MiMo V2.6 Flash API

O que é o MiMo-V2.6-Flash?

MiMo-V2.6-Flash é o modelo da Xiaomi com foco em eficiência na família MiMo-V2.6. É um modelo de raciocínio multimodal nativo projetado para chamadas de alta frequência, cargas de trabalho em larga escala, programação, automação e tarefas de agentes de longo horizonte.

O modelo aceita texto, imagens, vídeo e áudio como entrada e produz saída em texto. A Xiaomi o descreve como um modelo totalmente multimodal otimizado para fluxos de trabalho do mundo real, com uma janela de contexto de 1 milhão de tokens, raciocínio profundo, chamadas de ferramentas, saída estruturada, streaming, pesquisa na web e cache de contexto.

O checkpoint de pesos abertos MiMo-V2.6-Flash-RL utiliza uma arquitetura esparsa de Mixture-of-Experts com 309 bilhões de parâmetros totais e 15 bilhões de parâmetros ativados. Seu model card descreve um comprimento de contexto de 1M tokens, um codificador de visão de 681M de parâmetros, codificadores de áudio e um decodificador especulativo de cinco camadas.

Especificações técnicas

A página oficial do modelo da Xiaomi lista uma janela de contexto de 1M tokens, até 128K tokens de saída, 100 RPM e 10M TPM.

Principais recursos do MiMo-V2.6-Flash

1. Compreensão nativa totalmente multimodal

MiMo-V2.6-Flash foi projetado para processar texto, imagens, vídeo e áudio no mesmo modelo. Isso o torna adequado para aplicações em que as informações estão distribuídas em vários formatos de mídia, em vez de estarem contidas inteiramente em texto.

Aplicações típicas incluem análise de documentos multimodais, inspeção visual, compreensão de vídeo, pesquisa informada por áudio e fluxos de trabalho que combinam diferentes tipos de evidências.

2. Contexto longo de 1M tokens

O modelo suporta uma janela de contexto de até 1 milhão de tokens, tornando-o adequado para grandes repositórios, documentos extensos, trilhas de ferramentas estendidas e fluxos de trabalho de agentes com várias sessões. A Xiaomi posiciona especificamente o modelo para tarefas de longo horizonte e colaboração multiagente.

Essa grande capacidade de contexto pode reduzir a necessidade de resumir ou dividir repetidamente grandes volumes de informação antes do processamento.

3. Raciocínio e fluxos de trabalho orientados a agentes

MiMo-V2.6-Flash é construído em torno de cargas de trabalho orientadas a raciocínio e agentes. Sua lista oficial de capacidades inclui raciocínio profundo e chamadas de ferramentas, enquanto o model card descreve aprendizado por reforço misto em programação, agentes gerais, tarefas visuais e cibersegurança.

Isso torna o modelo relevante para aplicações como:

• Agentes de pesquisa de múltiplas etapas
• Agentes de programação
• Orquestração de ferramentas
• Fluxos de trabalho de uso de computador
• Análise automatizada
• Tarefas de planejamento de longa duração

4. Chamadas de ferramentas e saída estruturada

O modelo oferece chamadas de ferramentas e saída estruturada, permitindo sua participação em aplicações em que o modelo precisa invocar funções externas ou retornar informações em um formato previsível e legível por máquina.

Isso é particularmente útil para sistemas de agentes que conectam um LLM a busca, bancos de dados, APIs, ferramentas de negócios ou outras funções de aplicação.

5. Capacidades de agente multimodal

MiMo-V2.6-Flash combina compreensão multimodal com raciocínio orientado a agentes. Em vez de tratar o processamento de imagem, vídeo, áudio e texto como tarefas separadas do modelo, ele fornece uma interface de modelo unificada para essas entradas.

Essa arquitetura é útil para fluxos de trabalho como revisar um documento técnico junto com diagramas, analisar reuniões gravadas, inspecionar evidências em vídeo ou combinar capturas de tela com instruções textuais.

6. Design MiMo-V2.6 orientado à eficiência

A variante Flash é posicionada pela Xiaomi como o membro equilibrado em eficiência da família MiMo-V2.6. Seu design MoE esparso ativa um subconjunto de parâmetros para cada token, em vez de usar todo o conjunto de parâmetros a cada token.

O modelo também utiliza um decodificador especulativo de cinco camadas que prevê vários tokens subsequentes para verificação paralela, uma abordagem arquitetural destinada a melhorar a eficiência de inferência.

Desempenho em benchmarks

A tabela de avaliação publicada pela Xiaomi apresenta os resultados do MiMo-V2.6-Flash em benchmarks de programação, agentes gerais, cibersegurança e agentes visuais. Estes são resultados de benchmarks publicados pelo provedor, portanto não devem ser tratados como classificações independentes de terceiros.

Por exemplo, a Xiaomi informa 87.6 no Terminal Bench 2.1, 80.8 no OSWorld-Verified, 73.6 no Toolathlon-Verified e 95.1 no CyberGym.

