MiMo-V2.6-Flash

Oversikt. MiMo-V2.6-Flash er Xiaomis effektivitetsmodell for resonnering fra MiMo-V2.6-serien, utgitt i september 2026 under MIT-lisens med publiserte vekter. Det er en sparse mixture-of-experts-modell med 309 milliarder parametere totalt og 15 milliarder aktiverte per token, basert på 256 rutede eksperter der 8 aktiveres per token. Modellen forstår tekst, bilder, video og lyd nativt og returnerer tekst. Den passer for utviklere som trenger resonnering over lange kontekster med blandet medieinnhold, uten å gå opp til familiens flaggskipmodell.

Viktigste styrker. Arkitekturen balanserer kapasitet mot betjeningskostnad: 309 milliarder parametere totalt, men bare 15 milliarder aktive per token, pluss et kontekstvindu på 1 million token med opptil 128 000 token i utdata. Det er en RL-trent resonneringsvariant med en kallerstyrt tenkebryter, og det sterkeste dokumenterte bruksområdet er forskning med lange kontekster og multimodalt innhold, der det kuraterte dominesignalet leder an. På Artificial Analysis Intelligence Index skårer den 37,9 – en midtplassering som samsvarer med posisjonen under familiens flaggskipmodell, ikke et krav om analyse på toppnivå.

Når du bør bruke den. Bruk denne modellen til resonneringsoppgaver som også krever bred kontekst – å sammenstille og analysere lange dokumenter, bilder, video eller lyd i én enkelt gjennomgang, der et kontekstvindu på 1 million token og innebygd støtte for bilde- og lydinndata fjerner behovet for forhåndsbehandling. Den passer til interaktive applikasjoner, med en gjennomstrømmingsorientert sparse MoE og en binær tenkebryter som lar deg slå resonneringssporet på når en oppgave krever det, og av når det ikke gjør det. Promptbufring er tilgjengelig, noe som hjelper når den samme lange konteksten gjenbrukes på tvers av kall.

Begrensninger. Verktøykall og strukturert utdata er dokumentert for denne modellen, men atferden ved parallelle verktøykall er ikke klart spesifisert, så bruk i agentiske oppgaver med mange steg bør behandles som foreløpig. Resonnering er en binær av/på-bryter uten valgbare resonneringsnivåer, og mens tenking er aktivert låser leverandøren temperatur og top-p, slik at samplingskontrollen er begrenset i den modusen. Utdata er bare tekst – modellen forstår lyd og video, men genererer ingen av delene – og Xiaomi har ikke oppgitt når treningsdataene slutter.

Suverenitetsnotat. Modellskaperen er Xiaomi, med base i Kina, og vektene er publisert under MIT-lisens, noe som betyr at modellen kan selvhostes på infrastruktur du kontrollerer hvis du trenger full inferenssuverenitet. Stav-endepunktet leveres av DeepInfra, en US-registrert inferensleverandør, og det hostede endepunktet medfører derfor eksponering under den amerikanske CLOUD Act. Kjøpere i regulerte EU-jurisdiksjoner bør fortsatt bekrefte at anskaffelse og jurisdiksjon passer.