¿Qué es MiMo-V2.6-Flash?
MiMo-V2.6-Flash es el modelo de Xiaomi enfocado en la eficiencia dentro de la familia MiMo-V2.6. Es un modelo nativo de razonamiento multimodal diseñado para llamadas de alta frecuencia, cargas de trabajo a gran escala, programación, automatización y tareas de agentes de largo horizonte.
El modelo acepta texto, imágenes, video y audio como entrada y produce salida en texto. Xiaomi lo describe como un modelo de modalidad completa optimizado para flujos de trabajo del mundo real, con una ventana de contexto de 1 millón de tokens, pensamiento profundo, invocación de herramientas, salida estructurada, streaming, búsqueda web y capacidades de caché de contexto.
El checkpoint de pesos abiertos MiMo-V2.6-Flash-RL utiliza una arquitectura de Mixture-of-Experts dispersa con 309 mil millones de parámetros totales y 15 mil millones de parámetros activados. Su tarjeta de modelo describe una longitud de contexto de 1M tokens, un codificador de visión de 681M parámetros, codificadores de audio y un decodificador especulativo de cinco capas.
Especificaciones técnicas
| Specification | MiMo-V2.6-Flash |
|---|---|
| Model ID | mimo-v2.6-flash |
| Provider | Xiaomi MiMo |
| Model Type | Modelo de razonamiento multimodal |
| Architecture | MoE disperso |
| Total Parameters | 309B |
| Activated Parameters | 15B |
| Input Modalities | Texto, Imagen, Video, Audio |
| Output Modality | Texto |
| Context Window | 1M tokens |
| Maximum Output | Hasta 128K tokens |
| Reasoning | Pensamiento profundo |
| Tool Calling | Compatible |
| Structured Output | Compatible |
| Streaming | Compatible |
| Web Search | Compatible |
| Context Caching | Compatible |
La página oficial del modelo de Xiaomi indica una ventana de contexto de 1M tokens, hasta 128K tokens de salida, 100 RPM y 10M TPM.
Funciones principales de MiMo-V2.6-Flash
1. Comprensión nativa de modalidad completa
MiMo-V2.6-Flash está diseñado para procesar texto, imágenes, video y audio dentro del mismo modelo. Esto lo hace adecuado para aplicaciones donde la información está distribuida en múltiples formatos multimedia en lugar de estar contenida por completo en texto.
Las aplicaciones típicas incluyen análisis de documentos multimodales, inspección visual, comprensión de video, investigación informada por audio y flujos de trabajo que combinan distintos tipos de evidencia.
2. Contexto largo de 1M tokens
El modelo soporta una ventana de contexto de hasta 1 millón de tokens, lo que lo hace adecuado para grandes repositorios, documentos extensos, trazas de herramientas prolongadas y flujos de trabajo de agentes multi-sesión. Xiaomi posiciona específicamente el modelo para tareas de largo horizonte y colaboración multiagente.
Esta gran capacidad de contexto puede reducir la necesidad de resumir o dividir repetidamente grandes cuerpos de información antes de su procesamiento.
3. Razonamiento y flujos de trabajo orientados a agentes
MiMo-V2.6-Flash está construido en torno a cargas de trabajo orientadas al razonamiento y a agentes. Su lista oficial de capacidades incluye pensamiento profundo e invocación de herramientas, mientras que la tarjeta del modelo describe aprendizaje por refuerzo mixto en programación, agentes generales, tareas visuales y ciberseguridad.
Esto lo hace relevante para aplicaciones como:
- Agentes de investigación multietapa
- Agentes de programación
- Orquestación de herramientas
- Flujos de trabajo de uso de computadoras
- Análisis automatizado
- Tareas de planificación de larga duración
4. Invocación de herramientas y salida estructurada
El modelo soporta invocación de herramientas y salida estructurada, lo que le permite participar en aplicaciones donde el modelo necesita invocar funciones externas o devolver información en un formato predecible y legible por máquinas.
Esto es especialmente útil para sistemas de agentes que conectan un LLM con búsqueda, bases de datos, APIs, herramientas empresariales u otras funciones de aplicaciones.