O perfil de benchmarks sugere que o modelo é particularmente projetado em torno de fluxos de trabalho orientados a agentes, programação, uso de ferramentas e multimodalidade, em vez de ser posicionado apenas como um modelo de conversação convencional.

MiMo-V2.6-Flash vs MiMo-V2.6-Pro

MiMo-V2.6-Flash e MiMo-V2.6-Pro pertencem à mesma família de modelos e compartilham o design multimodal nativo e o contexto de 1M, mas visam pontos diferentes no espectro de eficiência do modelo.

A arquitetura publicada mostra o modelo Pro com 1.02T de parâmetros totais / 42B de parâmetros ativados, comparado ao Flash com 309B totais / 15B ativados.

MiMo-V2.6-Flash vs Outros modelos

MiMo-V2.6-Flash ocupa uma posição distinta entre os modelos modernos de raciocínio multimodal porque combina quatro características em um único modelo: contexto longo, entrada multimodal nativa, raciocínio e uso de ferramentas orientado a agentes.

Comparado a um modelo convencional de raciocínio apenas de texto, o MiMo-V2.6-Flash pode incorporar diretamente imagens, vídeo e áudio. Comparado a um modelo multimodal menor, seu contexto de 1M tokens o torna mais adequado para grandes repositórios e trajetórias de agentes estendidas. Comparado ao maior MiMo-V2.6-Pro, o Flash enfatiza uma arquitetura mais orientada à eficiência.

Casos de uso representativos

Programação e engenharia de software

MiMo-V2.6-Flash pode ser usado para geração de código, depuração, análise de repositórios, planejamento de software e fluxos de desenvolvimento orientados a agentes.

Seus resultados publicados incluem avaliações no DeepSWE v1.1, ProgramBench, MiMo Code Bench e Terminal Bench.

Análise de documentos com contexto longo

A janela de contexto de 1M tokens torna o modelo adequado para analisar grandes coleções de documentos, especificações técnicas, materiais de pesquisa ou históricos de projetos extensos sem reduzir agressivamente o contexto disponível.

Pesquisa multimodal

Como o modelo aceita texto, imagem, vídeo e áudio, ele pode combinar informações de diferentes fontes de mídia em um único fluxo de raciocínio.

Automação com agentes e ferramentas

Chamadas de ferramentas, saída estruturada, raciocínio e contexto longo tornam o modelo adequado para agentes que precisam planejar tarefas, invocar ferramentas externas, inspecionar resultados e continuar raciocinando ao longo de múltiplas etapas.

Fluxos de trabalho de uso de computador

O resultado publicado de 80.8 no OSWorld-Verified e outros benchmarks de agentes demonstram que a Xiaomi avalia o modelo em tarefas de agentes interativos além dos benchmarks tradicionais de modelos de linguagem.

Fluxos de trabalho empresariais multimodais

MiMo-V2.6-Flash pode dar suporte a fluxos de trabalho envolvendo relatórios, capturas de tela, gravações, apresentações, documentos e outras informações de negócios em mídia mista, em que um único modelo precisa sintetizar múltiplos tipos de entrada.

Limitações

MiMo-V2.6-Flash é um modelo recém-lançado, portanto a cobertura de benchmarks e a avaliação independente de terceiros ainda estão em desenvolvimento. A tabela de benchmarks publicada pela Xiaomi fornece evidências substanciais em tarefas orientadas a agentes e multimodais, mas esses resultados são relatados pelo provedor e não substituem testes específicos de aplicação.

O modelo também possui uma arquitetura subjacente grande, apesar da ativação esparsa. Organizações que consideram self-hosting devem, portanto, avaliar hardware, compatibilidade com mecanismos de inferência, quantização, throughput e requisitos operacionais, em vez de assumir que a cifra de 15B de parâmetros ativados representa toda a pegada de implantação. O model card oficial fornece orientações de implantação para SGLang e vLLM.

Como acessar a API do MiMo-V2.6-Flash via CometAPI

Etapa 1: Cadastre-se no CometAPI e obtenha sua chave de API do CometAPI

Crie ou acesse sua conta CometAPI e abra a área de gerenciamento de API. Gere uma chave de API a partir da sua conta CometAPI e mantenha-a disponível para a configuração do seu aplicativo.

Etapa 2: Selecione o MiMo-V2.6-Flash e configure seu aplicativo

Encontre MiMo-V2.6-Flash no catálogo de modelos disponíveis e confirme o ID do modelo como mimo-v2.6-flash. Defina o MiMo-V2.6-Flash como o modelo de destino na sua integração com o CometAPI. Configure a solicitação de acordo com as entradas multimodais e as capacidades de agente necessárias para sua aplicação.

Etapa 3: Envie solicitações

Envie texto ou entradas multimodais compatíveis por meio da integração com o CometAPI e use a resposta do modelo retornada no fluxo de trabalho do seu aplicativo.

Etapa 4: Processe a resposta

Trate a saída gerada em texto, a saída estruturada, os resultados de raciocínio ou as informações de chamadas de ferramentas de acordo com o fluxo de trabalho do seu aplicativo.