MiMo-V2.6-Flash는 무엇인가요?
MiMo-V2.6-Flash는 MiMo-V2.6 패밀리 내에서 Xiaomi의 효율성 중심 모델입니다. 고빈도 호출, 대규모 워크로드, 코딩, 자동화, 장기 지평 에이전트 작업을 위해 설계된 네이티브 멀티모달 추론 모델입니다.
이 모델은 입력으로 텍스트, 이미지, 비디오, 오디오를 받아 텍스트 출력을 생성합니다. Xiaomi는 이를 실사용 워크플로에 최적화된 풀-모달리티 모델로 설명하며, 1-million-token 컨텍스트 윈도우, 딥 씽킹, 도구 호출, 구조화된 출력, 스트리밍, 웹 검색, 컨텍스트 캐싱 기능을 제공합니다.
오픈 가중치 MiMo-V2.6-Flash-RL 체크포인트는 309 billion 총 파라미터와 15 billion 활성화 파라미터를 갖춘 스파스 Mixture-of-Experts 아키텍처를 사용합니다. 모델 카드는 1M-토큰 컨텍스트 길이, 681M-파라미터 비전 인코더, 오디오 인코더, 5-계층 스펙큘러티브 디코더를 설명합니다.
기술 사양
| 사양 | MiMo-V2.6-Flash |
|---|---|
| Model ID | mimo-v2.6-flash |
| Provider | Xiaomi MiMo |
| Model Type | Multimodal reasoning model |
| Architecture | Sparse MoE |
| Total Parameters | 309B |
| Activated Parameters | 15B |
| Input Modalities | Text, Image, Video, Audio |
| Output Modality | Text |
| Context Window | 1M tokens |
| Maximum Output | Up to 128K tokens |
| Reasoning | Deep thinking |
| Tool Calling | Supported |
| Structured Output | Supported |
| Streaming | Supported |
| Web Search | Supported |
| Context Caching | Supported |
공식 Xiaomi 모델 페이지에는 1M-token 컨텍스트 윈도우, 최대 128K 출력 토큰, 100 RPM, 10M TPM이 기재되어 있습니다.
MiMo-V2.6-Flash의 주요 기능
1. 네이티브 풀-모달리티 이해
MiMo-V2.6-Flash는 동일한 모델에서 텍스트, 이미지, 비디오, 오디오를 처리하도록 설계되었습니다. 이는 정보가 전적으로 텍스트에만 담겨 있지 않고 여러 미디어 형식에 분산된 애플리케이션에 적합합니다.
일반적인 적용 사례로는 멀티모달 문서 분석, 시각 검사, 비디오 이해, 오디오 기반 연구, 다양한 증거 유형을 결합하는 워크플로가 포함됩니다.
2. 1M-토큰 롱 컨텍스트
이 모델은 최대 1 million 토큰의 컨텍스트 윈도우를 지원하여 대규모 리포지토리, 장문 문서, 확장된 도구 트레이스, 멀티 세션 에이전트 워크플로에 적합합니다. Xiaomi는 이 모델을 장기 지평 작업과 멀티-에이전트 협업을 위한 모델로 포지셔닝합니다.
이처럼 큰 컨텍스트 용량은 처리 전에 방대한 정보를 반복적으로 요약하거나 분할해야 하는 필요성을 줄여줍니다.
3. 추론 및 에이전트형 워크플로
MiMo-V2.6-Flash는 추론 지향 및 에이전트형 워크로드를 중심으로 구축되었습니다. 공식 기능 목록에는 딥 씽킹과 도구 호출이 포함되며, 모델 카드는 코딩, 범용 에이전트, 비주얼 태스크, 사이버보안 전반에 걸친 혼합 강화학습을 설명합니다.
이는 다음과 같은 애플리케이션에 적합합니다:
- 다단계 리서치 에이전트
- 코딩 에이전트
- 도구 오케스트레이션
- 컴퓨터-사용 워크플로
- 자동화된 분석
- 장기 계획 작업
4. 도구 호출 및 구조화된 출력
이 모델은 도구 호출과 구조화된 출력을 지원하여, 모델이 외부 함수를 호출하거나 예측 가능한 기계 판독 형식으로 정보를 반환해야 하는 애플리케이션에서 활용될 수 있습니다.
