Che cos'è Xiaomi MiMo-V2.6 e dove posso accedervi?

TL;DR

MiMo-V2.6 è la nuova famiglia di modelli di ragionamento a pesi aperti, multimodale nativa e orientata agli agenti di Xiaomi. MiMo-V2.6-Pro usa un design MoE sparso con 1,02 trilioni di parametri totali e circa 42 miliardi di parametri attivati per token, mentre MiMo-V2.6-Flash usa 309 miliardi di parametri totali e circa 15 miliardi attivi. Entrambi supportano una finestra di contesto da 1M token e input multimodali tra cui testo, immagini, video e audio.

Key Takeaways

• MiMo-V2.6-Pro è un modello MoE sparso da 1,02T parametri con circa 42B parametri attivi per token; Flash utilizza 309B totali e circa 15B parametri attivi.
• Entrambi i modelli supportano una finestra di contesto da 1M token, input multimodali e fino a 128K token di output tramite l'API di Xiaomi.
• La famiglia è progettata per ragionamento, uso di strumenti, ricerca web, output strutturato e flussi di lavoro agentici a lungo orizzonte.
• Xiaomi ha addestrato V2.6 con apprendimento per rinforzo misto su coding, agenti generali, compiti visivi e ambienti di cybersecurity.
• I risultati ufficiali posizionano Pro come l'opzione a capacità più elevata e Flash come l'opzione a costo inferiore e alto volume; resta necessaria una valutazione specifica per carico di lavoro.

What Is Xiaomi MiMo-V2.6?

MiMo-V2.6 è l'ultima generazione della famiglia di modelli MiMo di Xiaomi. L'enfasi non è semplicemente generare risposte migliori, ma eseguire lunghe sequenze di azioni: ispezionare un ambiente, chiamare strumenti, osservare i risultati, correggere errori e proseguire fino al completamento dell'obiettivo. Xiaomi incornicia il rilascio attorno al Recursive Self-Improvement (RSI), ovvero un loop di RL in cui il modello esplora ripetutamente ambienti, riceve segnali di ricompensa più ricchi, confronta traiettorie e apprende strategie più efficaci. Questo non va interpretato come il modello che riscrive autonomamente e addestra il proprio successore.

Pro vs Flash vs UltraSpeed: Qual è la differenza

MiMo-V2.6-Pro or Flash: Which One Should You Use?

Scelta pratica: scegli MiMo-V2.6-Pro per attività difficili a lungo orizzonte in ingegneria, ricerca, cybersecurity e lavoro agentico ad alto valore; scegli MiMo-V2.6-Flash per automazione ad alto volume, elaborazione di documenti e multimodale, e chiamate ripetute sensibili ai costi; scegli MiMo-V2.6-Pro-UltraSpeed quando serve ragionamento a livello Pro ma la latenza è dominante. UltraSpeed è un livello di serving piuttosto che un modello con capacità diverse ed è pubblicizzato fino a 20× la velocità di output del Pro standard.

How Does Xiaomi MiMo-V2.6 Work?

Sparse Mixture-of-Experts architecture

MiMo-V2.6 non attiva l'intero set di parametri per ogni token. Il checkpoint di punta Pro contiene 1,02 trilioni di parametri totali, ma solo circa 42 miliardi sono attivi per ciascun token. La scheda modello di Xiaomi descrive 70 livelli Transformer, 384 esperti instradati e otto esperti attivati alla volta. Flash è sostanzialmente più piccolo con 309B totali / 15B attivi, 48 livelli Transformer e 256 esperti instradati.

L'architettura combina attenzione a finestra scorrevole con livelli di attenzione globale e include un decoder speculativo a cinque livelli con predizione multi-token. L'implicazione pratica è che il conteggio di parametri complessivo e il calcolo per token sono quantità molto diverse: l'instradamento sparso consente a Xiaomi di mantenere un ampio pool di esperti senza eseguire inferenza densa su tutti i pesi per ogni token.

