MiMo V2.6 Pro API

O que é o MiMo-V2.6-Pro?

MiMo-V2.6-Pro é o modelo carro-chefe de raciocínio multimodal da Xiaomi MiMo, criado para projetos complexos, tarefas de longo horizonte, fluxos de trabalho profissionais, pesquisa, segurança cibernética, programação e aplicações orientadas a agentes.

O modelo oferece compreensão nativa de texto, imagens, vídeo e áudio em um modelo unificado. Fornece uma janela de contexto de 1 milhão de tokens e suporta até 128K tokens de saída, tornando-o adequado para grandes repositórios, documentos extensos, rastros de ferramentas prolongados e fluxos de trabalho de agentes com várias sessões.

O checkpoint de pesos abertos MiMo-V2.6-Pro-RL utiliza uma arquitetura de Mistura de Especialistas esparsa com 1,02 trilhão de parâmetros totais e 42 bilhões de parâmetros ativados. Sua arquitetura inclui um codificador de visão com 681M de parâmetros, codificadores de áudio dedicados e um decodificador especulativo de cinco camadas.

Especificações Técnicas

A página oficial do modelo da Xiaomi lista 100 RPM e 10M TPM para a API do modelo.

Principais Recursos do MiMo-V2.6-Pro

1. Compreensão omni-modal nativa

MiMo-V2.6-Pro é projetado para compreender de forma conjunta texto, imagens, vídeo e áudio, em vez de limitar o processamento multimodal a um fluxo de trabalho auxiliar separado.

Isso permite que aplicações combinem diferentes formas de informação em um único processo de raciocínio, incluindo documentos com imagens, análise baseada em vídeo, conteúdo de áudio, capturas de tela e instruções textuais.

2. Contexto longo de 1M tokens

O modelo oferece uma janela de contexto de até 1 milhão de tokens. Isso o torna adequado para fluxos de trabalho que envolvem grandes bases de código, documentos longos, material de pesquisa extenso, históricos persistentes de agentes e grandes rastros de chamadas de ferramentas.

Uma janela de contexto longa é particularmente útil para sistemas orientados a agentes porque um histórico substancial de tarefas e resultados intermediários pode permanecer disponível sem a necessidade de comprimir repetidamente a conversa.

3. Raciocínio avançado e capacidades de agentes

MiMo-V2.6-Pro foi projetado em torno de fluxos de trabalho intensivos em raciocínio e de longo horizonte. A Xiaomi destaca projetos complexos, colaboração multiagente e cargas de trabalho profissionais como casos de uso-chave. O modelo também oferece raciocínio aprofundado e chamada de ferramentas.

Essas capacidades o tornam adequado para:

• Engenharia de software complexa
• Agentes de pesquisa
• Planejamento em múltiplas etapas
• Orquestração de ferramentas
• Fluxos de trabalho de uso de computador
• Análise de segurança cibernética
• Tarefas intensivas em conhecimento

4. Chamada de ferramentas e saída estruturada

MiMo-V2.6-Pro suporta chamada de ferramentas e saída estruturada, permitindo que aplicações conectem o modelo a APIs externas, bancos de dados, sistemas de busca, ferramentas de negócios e outros componentes de software.

A saída estruturada é particularmente útil quando as respostas do modelo precisam ser consumidas pela lógica de aplicações downstream em vez de serem exibidas apenas como texto em linguagem natural.

5. Fluxos de trabalho de agentes de longo horizonte

A combinação de contexto longo, compreensão multimodal, raciocínio e uso de ferramentas permite que MiMo-V2.6-Pro opere em fluxos de trabalho que exigem múltiplas etapas de planejamento e execução.

A Xiaomi descreve a série MiMo-V2.6 como otimizada para colaboração multimodal, multiagente e multi-harness. Seus exemplos oficiais incluem programação, trabalho de escritório, design, pesquisa, criação de conteúdo, segurança cibernética e operação de computador.

6. Arquitetura de modelo de pesos abertos

MiMo-V2.6-Pro-RL é disponibilizado como um checkpoint de pesos abertos. O model card documenta uma arquitetura MoE esparsa com 1,02T de parâmetros totais e 42B de parâmetros ativados, juntamente com codificadores dedicados de visão e áudio.

O model card também documenta a metodologia de aprendizado por reforço usada para melhorar as capacidades de programação, agentes gerais, agentes visuais e segurança cibernética.

Desempenho em benchmarks

A avaliação publicada pela Xiaomi cobre agentes de programação, agentes gerais, segurança cibernética e tarefas de agentes visuais. São resultados de avaliação publicados pelo provedor, devendo ser distinguidos de estudos de benchmark independentes de terceiros.

Resultados relatados notáveis incluem 89.9 no Terminal Bench 2.1, 82.0 no OSWorld-Verified, 76.9 no Toolathlon-Verified e 94.0 no CyberGym.

A página oficial do modelo da Xiaomi também relata uma pontuação do índice composto de inteligência da Artificial Analysis de 46.32. Como esta é uma avaliação de terceiros referenciada pela Xiaomi, é melhor tratá-la separadamente do conjunto de benchmarks da própria Xiaomi.

