MiMo V2.6 Pro API

MiMo-V2.6-Pro とは？

MiMo-V2.6-Pro は Xiaomi MiMo のフラッグシップとなるマルチモーダル推論モデルで、複雑なプロジェクト、長期的タスク、プロフェッショナルなワークフロー、リサーチ、サイバーセキュリティ、コーディング、エージェント型アプリケーション向けに構築されています。

このモデルは単一の統合モデル内で、テキスト、画像、動画、音声をネイティブに理解します。100 万トークンのコンテキストウィンドウと最大 128K 出力トークンを提供し、大規模リポジトリ、長文ドキュメント、拡張されたツールトレース、複数セッションにわたるエージェントのワークフローに適しています。

オープンウェイトの MiMo-V2.6-Pro-RL チェックポイントは、疎な Mixture-of-Experts アーキテクチャを採用し、総パラメータ数 1.02 trillion、活性化パラメータ 42 billion を備えています。アーキテクチャには 681M パラメータのビジョンエンコーダ、専用のオーディオエンコーダ、5 層のスペキュレーティブ・デコーダが含まれます。

技術仕様

Xiaomi の公式モデルページには、このモデル API のレートとして 100 RPM と 10M TPM が記載されています。

MiMo-V2.6-Pro の主な特長

1. ネイティブなオムニモーダル理解

MiMo-V2.6-Pro は、テキスト、画像、動画、音声を、別個の補助ワークフローに分離するのではなく、共同で理解するよう設計されています。

これにより、画像付きドキュメント、動画ベースの分析、音声コンテンツ、スクリーンショット、テキスト指示など、異なる形式の情報を単一の推論プロセス内で組み合わせるアプリケーションが可能になります。

2. 100 万トークンの長大コンテキスト

このモデルは最大 100 万トークンのコンテキストウィンドウを提供します。これにより、大規模なコードベース、長文ドキュメント、膨大な調査資料、永続的なエージェント履歴、大規模なツールコールのトレースを伴うワークフローに適しています。

長大なコンテキストウィンドウはエージェントシステムにとって特に有用で、会話を繰り返し圧縮することなく、豊富なタスク履歴と中間結果を保持できます。

3. 高度な推論とエージェント能力

MiMo-V2.6-Pro は、推論集約型かつ長期的なワークフローを中心に設計されています。Xiaomi は、複雑なプロジェクト、マルチエージェント協調、プロフェッショナルなワークロードを主なユースケースとして強調しており、深い思考やツール呼び出しにも対応します。

これらの能力により、以下に適しています。

• 複雑なソフトウェアエンジニアリング
• リサーチエージェント
• マルチステップの計画
• ツールのオーケストレーション
• コンピュータ操作ワークフロー
• サイバーセキュリティ分析
• 知識集約型タスク

4. ツール呼び出しと構造化出力

MiMo-V2.6-Pro はツール呼び出しと構造化出力に対応しており、モデルを外部 API、データベース、検索システム、業務ツール、その他のソフトウェアコンポーネントに接続できます。

構造化出力は、モデルの応答を自然言語テキストとして表示するだけでなく、下流のアプリケーションロジックで消費する必要がある場合に特に有用です。

5. 長期的なエージェントワークフロー

長大なコンテキスト、マルチモーダル理解、推論、ツール利用を組み合わせることで、MiMo-V2.6-Pro は複数段階の計画と実行を要するワークフローを扱うことができます。

Xiaomi は MiMo-V2.6 シリーズを、マルチモーダル、マルチエージェント、マルチハーネス協調に最適化したと説明しています。公式の例には、コーディング、オフィスワーク、デザイン、リサーチ、コンテンツ制作、サイバーセキュリティ、コンピュータ操作が含まれます。

6. オープンウェイトのモデルアーキテクチャ

MiMo-V2.6-Pro-RL はオープンウェイトのチェックポイントとして公開されています。モデルカードでは、総パラメータ数 1.02T、活性化パラメータ 42B のスパース MoE アーキテクチャに加え、専用のビジョンおよびオーディオエンコーダについて記載されています。

また、コーディング、汎用エージェント、ビジュアルエージェント、サイバーセキュリティ能力を向上させるために用いた強化学習手法についても記述されています。

ベンチマーク性能

Xiaomi が公開した評価は、コーディングエージェント、汎用エージェント、サイバーセキュリティ、ビジュアルエージェントのタスクをカバーしています。これらは提供元が公開した評価結果であり、独立した第三者のベンチマーク研究とは区別して扱う必要があります。

注目すべき報告結果として、Terminal Bench 2.1 で 89.9、OSWorld-Verified で 82.0、Toolathlon-Verified で 76.9、CyberGym で 94.0 が挙げられます。

Xiaomi の公式モデルページでは、Artificial Analysis の複合知能指数スコアとして 46.32 も報告されています。これは Xiaomi が参照する第三者評価のため、Xiaomi 独自のベンチマーク群とは分けて扱うのが適切です。