Native multimodal understanding

MiMo-V2.6 utilizza il MiMo ViT da 681M parametri di Xiaomi per la codifica visiva insieme a componenti audio dedicati. Questo dà allo stesso agente la capacità di elaborare istruzioni testuali, screenshot, fotografie, video e audio. Per agenti che usano il computer, la multimodalità nativa è importante perché percezione e decision-making possono avvenire nello stesso loop di ragionamento invece di essere separati in modelli scollegati rivolti all'utente.

Why Is Reinforcement Learning So Important to MiMo-V2.6?

Xiaomi riporta che sia Flash sia Pro hanno attraversato circa 30 fasi di RL e circa 750.000 traiettorie in un esperimento pubblico di addestramento di sei giorni. I costi di training riportati sono stati circa 850.000$ per Flash e 2,62 milioni$ per Pro. Ogni aggiornamento ha utilizzato 1.568 campioni di addestramento, con singoli passi che hanno raggiunto circa 3,5–3,7 miliardi di token. Il mix di compiti ha coperto codice, agenti generali, compiti visivi, cybersecurity e molteplici harness di agenti.

Durante questo processo di RL, Xiaomi riporta che il punteggio out-of-sample DeepSWE v1.1 è salito da 48,8 a 65,7 per Flash e da 58,4 a 72,6 per Pro. Questi numeri descrivono l'esperimento RL live e non vanno confusi con ogni punteggio finale di benchmark per i checkpoint rilasciati, poiché la configurazione di valutazione può differire.

Groupwise agentic grading

Per l'addestramento degli agenti, una ricompensa binaria superato/non superato può nascondere differenze significative tra due traiettorie di successo. Una soluzione può finire rapidamente con poche chiamate di strumenti, mentre un'altra può sprecare decine di passi. Xiaomi quindi descrive Groupwise Reward Synthesis and Groupwise Advantage Redistribution come meccanismi per confrontare traiettorie all'interno di un gruppo e redistribuire il segnale di apprendimento verso soluzioni più pulite. L'obiettivo è migliorare non solo il completamento del compito ma anche l'efficienza del percorso intrapreso.

How Good Is Xiaomi MiMo-V2.6 on Agent Benchmarks?

Le evidenze pubbliche più forti per V2.6 sono concentrate in benchmark agentici piuttosto che in test convenzionali a scelta multipla. Il grafico ufficiale di Xiaomi confronta Pro e Flash con MiMo-V2.5-Pro, Claude Opus 5, GPT-5.6 Sol e Fable 5 su compiti di coding, agenti generali, cybersecurity e agenti visivi.

Coding Progress

I guadagni nel coding sono più chiari nell'esecuzione a lungo orizzonte. Durante la corsa RL live, Xiaomi riporta che il DeepSWE v1.1 out-of-sample è migliorato da 48,8 a 65,7 per Flash e da 58,4 a 72,6 per Pro. Nella tabella cross-modello rilasciata, Pro raggiunge 71,9 su DeepSWE v1.1 e 63,2 su MiMo Code Bench, mentre Flash raggiunge 67,9 e 61,2. Pro non vince ogni test di coding—Claude Opus 5 resta avanti su DeepSWE, ProgramBench e MiMo Code Bench—ma V2.6 combina prestazioni competitive su scala repository con pesi aperti e prezzi API sensibilmente inferiori.

Reasoning and Agentic Progress

Il progresso nel ragionamento è meglio compreso come miglioramento in pianificazione, uso di strumenti e recupero piuttosto che come singolo punteggio di intelligenza astratta. Pro registra 89,9 su Terminal Bench 2.1, 53,1 su AutomationBench e 76,9 su Toolathlon-Verified; Flash registra 87,6, 52,3 e 73,6. Pro supera leggermente i risultati elencati di Claude Opus 5 e GPT-5.6 Sol su Terminal Bench 2.1, mentre entrambi i modelli V2.6 guidano quei comparatori su AutomationBench. Xiaomi attribuisce il miglioramento al confronto di traiettorie a livello di gruppo, valutatori più ricchi, training multi-harness e segnali di ricompensa che favoriscono percorsi di soluzione più brevi e puliti.