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

MiMo-V2.6-Pro e MiMo-V2.6-Flash compartilham o mesmo design amplo de multimodalidade e contexto longo, mas visam diferentes escalas de modelo.

A principal distinção arquitetural é a escala do modelo: o checkpoint Pro possui 1.02T de parâmetros totais / 42B de parâmetros ativados, comparado a 309B totais / 15B ativados no Flash.

MiMo-V2.6-Pro vs outros modelos de raciocínio

MiMo-V2.6-Pro combina várias capacidades que frequentemente estão distribuídas em diferentes categorias de modelos: compreensão multimodal, raciocínio com contexto longo, programação, uso de ferramentas e execução orientada a agentes.

Sua janela de contexto de 1M tokens o diferencia de modelos com janelas de contexto substancialmente menores, enquanto suas entradas nativas de imagem, vídeo e áudio o estendem além de sistemas de raciocínio centrados em texto. Sua arquitetura MoE esparsa também separa a capacidade total do modelo do número de parâmetros ativados por token.

Para aplicações orientadas a agentes, sua suíte de avaliação publicada cobre engenharia de software, uso geral de ferramentas, interação com computador, segurança cibernética e codificação visual, em vez de focar exclusivamente em benchmarks linguísticos convencionais.

Casos de uso representativos

Engenharia de software complexa

MiMo-V2.6-Pro pode dar suporte à geração de código, análise de repositórios, depuração, arquitetura de software, planejamento de tarefas e fluxos de trabalho de programação autônoma.

Suas avaliações publicadas incluem DeepSWE v1.1, ProgramBench, MiMo Code Bench e Terminal Bench.

Pesquisa com contexto longo

A janela de contexto de 1M tokens torna o modelo adequado para grandes projetos de pesquisa envolvendo artigos extensos, documentação técnica, conjuntos de dados, anotações e histórico acumulado de pesquisa.

Análise multimodal

As aplicações podem combinar texto, imagens, vídeo e áudio em um fluxo de trabalho unificado. Isso é útil para analisar documentos multimídia, material gravado, evidências visuais, capturas de tela e dados de pesquisa em formatos mistos.

Agentes de IA e automação de ferramentas

Chamada de ferramentas, saída estruturada, raciocínio aprofundado e contexto longo tornam o MiMo-V2.6-Pro adequado para agentes que precisam planejar, chamar ferramentas externas, inspecionar resultados e continuar trabalhando em múltiplas etapas.

Segurança cibernética

A segurança cibernética é uma das áreas de avaliação incluídas nos resultados publicados pela Xiaomi. O modelo reporta 94.0 no CyberGym, 80.2 no MiMo Cyber Bench, 47.9 no ExploitBench e 66.3 no SEC Bench Pro.

Fluxos de trabalho de uso de computador

MiMo-V2.6-Pro é avaliado no OSWorld-Verified, onde a Xiaomi reporta uma pontuação de 82.0. Isso torna a interação com computador e a automação orientada a UI outra área de aplicação relevante para o modelo.

Fluxos de trabalho científicos e profissionais

A Xiaomi demonstra o MiMo-V2.6-Pro em fluxos de trabalho de pesquisa científica, incluindo pesquisa de materiais, bem como design, criação de conteúdo, trabalho de escritório e outras tarefas profissionais complexas.

Limitações

Os resultados de benchmark do MiMo-V2.6-Pro são publicados principalmente pela Xiaomi e devem ser interpretados no contexto da metodologia de cada benchmark, em vez de como uma medida universal do desempenho da aplicação.

A arquitetura do modelo com 1.02T de parâmetros totais também representa uma escala subjacente substancial. A métrica de 42B de parâmetros ativados descreve ativação esparsa, e não toda a pegada de hardware ou de implantação. Organizações que consideram auto-hospedagem devem, portanto, avaliar de forma independente o suporte do mecanismo de inferência, requisitos de memória, quantização, throughput e requisitos de hardware.

Para aplicações baseadas em API, o modelo hospedado pode ser acessado pela plataforma de API da Xiaomi, enquanto o checkpoint de pesos abertos fornece um caminho separado para organizações que desejam gerenciar sua própria infraestrutura de inferência.

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

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

Crie ou faça login na sua conta CometAPI e abra a área de gerenciamento de API. Gere uma chave de API na sua conta CometAPI e prepare-a para a sua aplicação.

Etapa 2: Selecione MiMo-V2.6-Pro

Encontre MiMo-V2.6-Pro no catálogo de modelos do CometAPI e confirme o ID do modelo como mimo-v2.6-pro. Defina o MiMo-V2.6-Pro como o modelo-alvo na sua integração com o CometAPI. Configure a aplicação de acordo com as capacidades de texto, imagem, vídeo, áudio, raciocínio ou chamada de ferramentas necessárias para o seu fluxo de trabalho.

Etapa 3: Envie solicitações

Envie solicitações por meio da integração com o CometAPI e forneça as entradas necessárias para a sua aplicação.

Etapa 4: Processe a resposta

Use a saída retornada pelo modelo, os dados estruturados, os resultados de raciocínio ou as informações de chamadas de ferramentas dentro do fluxo de trabalho da sua aplicação.