Che cos'è MiMo-V2.6-Pro?
MiMo-V2.6-Pro è il modello di punta per il ragionamento multimodale di Xiaomi MiMo, pensato per progetti complessi, attività di lungo periodo, workflow professionali, ricerca, cybersecurity, coding e applicazioni basate su agenti.
Il modello supporta la comprensione nativa di testo, immagini, video e audio all'interno di un modello unificato. Offre una finestra di contesto da 1 milione di token e supporta fino a 128K token di output, rendendolo adatto a grandi repository, documenti lunghi, tracce di strumenti estese e workflow agent multi-sessione.
Il checkpoint open-weight MiMo-V2.6-Pro-RL utilizza un'architettura Mixture-of-Experts sparsa con 1.02 bilioni di parametri totali e 42 miliardi di parametri attivati. La sua architettura include un encoder visivo da 681M di parametri, encoder audio dedicati e un decoder speculativo a cinque strati.
Specifiche tecniche
| Specifica | MiMo-V2.6-Pro |
|---|---|
| Model ID | mimo-v2.6-pro |
| Fornitore | Xiaomi MiMo |
| Tipo di modello | Modello di ragionamento multimodale |
| Architettura | Sparse Mixture-of-Experts |
| Parametri totali | 1.02T |
| Parametri attivati | 42B |
| Modalità di input | Text, Image, Video, Audio |
| Modalità di output | Text |
| Finestra di contesto | 1M tokens |
| Output massimo | 128K tokens |
| Ragionamento | Riflessione profonda |
| Chiamata di strumenti | Supported |
| Ricerca sul Web | Supported |
| Output strutturato | Supported |
| Streaming | Supported |
| Caching del contesto | Supported |
La pagina ufficiale del modello di Xiaomi indica 100 RPM e 10M TPM per l'API del modello.
Caratteristiche principali di MiMo-V2.6-Pro
1. Comprensione omni-modale nativa
MiMo-V2.6-Pro è progettato per comprendere congiuntamente testo, immagini, video e audio, invece di limitare l'elaborazione multimodale a un workflow ausiliario separato.
Ciò consente alle applicazioni di combinare diverse forme di informazione all'interno di un singolo processo di ragionamento, inclusi documenti con immagini, analisi basate su video, contenuti audio, screenshot e istruzioni testuali.
2. Contesto lungo da 1M token
Il modello offre una finestra di contesto fino a 1 milione di token. Questo lo rende adatto a workflow che coinvolgono grandi codebase, documenti lunghi, materiali di ricerca estesi, storici persistenti di agent e tracce di chiamate a strumenti su larga scala.
Una finestra di contesto ampia è particolarmente utile per i sistemi basati su agenti, perché una parte sostanziale della storia del compito e dei risultati intermedi può rimanere disponibile senza dover comprimere ripetutamente la conversazione.
3. Capacità avanzate di ragionamento e agent
MiMo-V2.6-Pro è progettato per workflow intensivi in ragionamento e di lungo periodo. Xiaomi evidenzia progetti complessi, collaborazione multi-agente e carichi di lavoro professionali come casi d'uso chiave. Il modello supporta anche riflessione profonda e chiamata di strumenti.
Queste capacità lo rendono adatto a:
- Ingegneria del software complessa
- Agent di ricerca
- Pianificazione multi-step
- Orchestrazione di strumenti
- Workflow di uso del computer
- Analisi di cybersecurity
- Attività ad alta intensità di conoscenza
4. Chiamata di strumenti e output strutturato
MiMo-V2.6-Pro supporta chiamata di strumenti e output strutturato, consentendo alle applicazioni di connettere il modello con API esterne, database, sistemi di ricerca, strumenti aziendali e altri componenti software.
L'output strutturato è particolarmente utile quando le risposte del modello devono essere consumate da logiche applicative a valle, invece di essere visualizzate soltanto come testo in linguaggio naturale.
5. Workflow di agent a lungo orizzonte
La combinazione di contesto lungo, comprensione multimodale, ragionamento e uso di strumenti consente a MiMo-V2.6-Pro di operare su workflow che richiedono più fasi di pianificazione ed esecuzione.