Knowledge and Research Progress

I progressi knowledge-intensive sono supportati più da valutazioni agentiche e dimostrazioni che da una suite convenzionale di esami di conoscenza. Pro eguaglia Claude Opus 5 a 31,6 su Agents' Last Exam e raggiunge 62,0 su JobBench. Xiaomi riporta inoltre flussi di lavoro di ricerca sui materiali che coinvolgono recupero di letteratura e brevetti, generazione di ipotesi e screening computazionale, oltre a un progetto di formalizzazione in Lean 4 con oltre 6.000 righe verificate. Questi esempi suggeriscono un rafforzamento di recupero, sintesi, ragionamento formale e lavoro di conoscenza basato su strumenti, ma non vanno trattati come prova indipendente di superiorità conoscitiva universale.

In sintesi: i progressi di V2.6 sono ampi ma irregolari. È più forte come evidenza di miglioramento nel coding a lungo orizzonte e nell'esecuzione di agenti, mentre le affermazioni su ragionamento generale e conoscenza dovrebbero restare legate allo specifico benchmark, harness e dimostrazione.

Nota sui benchmark: salvo diversa indicazione, i risultati cross-modello sotto riportati sono dichiarati da Xiaomi nella scheda modello MiMo-V2.6. I punteggi possono dipendere da versioni dei benchmark, harness di agenti, configurazioni degli strumenti, budget di inferenza e protocolli di valutazione, quindi non dovrebbero essere interpretati come una classifica riprodotta indipendentemente.

MiMo-V2.6 vs MiMo-V2.5: What Changed?

Coding and agent execution

Rispetto a V2.5, il cambiamento più evidente è una policy dell'agente più forte piuttosto che una finestra di contesto più lunga. Xiaomi riporta che V2.6-Flash supera V2.5-Pro sulla sua suite di benchmark per agenti. Durante l'esecuzione di training V2.6, il DeepSWE v1.1 tenuto fuori campione è migliorato da 48,8 a 65,7 per Flash e da 58,4 a 72,6 per Pro; questi punteggi della corsa di training non sono direttamente interscambiabili con la tabella dei benchmark del modello rilasciato sopra.

Reasoning, knowledge, and training breadth

V2.6 estende l'apprendimento per rinforzo su coding, agenti generali, visione, cybersecurity e molteplici harness. Xiaomi riporta circa 750.000 traiettorie su circa 30 fasi di RL. Questo supporta una pianificazione più ampia, uso di strumenti e recupero, ma non stabilisce di per sé un guadagno universale su ogni benchmark di conoscenza o ragionamento; confronta compiti e impostazioni di valutazione corrispondenti.

Migration and openness

Il rilascio aggiunge anche codice RL, oltre 7.000 ambienti di compiti, infrastruttura di training e un checkpoint di distillazione da 9B. Il contesto da 1M token e gli input multimodali sono continuità da V2.5, non nuove svolte di V2.6.

Il cambiamento pratico non è quindi un nuovo involucro di contesto—il contesto da 1M e la piena multimodalità già esistevano in V2.5—ma una policy dell'agente più forte addestrata con una quantità sostanzialmente maggiore di calcolo per RL e ambienti verificabili più ampi. Xiaomi ha annunciato che i nomi dei modelli V2.5 e V2.5-Pro smetteranno di funzionare il 21 ottobre 2026, quindi i nuovi deployment dovrebbero puntare a V2.6 e quelli esistenti dovrebbero pianificare test di migrazione.

How V2.6 compares with other frontier models

Per un set di confronto aggiornato, valuta MiMo-V2.6 contro Claude Opus 5.5 per coding agentico a lunga esecuzione, Claude Fable 5.1 per il lavoro autonomo più difficile, GPT-6 Sol e Gemini 4 Pro. La disponibilità dei modelli e i prezzi sono dinamici, quindi i confronti in produzione dovrebbero usare il catalogo live e prompt, strumenti, budget di sforzo e criteri di accettazione corrispondenti.

What Can Xiaomi MiMo-V2.6 Actually Do?