MiMo-V2.6-Pro と MiMo-V2.6-Flash の比較

MiMo-V2.6-Pro と MiMo-V2.6-Flash は、マルチモーダルおよび長大コンテキストという広い設計思想を共有しますが、ターゲットとするモデル規模が異なります。

主なアーキテクチャ上の違いはモデル規模で、Pro チェックポイントは総 1.02T／活性化 42B に対し、Flash は総 309B／活性化 15B です。

MiMo-V2.6-Pro と他の推論モデルの比較

MiMo-V2.6-Pro は、しばしば別々のモデルカテゴリに分散している複数の能力（マルチモーダル理解、長大コンテキスト推論、コーディング、ツール利用、エージェント実行）を組み合わせています。

1M トークンのコンテキストは、コンテキストウィンドウが著しく小さいモデルとの差別化要因であり、ネイティブな画像・動画・音声入力はテキスト中心の推論システムを超える拡張性を提供します。スパース MoE アーキテクチャは、総モデル容量とトークンごとに活性化されるパラメータ数を分離している点でも特徴的です。

エージェント指向のアプリケーションに対しては、公開されている評価スイートが、従来の言語ベンチマークに専念するのではなく、ソフトウェアエンジニアリング、汎用ツール利用、コンピュータ操作、サイバーセキュリティ、ビジュアルコーディングをカバーしていることも特長です。

代表的なユースケース

複雑なソフトウェアエンジニアリング

MiMo-V2.6-Pro は、コード生成、リポジトリ分析、デバッグ、ソフトウェアアーキテクチャ、タスク計画、自律型コーディングワークフローを支援できます。

公開評価には、DeepSWE v1.1、ProgramBench、MiMo Code Bench、Terminal Bench が含まれます。

長大コンテキストのリサーチ

100 万トークンのコンテキストにより、長文の論文、技術ドキュメント、データセット、ノート、蓄積されたリサーチ履歴を伴う大規模な研究プロジェクトに適しています。

マルチモーダル分析

アプリケーションは、単一のワークフロー内でテキスト、画像、動画、音声を組み合わせられます。これは、マルチメディアドキュメント、記録資料、視覚的証拠、スクリーンショット、混在形式の研究データを分析する際に有用です。

AI エージェントとツール自動化

ツール呼び出し、構造化出力、深い思考、長大コンテキストにより、MiMo-V2.6-Pro は外部ツールを計画的に呼び出し、結果を検査し、複数のステップにわたって作業を継続する必要があるエージェントに適しています。

サイバーセキュリティ

サイバーセキュリティは、Xiaomi が公開するモデル結果に含まれる評価領域の一つです。モデルは CyberGym で 94.0、MiMo Cyber Bench で 80.2、ExploitBench で 47.9、SEC Bench Pro で 66.3 を報告しています。

コンピュータ操作ワークフロー

MiMo-V2.6-Pro は OSWorld-Verified で 82.0 を記録しており、コンピュータとのインタラクションや UI 指向の自動化も有望な適用分野です。

科学およびプロフェッショナルなワークフロー

Xiaomi は MiMo-V2.6-Pro を、材料研究を含む科学研究ワークフローのほか、デザイン、コンテンツ制作、オフィスワーク、その他の複雑なプロフェッショナルタスクで紹介しています。

制限事項

MiMo-V2.6-Pro のベンチマーク結果は主に Xiaomi によって公開されており、各ベンチマークの方法論の文脈で解釈すべきで、アプリケーション性能の普遍的な指標として扱うべきではありません。

また、総パラメータ数 1.02T のアーキテクチャは、大規模な基盤モデル規模を示します。42B の活性化パラメータという数値は、完全なハードウェアまたはデプロイのフットプリントではなく、疎な活性化を説明するものです。セルフホスティングを検討する組織は、推論エンジンのサポート、メモリ要件、量子化、スループット、ハードウェア要件を個別に評価する必要があります。

API ベースのアプリケーションについては、ホストされたモデルに Xiaomi の API プラットフォーム経由でアクセスでき、オープンウェイトのチェックポイントは、自前の推論基盤を運用したい組織に別の選択肢を提供します。

CometAPI 経由で MiMo-V2.6-Pro API にアクセスする方法

ステップ 1: CometAPI にサインアップ して CometAPI の API キーを取得

CometAPI アカウントを作成またはログインし、API 管理エリアを開きます。CometAPI アカウントから API キーを生成し、アプリケーションで使用できるように準備します。

ステップ 2: MiMo-V2.6-Pro を選択

CometAPI のモデルカタログで MiMo-V2.6-Pro を見つけ、モデル ID が mimo-v2.6-pro であることを確認します。CometAPI への統合で MiMo-V2.6-Pro をターゲットモデルとして設定します。ワークフローに必要なテキスト、画像、動画、音声、推論、ツール呼び出し機能に応じてアプリケーションを構成します。

ステップ 3: リクエストを送信

CometAPI 連携を通じてリクエストを送信し、アプリケーションに必要な入力を提供します。

ステップ 4: レスポンスを処理

返却されたモデル出力、構造化データ、推論結果、またはツールコール情報を、アプリケーションのワークフロー内で活用します。