Xiaomi descrive la serie MiMo-V2.6 come ottimizzata per collaborazioni multimodali, multi-agent e multi-harness. Gli esempi ufficiali includono coding, lavoro d'ufficio, design, ricerca, creazione di contenuti, cybersecurity e operazioni al computer.
6. Architettura del modello a pesi aperti
MiMo-V2.6-Pro-RL è rilasciato come checkpoint a pesi aperti. La model card documenta un'architettura MoE sparsa con 1.02T parametri totali e 42B parametri attivati, insieme a encoder visivi e audio dedicati.
La model card documenta anche la metodologia di apprendimento per rinforzo utilizzata per migliorare le capacità di coding, agent generali, agent visivi e cybersecurity.
Prestazioni ai benchmark
La valutazione pubblicata da Xiaomi copre agent di coding, agent generali, cybersecurity e compiti di agent visivi. Si tratta di risultati di valutazione pubblicati dal provider, da distinguere quindi da studi di benchmark indipendenti di terze parti.
| Benchmark | MiMo-V2.6-Pro |
|---|---|
| DeepSWE v1.1 | 71.9 |
| ProgramBench | 26.5 |
| MiMo Code Bench | 63.2 |
| AutomationBench v1.0.6 | 53.1 |
| Toolathlon-Verified | 76.9 |
| GDPval-AA 2.1 | 1673 |
| Agents' Last Exam | 31.6 |
| Terminal Bench 4.0 | 34.9 |
| Terminal Bench 2.1 | 89.9 |
| OSWorld-Verified | 82.0 |
| JobBench | 62.0 |
| CyberGym | 94.0 |
| MiMo Cyber Bench | 80.2 |
| ExploitGym | 17.8 |
| ExploitBench | 47.9 |
| SEC Bench Pro | 66.3 |
| MiMo VisualCoding | 72.3 |
Tra i risultati segnalati spiccano 89.9 su Terminal Bench 2.1, 82.0 su OSWorld-Verified, 76.9 su Toolathlon-Verified e 94.0 su CyberGym.
La pagina ufficiale del modello di Xiaomi riporta anche un punteggio dell'indice di intelligenza composito di Artificial Analysis pari a 46.32. Poiché si tratta di una valutazione di terze parti referenziata da Xiaomi, è preferibile trattarla separatamente rispetto alla suite di benchmark di Xiaomi.
MiMo-V2.6-Pro vs MiMo-V2.6-Flash
MiMo-V2.6-Pro e MiMo-V2.6-Flash condividono lo stesso impianto multimodale e a contesto lungo, ma puntano a scale di modello differenti.
| Caratteristica | MiMo-V2.6-Pro | MiMo-V2.6-Flash |
|---|---|---|
| Posizionamento del modello | Di punta | Incentrato sull'efficienza |
| Architettura | Sparse MoE | Sparse MoE |
| Parametri totali | 1.02T | 309B |
| Parametri attivati | 42B | 15B |
| Finestra di contesto | 1M tokens | 1M tokens |
| Input | Text, Image, Video, Audio | Text, Image, Video, Audio |
| Riflessione profonda | Supported | Supported |
| Chiamata di strumenti | Supported | Supported |
| Output strutturato | Supported | Supported |
| Ricerca sul Web | Supported | Supported |
La principale distinzione architetturale è la scala del modello: il checkpoint Pro ha 1.02T parametri totali / 42B parametri attivati, rispetto a 309B totali / 15B attivati per Flash.
MiMo-V2.6-Pro vs altri modelli di ragionamento
MiMo-V2.6-Pro combina diverse capacità che spesso sono distribuite tra differenti categorie di modelli: comprensione multimodale, ragionamento su contesti lunghi, coding, uso di strumenti ed esecuzione agentica.
La sua finestra di contesto da 1M token lo differenzia dai modelli con finestre di contesto sostanzialmente più piccole, mentre gli input nativi di immagini, video e audio lo estendono oltre i sistemi di ragionamento centrati sul testo. La sua architettura MoE sparsa separa inoltre la capacità totale del modello dal numero di parametri attivati per ciascun token.