Coding and software-engineering agents

MiMo-V2.6 è progettato per lunghe traiettorie di ingegneria del software: ispezionare repository, modificare codice, usare strumenti da terminale, eseguire test, diagnosticare fallimenti e proseguire finché l'obiettivo non è soddisfatto. I suoi risultati in DeepSWE, Terminal Bench, AutomationBench e Toolathlon indicano che Xiaomi sta ottimizzando per l'esecuzione piuttosto che solo per il completamento del codice. Carichi di lavoro pratici includono agenti di coding, debug automatizzato, refactoring di repository, risoluzione di problemi di CI e flussi di lavoro ingegneristici multi-strumento.

Computer use

Xiaomi dimostra esplicitamente un Computer Use Agent (CUA). Il modello può interpretare interfacce grafiche, recuperare informazioni, modificare contenuti, elaborare dati, ispezionare risultati, diagnosticare problemi e cambiare azioni successive basandosi sul feedback visivo. In questo flusso di lavoro, l'output del modello spesso non è il prodotto finale; può invece determinare la successiva azione software o del browser.

3D worlds and Blender workflows

Sotto il concetto "Vibe World", MiMo-V2.6 può prendere riferimenti testuali, di immagini o video e scomporre una richiesta 3D in compiti di costruzione della scena, programmazione dell'interazione e verifica visiva. Xiaomi dimostra anche il controllo di Blender da parte del modello per creare oggetti e scene 3D da descrizioni o immagini di riferimento. Questo estende il vibe coding oltre il codice applicativo in ambienti interattivi.

Robotics and embodied agents

Xiaomi dimostra MiMo-V2.6 in un ambiente di simulazione embodied usando immagini da telecamere multi-vista e un braccio robotico Franka Panda. Esempi di compiti includono afferrare oggetti, abbinamento di colori e posizionamento preciso. Questo non stabilisce V2.6 come un modello di base universale per la robotica, ma mostra come la visione nativa e il decision-making a lungo orizzonte possano essere collegati a loop di controllo embodied.

Scientific research and formal reasoning

Xiaomi riporta un caso di scienza dei materiali in cui MiMo-V2.6-Pro ha assistito ricercatori con framework metallo-organici per l'adsorbimento PFAS, includendo ricerca di letteratura e brevetti, formulazione di candidati e chiamate a strumenti computazionali. In un altro esperimento, il modello ha aiutato a formalizzare il teorema principale di "Period Three Implies Chaos" in Lean 4. Xiaomi riporta un progetto completato che supera le 6.000 righe di codice Lean, verificato dal kernel di Lean senza placeholder non provati. Questi esempi vanno interpretati come dimostrazioni di flussi di lavoro di ricerca agentici, non come prova di scoperta scientifica autonoma.

Websites, presentations, video, and music

MiMo-V2.6 può coordinare coding front-end, flussi di lavoro di design, slide, asset SVG, pipeline video e strumenti di produzione musicale. Xiaomi dimostra l'orchestrazione con sistemi media specializzati, inclusa la narrazione tramite MiMo-V2.5-TTS, invece di sostenere che V2.6 sostituisca ogni generatore di immagini, video o audio. Il modello si adatta quindi naturalmente come orchestratore di produzione creativa.

I casi d'uso in questa sezione sono dimostrazioni di Xiaomi, non evidenza indipendente che ogni deployment riprodurrà gli stessi risultati. I team di produzione dovrebbero testare il modello con i propri strumenti, permessi, recupero dagli errori e criteri di valutazione.

How Much Does Xiaomi MiMo-V2.6 Cost?

Xiaomi mantiene i prezzi API di V2.6 allo stesso livello generale della generazione V2.5. Flash è particolarmente notevole per carichi ad alto volume: i prezzi ufficiali di Xiaomi mostrano 0,14$ per milione di token di input non in cache e 0,28$ per milione di token di output.

CometAPI Pricing and Availability

How Can Developers Access Xiaomi MiMo-V2.6?

