MiMo V2.6 Pro API

Hvad er MiMo-V2.6-Pro?

MiMo-V2.6-Pro er Xiaomi MiMo's flagskibs multimodale ræsonneringsmodel, bygget til komplekse projekter, langtidsopgaver, professionelle arbejdsgange, forskning, cybersikkerhed, kodning og agent-baserede applikationer.

Modellen understøtter indbygget forståelse af tekst, billeder, video og lyd i en samlet model. Den tilbyder et kontekstvindue på 1 million tokens og understøtter op til 128K output-tokens, hvilket gør den egnet til store repositories, lange dokumenter, udvidede værktøjsspor og agent-workflows på tværs af flere sessioner.

Open-weight-checkpointet MiMo-V2.6-Pro-RL bruger en sparse Mixture-of-Experts-arkitektur med 1.02 trillion samlede parametre og 42 billion aktiverede parametre. Arkitekturen omfatter en vision-enkoder med 681M parametre, dedikerede lyd-enkodere og en fem-lags spekulativ dekoder.

Tekniske specifikationer

Xiaomis officielle modelside angiver 100 RPM og 10M TPM for model-API'et.

Hovedfunktioner i MiMo-V2.6-Pro

1. Indbygget omni-modal forståelse

MiMo-V2.6-Pro er designet til i fællesskab at forstå tekst, billeder, video og lyd fremfor at begrænse multimodal behandling til en separat, assisterende workflow.

Dette gør det muligt for applikationer at kombinere forskellige informationsformer i en enkelt ræsonneringsproces, herunder dokumenter med billeder, videobaseret analyse, lydindhold, skærmbilleder og tekstinstruktioner.

2. 1M-token lang kontekst

Modellen tilbyder et kontekstvindue på op til 1 million tokens. Dette gør den velegnet til workflows med store kodebaser, lange dokumenter, omfattende forskningsmateriale, vedvarende agent-historikker og store spor af værktøjskald.

Et langt kontekstvindue er særligt nyttigt for agentiske systemer, fordi betydelig opgavehistorik og mellemresultater kan forblive tilgængelige uden gentagen komprimering af samtalen.

3. Avanceret ræsonnering og agentkapaciteter

MiMo-V2.6-Pro er designet omkring ræsonneringsintensive og langsigtede workflows. Xiaomi fremhæver komplekse projekter, samarbejde mellem flere agenter og professionelle arbejdsmængder som nøgleanvendelser. Modellen understøtter også dyb tænkning og værktøjskald.

Disse kapaciteter gør den velegnet til:

• Kompleks softwareudvikling
• Forskningsagenter
• Flertrinsplanlægning
• Værktøjsorkestrering
• Computerbrugs-workflows
• Cybersikkerhedsanalyse
• Vidensintensive opgaver

4. Værktøjskald og struktureret output

MiMo-V2.6-Pro understøtter værktøjskald og struktureret output, hvilket gør det muligt for applikationer at forbinde modellen med eksterne API'er, databaser, søgesystemer, forretningsværktøjer og andre softwarekomponenter.

Struktureret output er særligt nyttigt, når modelrespons skal forbruges af downstream-applikationslogik fremfor kun at blive vist som naturligt sprog.

5. Langsigtede agent-arbejdsgange

Kombinationen af lang kontekst, multimodal forståelse, ræsonnering og værktøjsbrug gør det muligt for MiMo-V2.6-Pro at operere i workflows, der kræver flere faser af planlægning og udførelse.

Xiaomi beskriver MiMo-V2.6-serien som optimeret til multimodalt, multi-agent og multi-harness-samarbejde. Dets officielle eksempler omfatter kodning, kontorarbejde, design, forskning, indholdsskabelse, cybersikkerhed og computerbetjening.

6. Open-weight modelarkitektur

MiMo-V2.6-Pro-RL er udgivet som et open-weight-checkpoint. Modelkortet dokumenterer en sparse MoE-arkitektur med 1.02T samlede parametre og 42B aktiverede parametre, sammen med dedikerede vision- og lyd-enkodere.

Modelkortet dokumenterer også den forstærkningslæringsmetodik, der er brugt til at forbedre kodning, generelle agenter, visuelle agenter og cybersikkerhedskapaciteter.

Benchmarkresultater

Xiaomis publicerede evaluering dækker kodeagenter, generelle agenter, cybersikkerhed og visuelle agentopgaver. Dette er udbyderpublicerede evalueringsresultater, så de bør adskilles fra uafhængige tredjeparts benchmarkstudier.

Bemærkelsesværdige rapporterede resultater omfatter 89.9 på Terminal Bench 2.1, 82.0 på OSWorld-Verified, 76.9 på Toolathlon-Verified og 94.0 på CyberGym.

Xiaomis officielle modelside rapporterer også en Artificial Analysis sammensat intelligensindeks-score på 46.32. Da dette er en tredjepartsevaluering refereret af Xiaomi, bør den behandles separat fra Xiaomis egen benchmarksuite.

MiMo-V2.6-Pro vs MiMo-V2.6-Flash

MiMo-V2.6-Pro og MiMo-V2.6-Flash deler det samme brede multimodale og langkontekstdesign, men de sigter mod forskellige modelskalaer.