이는 검색, 데이터베이스, API, 비즈니스 도구 또는 기타 애플리케이션 기능에 LLM을 연결하는 에이전트 시스템에 특히 유용합니다.
5. 멀티모달 에이전트 역량
MiMo-V2.6-Flash는 멀티모달 이해와 에이전트 지향 추론을 결합합니다. 이미지, 비디오, 오디오, 텍스트 처리를 별개의 모델 작업으로 다루는 대신, 이러한 입력을 위한 통합 모델 인터페이스를 제공합니다.
이 아키텍처는 도표가 포함된 기술 문서 검토, 녹화된 회의 분석, 비디오 증거 점검, 스크린샷과 텍스트 지침 결합 등의 워크플로에 유용합니다.
6. 효율성 지향 MiMo-V2.6 설계
Flash 변형은 Xiaomi가 MiMo-V2.6 패밀리에서 효율성 균형 멤버로 포지셔닝했습니다. 스파스 MoE 설계는 모든 토큰마다 전체 파라미터 풀을 사용하는 대신 각 토큰에 대해 파라미터의 하위 집합만 활성화합니다.
이 모델은 또한 병렬 검증을 위해 다수의 후속 토큰을 예측하는 5-계층 스펙큘러티브 디코더를 사용하며, 이는 추론 효율을 향상시키기 위한 아키텍처적 접근입니다.
벤치마크 성능
Xiaomi가 공개한 평가 표는 코딩, 범용 에이전트, 사이버보안, 비주얼 에이전트 벤치마크에서의 MiMo-V2.6-Flash 결과를 보고합니다. 이는 공급사 공개 벤치마크 결과이므로 독립적인 서드파티 순위로 간주해서는 안 됩니다.
| 벤치마크 | 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 |
예를 들어, Xiaomi는 Terminal Bench 2.1에서 87.6, OSWorld-Verified에서 80.8, Toolathlon-Verified에서 73.6, CyberGym에서 95.1을 보고합니다.
이 벤치마크 프로파일은 해당 모델이 전통적인 대화형 모델로만 포지셔닝되기보다 에이전트, 코딩, 도구 사용, 멀티모달 워크플로에 특히 맞춰 설계되었음을 시사합니다.
MiMo-V2.6-Flash와 MiMo-V2.6-Pro 비교
MiMo-V2.6-Flash와 MiMo-V2.6-Pro는 동일한 모델 패밀리에 속하며 네이티브 멀티모달 및 1M-컨텍스트 설계를 공유하지만, 모델-효율성 스펙트럼에서 서로 다른 지점을 겨냥합니다.
| 기능 | MiMo-V2.6-Flash | MiMo-V2.6-Pro |
|---|---|---|
| Family | MiMo-V2.6 | MiMo-V2.6 |
| Architecture | Sparse MoE | Sparse MoE |
| Total Parameters | 309B | 1.02T |
| Activated Parameters | 15B | 42B |
| Context | 1M tokens | 1M tokens |
| Input | Text, image, video, audio | Text, image, video, audio |
| Main Positioning | Efficiency-balanced | Flagship |
| Agent Workflows | Supported | Supported |
| Tool Calling | Supported | Supported |
공개된 아키텍처에 따르면 Pro 모델은 총 1.02T/활성화 42B 파라미터이며, Flash는 총 309B/활성화 15B 파라미터입니다.
MiMo-V2.6-Flash vs 다른 모델
MiMo-V2.6-Flash는 롱 컨텍스트, 네이티브 멀티모달 입력, 추론, 에이전트 지향 도구 사용이라는 네 가지 특성을 하나의 모델에 결합하여 현대 멀티모달 추론 모델 중 독특한 위치를 차지합니다.
일반적인 텍스트 전용 추론 모델과 비교하면 MiMo-V2.6-Flash는 이미지, 비디오, 오디오를 직접 통합할 수 있습니다. 더 작은 멀티모달 모델과 비교하면 1M-토큰 컨텍스트로 인해 대규모 리포지토리와 확장된 에이전트 트래젝터리에 더 적합합니다. 더 큰 MiMo-V2.6-Pro와 비교하면 Flash는 보다 효율성 지향 아키텍처를 강조합니다.