Xiaomi espone i modelli tramite un'API compatibile con OpenAI e documenta la compatibilità con il protocollo Anthropic sulle sue pagine modello ufficiali. Gli identificatori ufficiali sono mimo-v2.6-pro, mimo-v2.6-flash e mimo-v2.6-pro-ultraspeed. Xiaomi documenta chiamata di strumenti, output strutturato, streaming, controlli di ragionamento, cache del contesto e ricerca web. L'interfaccia compatibile OpenAI usa valori thinking.type come enabled o disabled, con deep thinking abilitato per impostazione predefinita per i modelli V2.6.

Gli sviluppatori hanno tre percorsi pratici di accesso. Primo, scaricare il checkpoint a pesi aperti Pro o Flash per un'integrazione self-hosted, soggetta a requisiti di serving sostanziali. Secondo, usare l'API gestita di Xiaomi con una chiave Xiaomi e il suo endpoint documentato. Terzo, usare una route CometAPI supportata con una chiave CometAPI e base URL; questo può semplificare valutazioni multi-modello e fatturazione. Assistenti di coding come Claude Code possono usare una route compatibile Anthropic quando quella route e quel modello sono supportati, ma la compatibilità deve essere testata e non assunta.

Accessing MiMo-V2.6 through CometAPI

CometAPI fornisce un endpoint unificato e uno strato di fatturazione per i modelli supportati. Il principale vantaggio operativo è la semplicità di migrazione: i team possono mantenere un SDK familiare, cambiare la base URL e l'ID modello, confrontare MiMo con altri modelli di frontiera nello stesso account e centralizzare controlli di utilizzo, prezzi e disponibilità. Questo è utile per routing multi-modello, strategie di fallback, fatture consolidate e valutazioni che necessitano di prompt identici tra provider.

CometAPI documenta tre formati di richiesta testuale a livello di piattaforma: OpenAI Chat Completions, Anthropic Messages e OpenAI Responses. Per un SDK compatibile, la migrazione generalmente significa cambiare base URL, chiave API e ID modello piuttosto che riscrivere l'intera applicazione. Il supporto di endpoint e parametri può variare per modello, quindi testa l'esatta variante MiMo-V2.6 e il formato di richiesta prima di dichiarare che tutte e tre le route funzionano per essa.

Verificato il 23 settembre 2026, MiMo-V2.6-Pro-UltraSpeed ha una route di catalogo disponibile con prezzi di input e output elencati. Le pagine dedicate di Pro e Flash mostrano Coming soon nelle snapshot del catalogo anche se i pannelli di salute dell'API dicono Available. Consideralo come un segnale di pagina incoerente, non una disponibilità o un prezzo di produzione confermati. Controlla il catalogo live, la dashboard e una richiesta di test prima del deployment.

Il seguente esempio segue il pattern dell'SDK Anthropic pubblicato da CometAPI e chiama la route UltraSpeed attualmente elencata. Conserva la chiave API in una variabile di ambiente.

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'mimo-v2.6-pro-ultraspeed',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Analizza questo progetto e proponi i prossimi passi di implementazione.' }],
});

Is Xiaomi MiMo-V2.6 Open Source?

Xiaomi ha rilasciato pesi del modello, materiale tecnico, risorse RL, ambienti di training e infrastrutture correlate. Il rilascio include oltre 7.000 ambienti di compiti RL che spaziano dall'ingegneria del software, riproduzione di vulnerabilità, lavoro knowledge-intensive e progettazione/sviluppo web. Xiaomi ha inoltre rilasciato MiMo-V2.6-Distill-Qwen-9B così che i ricercatori possano studiare la pipeline di RL su scala molto più piccola.

Schede modello ufficiali: MiMo-V2.6-Pro-RL | MiMo-V2.6-Flash-RL

What Are the Limitations of Xiaomi MiMo-V2.6?

Il titolo da trilione di parametri non va trattato come prova che V2.6 sia universalmente più forte dei sistemi closed di frontiera. La tabella dei benchmark di Xiaomi stessa mostra un quadro misto: Claude Opus 5 resta avanti su alcuni benchmark di coding, uso di strumenti e OS, mentre GPT-5.6 Sol guida anche su test selezionati. La valutazione specifica per carico di lavoro è quindi più significativa di un'etichetta di vincitore generale.

