Indlæser kataloget…
Indlæser kataloget…
Xiaomis omnimodale ræsonneringsmodel med åbne vægte, 1,02 billioner parametre og 1M-token-kontekst, der accepterer tekst, billeder, video og lyd som inddata og returnerer tekst.
Oversigt. MiMo-V2.6-Pro er Xiaomis flagskibsmodel til ræsonnering i MiMo-V2.6-serien, udgivet i september 2026 som en modelversion med åbne vægte under MIT-licens. Det er en sparse Mixture-of-Experts-model med i alt cirka 1,02 billioner parametre, hvoraf omkring 42 milliarder aktiveres per token. Den accepterer tekst, billeder, video og lyd som inddata og returnerer tekst. Udviklere vælger den, når de har brug for en ræsonneringsmodel med langt kontekstvindue, som de også kan køre selv, da vægtene er udgivet åbent.
Vigtigste styrker. Modellens fokus er dyb ræsonnering kombineret med et kontekstvindue på 1.000.000 tokens, hvilket gør den velegnet til lange kildesæt frem for enkelte prompter. Den udgivne modelversion er »-RL«-varianten, trænet med skaleret mixed-GRPO reinforcement learning, og Xiaomis API tilbyder en tænkefunktion, hvor dyb tænkning er slået til som standard. På Artificial Analysis Intelligence Index scorer den 46, hvilket placerer den i den øvre mellemklasse frem for som en frontmodel. Arkitekturen ruter hvert token gennem 8 ud af 384 eksperter, hvilket holder den aktive beregning langt under det samlede antal parametre.
Anvendelsesområder. Brug denne model til analyse af lange inddata — omfattende dokumentsæt, store kildekoder eller undersøgelser over mange runder — hvor både 1M-token-konteksten og ræsonneringssporet er vigtige. Den egner sig til opgaver, der drager fordel af en skriftlig ræsonneringskæde før et svar, og tænkefunktionen lader dig slå dette fra, når du ønsker et hurtigere, direkte svar. Kombinationen af åbne vægte og en tilladelig licens gør den også til et fornuftigt valg, når arbejdsbelastningen skal køre i dit eget inferensmiljø. Dens omnimodale håndtering af inddata passer til arbejdsflow, der blander tekst med billeder, lyd eller video, selvom svaret altid er tekst.
Begrænsninger. Uddata er kun tekst, så den kan ikke generere billeder, lyd eller tale. Verktøjskald og struktureret uddata understøttes — leverandørens opskrifter til drift inkluderer en MiMo-værktøjskald-parser med automatisk værktøjsvalg, og API'et tilbyder tools, tool_choice og response_format — selvom der ikke er dokumenteret indbygget websøgning. Når tænketilstand er aktiveret — hvilket er standard — bliver brugerdefinerede værdier for temperature og top_p tilsidesat. Xiaomi oplyser ikke, hvor træningsdataene slutter, og standardtilstanden for drift er optimeret til gennemløb: Xiaomi sælger en separat driftsmulighed med kort svartid til tidskritiske opgaver.
Bemærkning om suverænitet. MiMo-V2.6-Pro kommer fra Xiaomi, en kinesisk modelskaber, og falder derfor uden for rækkevidden af den amerikanske CLOUD Act. Vægtene er udgivet under MIT og kan køre selv på din egen infrastruktur, mens dataplacering på endepunktsniveau afhænger af den leverandør, der driver modellen.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 0,39 / 0,79€ | Online |
17 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Værktøjskald, promptcaching og et vindue på 1 million tokens er præcis den treenighed, agentiske kodningsløkker kræver; åbne vægte tillader drift inde i kontrollerede build-miljøer.
Indbygget værktøjskald med promptcaching er kernekravet til apps med funktionskald; udgivelsen med åbne vægte tillader også drift, hvor man kører selv bag private API-gateways.
Billedforståelse (billeder/video) kombineret med værktøjskald understøtter skærmbilleddrevet DOM-ræsonnering, og kontekstvinduet på 1 million tokens rummer fulde sidetræer over lange sessioner.
Billedforståelse kombineret med en uddatakontekst på 1 million tokens gør det muligt at transskribere og strukturere hele dokumenter med mange sider i én arbejdsgang.
Billedinddata plus værktøjskald gør denne velegnet til fortolkning af UI-tilstande i automatiseringskæder, og den lange kontekst rummer fulde sekvenser af skærmbilleder.
Kontekst for hele arkivet op til 1 million tokens plus ræsonnering med udvidet tænkning understøtter konsekvensanalyser på tværs af filer, som review-modeller med mindre vinduer overser.
Modellen accepterer lyd som inddata, men tilbyder ingen egenskaber for talesyntese, så den kan ikke drive den fulde duplex-runde, som en stemmeagent kræver, uden et eksternt TTS-trin.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "xiaomimimo/mimo-v2-6-pro",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på