Den væsentligste arkitektoniske forskel er modelskala: Pro-checkpointet har 1.02T samlede / 42B aktiverede parametre, sammenlignet med 309B samlede / 15B aktiverede parametre for Flash.

MiMo-V2.6-Pro vs andre ræsonneringsmodeller

MiMo-V2.6-Pro kombinerer flere kapaciteter, der ofte er fordelt på forskellige modelkategorier: multimodal forståelse, langkontekstræsonnering, kodning, værktøjsbrug og agentisk udførelse.

Dets kontekstvindue på 1M tokens differentierer det fra modeller med væsentligt mindre kontekstvinduer, mens dets indbyggede billed-, video- og lydinput rækker ud over tekstcentriske ræsonneringssystemer. Dets sparse MoE-arkitektur adskiller også den samlede modelkapacitet fra antallet af parametre, der aktiveres for hvert token.

For agentorienterede applikationer dækker den publicerede evalueringssuite softwareudvikling, generel værktøjsbrug, computerinteraktion, cybersikkerhed og visuel kodning, fremfor udelukkende at fokusere på konventionelle sprogbenchmarks.

Repræsentative anvendelsestilfælde

Kompleks softwareudvikling

MiMo-V2.6-Pro kan understøtte kodegenerering, repository-analyse, fejlfinding, softwarearkitektur, opgaveplanlægning og autonome kodningsworkflows.

Dets publicerede evalueringer omfatter DeepSWE v1.1, ProgramBench, MiMo Code Bench og Terminal Bench.

Forskning med lang kontekst

Kontekstvinduet på 1M tokens gør modellen velegnet til store forskningsprojekter, der involverer lange artikler, teknisk dokumentation, datasæt, noter og akkumuleret forskningshistorik.

Multimodal analyse

Applikationer kan kombinere tekst, billeder, video og lyd i et samlet workflow. Dette er nyttigt til at analysere multimediedokumenter, optaget materiale, visuelle beviser, skærmbilleder og forskningsdata i blandede formater.

AI-agenter og værktøjsautomatisering

Værktøjskald, struktureret output, dyb tænkning og lang kontekst gør MiMo-V2.6-Pro velegnet til agenter, der skal planlægge, kalde eksterne værktøjer, inspicere resultater og fortsætte arbejdet på tværs af flere trin.

Cybersikkerhed

Cybersikkerhed er et af evalueringsområderne i Xiaomis publicerede modelresultater. Modellen rapporterer 94.0 på CyberGym, 80.2 på MiMo Cyber Bench, 47.9 på ExploitBench og 66.3 på SEC Bench Pro.

Arbejdsgange for computerbrug

MiMo-V2.6-Pro er evalueret på OSWorld-Verified, hvor Xiaomi rapporterer en score på 82.0. Dette gør computerinteraktion og UI-orienteret automatisering til endnu et relevant anvendelsesområde for modellen.

Videnskabelige og professionelle arbejdsgange

Xiaomi fremviser MiMo-V2.6-Pro i videnskabelige forskningsworkflows, herunder materialeforskning, samt design, indholdsskabelse, kontorarbejde og andre komplekse professionelle opgaver.

Begrænsninger

MiMo-V2.6-Pro's benchmarkresultater er primært publiceret af Xiaomi og bør fortolkes i konteksten af hver benchmarks metodologi fremfor som et universelt mål for applikationsperformance.

Modellens arkitektur med 1.02T samlede parametre repræsenterer også en betydelig underliggende modelskala. Tallet 42B aktiverede parametre beskriver sparse aktivering fremfor den fulde hardware- eller udrulningsprofil. Organisationer, der overvejer selvhostning, bør derfor uafhængigt evaluere støtte i inferensmotorer, hukommelseskrav, kvantisering, throughput og hardwarekrav.

For API-baserede applikationer kan den hostede model tilgås via Xiaomis API-platform, mens open-weight-checkpointet giver en separat vej for organisationer, der ønsker at styre deres egen inferensinfrastruktur.

Sådan får du adgang til MiMo-V2.6-Pro API via CometAPI

Trin 1: Tilmeld dig CometAPI og få din CometAPI API-nøgle

Opret eller log ind på din CometAPI-konto og åbn API-administrationsområdet. Generér en API-nøgle fra din CometAPI-konto og forbered den til din applikation.

Trin 2: Vælg MiMo-V2.6-Pro

Find MiMo-V2.6-Pro i CometAPI's modelkatalog og bekræft model-ID'et som mimo-v2.6-pro. Sæt MiMo-V2.6-Pro som målmodellen i din CometAPI-integration. Konfigurer applikationen i henhold til de tekst-, billede-, video-, lyd-, ræsonnerings- eller værktøjskaldskapaciteter, der kræves af dit workflow.

Trin 3: Send forespørgsler

Indsend forespørgsler via CometAPI-integrationen og angiv de nødvendige input til din applikation.

Trin 4: Behandl svaret

Brug det returnerede modeloutput, strukturerede data, ræsonneringsresultater eller værktøjskaldsinformation i din applikations workflow.