L'auto-hosting del checkpoint completo Pro è anche un compito con infrastruttura pesante. Pesi aperti non significano un deployment facile su workstation. Inoltre, diverse dimostrazioni di punta—ricerca, controllo embodied, mondi 3D e produzione video—dipendono da strumenti esterni e harness di agenti. MiMo-V2.6 dovrebbe essere valutato come modello all'interno di un sistema, non solo come un modello di chat standalone.

Why Does Xiaomi MiMo-V2.6 Matter?

MiMo-V2.6 combina tre direzioni importanti: modelli MoE molto grandi e sparsi, multimodalità nativa e apprendimento per rinforzo su ambienti reali per agenti. La cifra di 1,02T parametri attira attenzione, ma la scelta progettuale più consequenziale è l'investimento di Xiaomi in interazione ripetuta con ambienti, valutazione di traiettorie, uso di strumenti e auto-correzione.

Se questo approccio continua a scalare, i modelli aperti potrebbero essere differenziati non solo da quanta conoscenza statica contengono, ma da quanto efficacemente agiscono, valutano, recuperano e completano compiti lunghi. MiMo-V2.6 è quindi meglio inteso come un modello di base orientato agli agenti aperto piuttosto che semplicemente un altro chatbot da un trilione di parametri.

Conclusion

MiMo-V2.6 è un rilascio a pesi aperti sostanziale perché combina input nativi di testo, immagine, video e audio con lungo contesto, inferenza MoE sparsa e apprendimento per rinforzo su ambienti reali per agenti. Pro è più adatto a compiti difficili a lungo orizzonte, Flash punta a carichi ad alto volume e sensibili ai costi, e UltraSpeed scambia un prezzo API significativamente più alto per una latenza inferiore.

La famiglia di modelli è competitiva su diversi benchmark agentici riportati dal fornitore, ma non guida ogni valutazione e non dovrebbe essere trattata come un sostituto universale dei modelli closed di frontiera. Il percorso di adozione più affidabile è testare MiMo-V2.6 rispetto a strumenti, obiettivi di latenza, modalità di errore e profilo di costo esatti del flusso di lavoro di produzione previsto.

FAQ

What should teams test before moving MiMo-V2.6 into production?

Testa il sistema completo piuttosto che il solo modello. Misura completamento dei compiti, accuratezza delle chiamate agli strumenti, recupero da azioni fallite, latenza, consumo di token, gestione del contesto e confini di permessi. I benchmark per agenti forniscono orientamento, ma le valutazioni interne dovrebbero rispecchiare il repository, il browser, il documento o il flusso di lavoro di ricerca effettivi.

Why can self-hosting MiMo-V2.6-Pro be difficult despite its sparse architecture?

L'attivazione sparsa riduce il calcolo per token rispetto a un modello denso da un trilione di parametri, ma il checkpoint completo ha comunque un'impronta molto ampia in memoria e serving distribuito. Il deployment in produzione può richiedere inferenza multi-nodo, parallelismo sugli esperti, kernel specializzati e un'attenta pianificazione della capacità.

How should developers interpret Xiaomi's cross-model benchmark table?

Trattala come evidenza riportata dal fornitore, non come una classifica universale riprodotta indipendentemente. I risultati possono cambiare con l'harness dell'agente, il budget di inferenza, gli strumenti, l'immagine dell'ambiente, il metodo di campionamento e la versione del benchmark. Confronta le tendenze su più compiti e riproduci internamente i carichi di lavoro più rilevanti.

When is MiMo-V2.6-Flash a better choice than Pro?

Flash è la scelta più forte quando dominano volume di chiamate e costo, specialmente per elaborazione di documenti, analisi multimodale e passi agentici ripetuti. Pro è più appropriato quando un ragionamento difficile o un'esecuzione a lungo orizzonte forniscono abbastanza valore di business da giustificare il prezzo più alto.

Does a 1M-token context window eliminate the need for retrieval or prompt management?

No. Una finestra più grande aumenta la capacità, ma inviare cronologia non necessaria può aumentare latenza e costo e può diluire l'evidenza rilevante. Recupero, sintesi, memoria strutturata e potatura del contesto restano importanti per agenti affidabili in produzione.