Per applicazioni orientate agli agenti, la suite di valutazione pubblicata copre ingegneria del software, uso generale di strumenti, interazione con il computer, cybersecurity e visual coding, invece di concentrarsi esclusivamente su benchmark linguistici convenzionali.
Casi d'uso rappresentativi
Ingegneria del software complessa
MiMo-V2.6-Pro può supportare generazione di codice, analisi di repository, debugging, architettura software, pianificazione dei compiti e workflow di coding autonomi.
Le valutazioni pubblicate includono DeepSWE v1.1, ProgramBench, MiMo Code Bench e Terminal Bench.
Ricerca con contesto lungo
Il contesto da 1M token rende il modello adatto a grandi progetti di ricerca che coinvolgono paper lunghi, documentazione tecnica, dataset, note e storici di ricerca accumulati.
Analisi multimodale
Le applicazioni possono combinare testo, immagini, video e audio all'interno di un workflow unificato. Questo è utile per analizzare documenti multimediali, materiale registrato, evidenze visive, screenshot e dati di ricerca in formati misti.
Agent AI e automazione di strumenti
Chiamata di strumenti, output strutturato, riflessione profonda e contesto lungo rendono MiMo-V2.6-Pro adatto ad agent che devono pianificare, chiamare strumenti esterni, ispezionare i risultati e continuare a lavorare su più passaggi.
Cybersecurity
La cybersecurity è una delle aree di valutazione incluse nei risultati pubblicati da Xiaomi. Il modello riporta 94.0 su CyberGym, 80.2 su MiMo Cyber Bench, 47.9 su ExploitBench e 66.3 su SEC Bench Pro.
Workflow di uso del computer
MiMo-V2.6-Pro è valutato su OSWorld-Verified, dove Xiaomi riporta un punteggio di 82.0. Ciò rende l'interazione con il computer e l'automazione orientata alle interfacce un'altra area applicativa rilevante per il modello.
Workflow scientifici e professionali
Xiaomi presenta MiMo-V2.6-Pro in workflow di ricerca scientifica, inclusa la ricerca sui materiali, oltre a design, creazione di contenuti, lavoro d'ufficio e altre attività professionali complesse.
Limitazioni
I risultati di benchmark di MiMo-V2.6-Pro sono principalmente pubblicati da Xiaomi e dovrebbero essere interpretati nel contesto della metodologia di ciascun benchmark, piuttosto che come una misura universale delle prestazioni applicative.
L'architettura con 1.02T parametri totali rappresenta inoltre una scala del modello sostanziale. La cifra di 42B parametri attivati descrive un'attivazione sparsa, non l'intera impronta hardware o di deployment. Le organizzazioni che considerano l'auto-hosting dovrebbero quindi valutare in modo indipendente il supporto del motore di inferenza, i requisiti di memoria, la quantizzazione, il throughput e i requisiti hardware.
Per applicazioni basate su API, il modello ospitato è accessibile tramite la piattaforma API di Xiaomi, mentre il checkpoint a pesi aperti offre un percorso separato per le organizzazioni che desiderano gestire la propria infrastruttura di inferenza.
Come accedere all'API di MiMo-V2.6-Pro tramite CometAPI
Passaggio 1: Registrati a CometAPI e Ottieni la tua chiave API di CometAPI
Crea o accedi al tuo account CometAPI e apri l'area di gestione delle API. Genera una chiave API dal tuo account CometAPI e preparala per la tua applicazione.
Passaggio 2: Seleziona MiMo-V2.6-Pro
Trova MiMo-V2.6-Pro nel catalogo dei modelli di CometAPI e conferma l'ID del modello come mimo-v2.6-pro. Imposta MiMo-V2.6-Pro come modello di destinazione nella tua integrazione CometAPI. Configura l'applicazione in base alle capacità di testo, immagini, video, audio, ragionamento o chiamata di strumenti richieste dal tuo workflow.
Passaggio 3: Invia le richieste
Invia richieste tramite l'integrazione CometAPI e fornisci gli input richiesti per la tua applicazione.
Passaggio 4: Elabora la risposta
Utilizza l'output del modello restituito, i dati strutturati, i risultati di ragionamento o le informazioni sulle chiamate agli strumenti all'interno del workflow della tua applicazione.