5. Capacidades de agente multimodal
MiMo-V2.6-Flash combina comprensión multimodal con razonamiento orientado a agentes. En lugar de tratar el procesamiento de imágenes, video, audio y texto como tareas de modelos separadas, ofrece una interfaz de modelo unificada para estas entradas.
Esta arquitectura es útil para flujos de trabajo como revisar un documento técnico junto con diagramas, analizar reuniones grabadas, inspeccionar evidencia en video o combinar capturas de pantalla con instrucciones textuales.
6. Diseño MiMo-V2.6 orientado a la eficiencia
La variante Flash está posicionada por Xiaomi como el miembro equilibrado en eficiencia de la familia MiMo-V2.6. Su diseño MoE disperso activa un subconjunto de parámetros para cada token en lugar de usar el conjunto completo en cada token.
El modelo también utiliza un decodificador especulativo de cinco capas que predice múltiples tokens subsecuentes para verificación paralela, un enfoque arquitectónico destinado a mejorar la eficiencia de inferencia.
Rendimiento en benchmarks
La tabla de evaluación publicada por Xiaomi reporta resultados de MiMo-V2.6-Flash en benchmarks de programación, agentes generales, ciberseguridad y agentes visuales. Estos son resultados de benchmarks publicados por el proveedor, por lo que no deben tratarse como clasificaciones independientes de terceros.
| Benchmark | MiMo-V2.6-Flash |
|---|---|
| DeepSWE v1.1 | 67.9 |
| ProgramBench | 26.0 |
| MiMo Code Bench | 61.2 |
| AutomationBench v1.0.6 | 52.3 |
| Toolathlon-Verified | 73.6 |
| Agents' Last Exam | 27.6 |
| Terminal Bench 4.0 | 28.8 |
| Terminal Bench 2.1 | 87.6 |
| OSWorld-Verified | 80.8 |
| JobBench | 61.2 |
| CyberGym | 95.1 |
| MiMo Cyber Bench | 77.2 |
| ExploitGym | 6.0 |
| ExploitBench | 25.3 |
| SEC Bench Pro | 47.5 |
| MiMo VisualCoding | 71.5 |
Por ejemplo, Xiaomi reporta 87.6 en Terminal Bench 2.1, 80.8 en OSWorld-Verified, 73.6 en Toolathlon-Verified y 95.1 en CyberGym.
El perfil de benchmarks sugiere que el modelo está particularmente diseñado en torno a flujos de trabajo de agentes, programación, uso de herramientas y multimodales, en lugar de posicionarse únicamente como un modelo conversacional convencional.
MiMo-V2.6-Flash vs MiMo-V2.6-Pro
MiMo-V2.6-Flash y MiMo-V2.6-Pro pertenecen a la misma familia de modelos y comparten el diseño multimodal nativo y el contexto de 1M, pero apuntan a distintos puntos en el espectro de eficiencia del modelo.
| Feature | MiMo-V2.6-Flash | MiMo-V2.6-Pro |
|---|---|---|
| Family | MiMo-V2.6 | MiMo-V2.6 |
| Architecture | MoE disperso | MoE disperso |
| Total Parameters | 309B | 1.02T |
| Activated Parameters | 15B | 42B |
| Context | 1M tokens | 1M tokens |
| Input | Texto, imagen, video, audio | Texto, imagen, video, audio |
| Main Positioning | Equilibrado en eficiencia | Insignia |
| Agent Workflows | Compatible | Compatible |
| Tool Calling | Compatible | Compatible |
La arquitectura publicada muestra el modelo Pro con 1.02T de parámetros totales / 42B de parámetros activados, en comparación con Flash con 309B de parámetros totales / 15B de parámetros activados.
MiMo-V2.6-Flash vs otros modelos
MiMo-V2.6-Flash ocupa una posición distintiva entre los modelos modernos de razonamiento multimodal porque combina cuatro características en un solo modelo: contexto largo, entrada multimodal nativa, razonamiento y uso de herramientas orientado a agentes.
