hvor et kontekstvindue på 1 million tokens og indbyggede strømme af billed- og lydinddata fjerner behovet for behandlingskæder til forbehandling. Den passer til interaktive applikationer med en gennemløbsorienteret sparse MoE og en binær tænkeknap, der lader dig bekræfte ræsonneringssporet som værende til, når en opgave kræver det, og fra, når den ikke gør. Promptcaching er tilgængelig, hvilket hjælper, når den samme lange kontekst genbruges på tværs af kald.

Begrænsninger. Verktøjskald og struktureret uddata er dokumenteret for denne model, men adfærden ved parallelle værktøjskald er ikke klart specificeret, så agentisk brug med mange trin bør betragtes som foreløbig. Ræsonnering er en binær til/fra-knap uden valgbare ræsonneringsniveauer, og mens tænkning er aktiveret, fastlåser leverandøren temperature og top-p, så kontrol over sampling er begrænset i denne tilstand. Uddata er kun tekst — modellen forstår lyd og video, men genererer ingen af delene — og Xiaomi har ikke oplyst, hvor træningsdataene slutter.

Bemærkning om suverænitet. Modelskaberen er Xiaomi, der er baseret i Kina, og vægtene er udgivet under en MIT-licens, hvilket betyder, at modellen kan køre selv på infrastruktur, du kontrollerer, hvis du har brug for fuld suverænitet over din inferens. Det Stav-drevne endepunkt leveres af DeepInfra, en amerikansk leverandør, så det drevne endepunkt er underlagt US CLOUD Act; købere i regulerede EU-jurisdiktioner bør fortsat bekræfte, at indkøb og jurisdiktion stemmer overens.