대표적 사용 사례
코딩 및 소프트웨어 엔지니어링
MiMo-V2.6-Flash는 코드 생성, 디버깅, 리포지토리 분석, 소프트웨어 기획, 에이전트형 개발 워크플로에 사용할 수 있습니다.
공개된 결과에는 DeepSWE v1.1, ProgramBench, MiMo Code Bench, Terminal Bench 평가가 포함됩니다.
롱-컨텍스트 문서 분석
1M-토큰 컨텍스트 윈도우는 대량의 문서, 기술 사양, 연구 자료, 장기간 프로젝트 히스토리를 공격적으로 요약하거나 분할하지 않고 분석하는 데 적합합니다.
멀티모달 연구
이 모델은 텍스트, 이미지, 비디오, 오디오를 입력으로 지원하므로 단일 추론 워크플로에서 서로 다른 미디어 소스의 정보를 결합할 수 있습니다.
에이전트 및 도구 자동화
도구 호출, 구조화된 출력, 추론, 롱 컨텍스트는 작업 계획, 외부 도구 호출, 결과 점검, 다단계 추론을 수행해야 하는 에이전트에 적합합니다.
컴퓨터-사용 워크플로
공개된 OSWorld-Verified 80.8 및 기타 에이전트 벤치마크는 Xiaomi가 전통적인 언어 모델 벤치마크 외에도 대화형 에이전트 작업에서 모델을 평가한다는 점을 보여줍니다.
멀티모달 비즈니스 워크플로
MiMo-V2.6-Flash는 보고서, 스크린샷, 녹음, 프레젠테이션, 문서 및 기타 혼합 미디어 비즈니스 정보를 포함하는 워크플로를 지원하여 단일 모델이 다양한 입력 유형을 종합해야 하는 경우에 적합합니다.
한계
MiMo-V2.6-Flash는 최근 출시된 모델로, 벤치마크 커버리지와 독립적인 서드파티 평가가 아직 진행 중입니다. Xiaomi가 공개한 벤치마크 표는 에이전트 및 멀티모달 작업 전반에 걸친 상당한 증거를 제공하지만, 이는 공급사 보고 결과이며 애플리케이션별 테스트를 대체하지는 않습니다.
또한 스파스 활성화에도 불구하고 대형 아키텍처를 갖추고 있습니다. 자체 호스팅을 고려하는 조직은 15B 활성화 파라미터 수치가 전체 배포 풋프린트를 의미한다고 가정하기보다 하드웨어, 추론 엔진 호환성, 양자화, 처리량, 운영 요구사항을 평가해야 합니다. 공식 모델 카드는 SGLang 및 vLLM에 대한 배포 지침을 제공합니다.
CometAPI를 통해 MiMo-V2.6-Flash API에 액세스하는 방법
1단계: CometAPI에 가입하고 CometAPI API 키 받기
CometAPI 계정을 생성하거나 접속한 뒤, API 관리 영역을 엽니다. CometAPI 계정에서 API 키를 생성하고 애플리케이션 구성에 사용할 수 있도록 보관합니다.
2단계: MiMo-V2.6-Flash 선택 및 애플리케이션 구성
사용 가능한 모델 카탈로그에서 MiMo-V2.6-Flash를 찾고 모델 ID가 mimo-v2.6-flash인지 확인합니다. CometAPI 통합에서 MiMo-V2.6-Flash를 대상 모델로 설정합니다. 애플리케이션 요구에 맞는 멀티모달 입력과 에이전트 기능에 따라 요청을 구성합니다.
3단계: 요청 보내기
CometAPI 통합을 통해 텍스트 또는 지원되는 멀티모달 입력을 제출하고, 반환된 모델 응답을 애플리케이션 워크플로 내에서 사용합니다.
4단계: 응답 처리
애플리케이션의 워크플로에 따라 생성된 텍스트, 구조화된 출력, 추론 결과 또는 도구 호출 정보를 처리합니다.