En comparación con un modelo de razonamiento convencional solo de texto, MiMo-V2.6-Flash puede incorporar directamente imágenes, video y audio. En comparación con un modelo multimodal más pequeño, su contexto de 1M tokens lo hace más adecuado para grandes repositorios y trayectorias extendidas de agentes. En comparación con el MiMo-V2.6-Pro más grande, Flash enfatiza una arquitectura más orientada a la eficiencia.
Casos de uso representativos
Programación e ingeniería de software
MiMo-V2.6-Flash puede utilizarse para generación de código, depuración, análisis de repositorios, planificación de software y flujos de trabajo de desarrollo orientados a agentes.
Sus resultados publicados incluyen evaluaciones en DeepSWE v1.1, ProgramBench, MiMo Code Bench y Terminal Bench.
Análisis de documentos de largo contexto
La ventana de contexto de 1M tokens hace que el modelo sea adecuado para analizar grandes colecciones de documentos, especificaciones técnicas, materiales de investigación o historiales de proyectos extensos sin reducir agresivamente el contexto disponible.
Investigación multimodal
Dado que el modelo acepta texto, imagen, video y audio, puede combinar información de diferentes fuentes multimedia en un único flujo de razonamiento.
Automatización de agentes y herramientas
La invocación de herramientas, salida estructurada, razonamiento y contexto largo hacen que el modelo sea adecuado para agentes que necesitan planificar tareas, invocar herramientas externas, inspeccionar resultados y continuar razonando en múltiples pasos.
Flujos de trabajo de uso de computadoras
El resultado publicado de 80.8 en OSWorld-Verified y otros benchmarks de agentes demuestran que Xiaomi evalúa el modelo en tareas interactivas de agentes además de los benchmarks tradicionales de modelos de lenguaje.
Flujos de trabajo empresariales multimodales
MiMo-V2.6-Flash puede soportar flujos de trabajo que involucren informes, capturas de pantalla, grabaciones, presentaciones, documentos y otra información empresarial de medios mixtos donde un solo modelo necesita sintetizar múltiples tipos de entrada.
Limitaciones
MiMo-V2.6-Flash es un modelo recién lanzado, por lo que la cobertura de benchmarks y la evaluación independiente de terceros aún se están desarrollando. La tabla de benchmarks publicada por Xiaomi proporciona evidencia sustancial en tareas orientadas a agentes y multimodales, pero estos resultados provienen del proveedor y no sustituyen pruebas específicas de la aplicación.
El modelo también tiene una gran arquitectura subyacente a pesar de la activación dispersa. Las organizaciones que consideren el autoalojamiento deberían, por lo tanto, evaluar requisitos de hardware, compatibilidad del motor de inferencia, cuantización, rendimiento y requisitos operativos, en lugar de asumir que la cifra de 15B parámetros activados representa la huella total de despliegue. La tarjeta oficial del modelo proporciona orientación de despliegue para SGLang y vLLM.
Cómo acceder a la API de MiMo-V2.6-Flash vía CometAPI
Paso 1: Regístrese en CometAPI y obtenga su clave de API de CometAPI
Cree o acceda a su cuenta de CometAPI y abra el área de gestión de API. Genere una clave de API desde su cuenta de CometAPI y téngala disponible para la configuración de su aplicación.
Paso 2: Seleccione MiMo-V2.6-Flash y configure su aplicación
Encuentre MiMo-V2.6-Flash en el catálogo de modelos disponibles y confirme el ID del modelo como mimo-v2.6-flash. Establezca MiMo-V2.6-Flash como el modelo de destino en su integración de CometAPI. Configure la solicitud de acuerdo con las entradas multimodales y las capacidades de agentes requeridas por su aplicación.
Paso 3: Envíe solicitudes
Envíe entradas de texto o multimodales compatibles a través de la integración de CometAPI y utilice la respuesta del modelo devuelta dentro del flujo de trabajo de su aplicación.
Paso 4: Procese la respuesta
Gestione el texto generado, la salida estructurada, los resultados de razonamiento o la información de llamadas a herramientas de acuerdo con el flujo de trabajo de su aplicación.