Xiaomi MiMo-V2.6 คืออะไร และสามารถเข้าถึงได้จากที่ไหน

TL;DR

MiMo-V2.6 คือชุดตระกูลโมเดลให้ถ่วงน้ำหนักแบบเปิด (open-weight) รุ่นใหม่ของ Xiaomi สำหรับการให้เหตุผลเชิงมัลติโหมดแบบเนทีฟและมุ่งเน้นตัวแทน (agent-oriented) MiMo-V2.6-Pro ใช้ดีไซน์ Sparse MoE ที่มีพารามิเตอร์รวม 1.02 ล้านล้าน และมีพารามิเตอร์ที่ถูกกระตุ้นต่อโทเค็นราว 42 พันล้าน ขณะที่ MiMo-V2.6-Flash มีพารามิเตอร์รวม 309 พันล้าน และพารามิเตอร์ที่ถูกกระตุ้นราว 15 พันล้าน ทั้งสองรองรับหน้าต่างบริบท 1M-token และอินพุตมัลติโหมดทั้งข้อความ ภาพ วิดีโอ และเสียง

Key Takeaways

• MiMo-V2.6-Pro เป็นโมเดล Sparse MoE ขนาด 1.02T โดยมีพารามิเตอร์ที่ถูกกระตุ้นต่อโทเค็นประมาณ 42B; รุ่น Flash มีพารามิเตอร์รวม 309B และพารามิเตอร์ที่ถูกกระตุ้นราว 15B
• ทั้งสองรุ่นรองรับหน้าต่างบริบท 1M-token, อินพุตมัลติโหมด และเอาต์พุตได้สูงสุด 128K โทเค็นผ่าน API ของ Xiaomi
• ตระกูลนี้ถูกออกแบบมาสำหรับการให้เหตุผล การเรียกใช้เครื่องมือ การค้นเว็บ เอาต์พุตแบบมีโครงสร้าง และเวิร์กโฟลว์ตัวแทนที่กินระยะยาว
• Xiaomi ฝึก V2.6 ด้วยการเรียนรู้แบบเสริมแรงผสม (mixed RL) ครอบคลุมงานโค้ด ตัวแทนทั่วไป งานด้านภาพ และสภาพแวดล้อมความปลอดภัยไซเบอร์
• ผลลัพธ์ทางการชี้ว่า Pro มีความสามารถสูงกว่า ส่วน Flash เน้นความคุ้มค่าและปริมาณงานสูง; การประเมินเชิงงานจริงยังคงจำเป็น

What Is Xiaomi MiMo-V2.6?

MiMo-V2.6 คือเจเนอเรชันล่าสุดของตระกูลโมเดล MiMo ของ Xiaomi โดยเน้นไม่ใช่แค่สร้างคำตอบที่ดีกว่า แต่สามารถดำเนินลำดับการกระทำยาวๆ: ตรวจสอบสภาพแวดล้อม เรียกใช้เครื่องมือ สังเกตผลลัพธ์ แก้ไขข้อผิดพลาด และเดินหน้าต่อจนบรรลุเป้าหมาย Xiaomi วางกรอบการเปิดตัวโดยอ้างถึง Recursive Self-Improvement (RSI) ซึ่งหมายถึงลูปการฝึก RL ที่โมเดลสำรวจสภาพแวดล้อมซ้ำๆ ได้สัญญาณรางวัลที่เข้มข้นขึ้น เปรียบเทียบเส้นทาง (trajectories) และเรียนรู้กลยุทธ์ที่มีประสิทธิภาพยิ่งขึ้น ซึ่งไม่ควรถูกตีความว่าเป็นโมเดลที่เขียนตัวเองใหม่และฝึกทายาทของตัวเองโดยอัตโนมัติ

Pro vs Flash vs UltraSpeed: What is the differnence

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

ทางเลือกเชิงปฏิบัติ: เลือก MiMo-V2.6-Pro สำหรับงานวิศวกรรมระยะยาวที่ยาก งานวิจัย ความปลอดภัยไซเบอร์ และงานตัวแทนที่มีมูลค่าสูง; เลือก MiMo-V2.6-Flash สำหรับระบบอัตโนมัติปริมาณสูง การประมวลผลเอกสารและมัลติโหมด และการเรียกซ้ำที่อ่อนไหวต่อค่าใช้จ่าย; เลือก MiMo-V2.6-Pro-UltraSpeed เมื่อจำเป็นต้องมีการให้เหตุผลระดับ Pro แต่ความหน่วงเวลามีความสำคัญ UltraSpeed เป็นชั้นการให้บริการ ไม่ใช่โมเดลความสามารถที่ต่างออกไป และโฆษณาความเร็วเอาต์พุตสูงกว่ามาตรฐาน Pro ถึง 20×

How Does Xiaomi MiMo-V2.6 Work?

สถาปัตยกรรม Sparse Mixture-of-Experts

MiMo-V2.6 ไม่ได้กระตุ้นพารามิเตอร์ทั้งหมดสำหรับทุกโทเค็น เช็คพอยต์เรือธง Pro มี พารามิเตอร์รวม 1.02 ล้านล้าน แต่มีการกระตุ้นราว 42 พันล้านต่อโทเค็น การ์ดโมเดลของ Xiaomi อธิบายว่ามี 70 ชั้น Transformer, ผู้เชี่ยวชาญ (experts) แบบ routed จำนวน 384 ตัว และเปิดใช้งาน 8 ตัวพร้อมกัน รุ่น Flash มีขนาดเล็กกว่ามากที่ 309B รวม / 15B ถูกกระตุ้น พร้อม 48 ชั้น Transformer และผู้เชี่ยวชาญแบบ routed 256 ตัว

สถาปัตยกรรมนี้ผสานความสนใจแบบหน้าต่างเลื่อน (sliding-window attention) เข้ากับเลเยอร์ความสนใจแบบ global และมีตัวถอดรหัส speculative แบบหลายโทเค็น 5 เลเยอร์ นัยเชิงปฏิบัติคือจำนวนพารามิเตอร์พาดหัวข่าวกับคอมพิวต์ต่อโทเค็นเป็นปริมาณคนละอย่างกัน: การกระจายเส้นทางแบบ sparse ช่วยให้ Xiaomi รักษากลุ่มผู้เชี่ยวชาญขนาดใหญ่ โดยไม่ต้องคำนวณแบบหนาแน่นบนเวตทั้งหมดทุกโทเค็น

ความเข้าใจมัลติโหมดแบบเนทีฟ

MiMo-V2.6 ใช้ MiMo ViT ขนาด 681M พารามิเตอร์ของ Xiaomi สำหรับการเข้ารหัสภาพ ร่วมกับคอมโพเนนต์เสียงเฉพาะ ทำให้เอเจนต์เดียวกันสามารถประมวลผลคำสั่งข้อความ สกรีนช็อต ภาพถ่าย วิดีโอ และเสียงได้ สำหรับเอเจนต์ควบคุมคอมพิวเตอร์ ความเป็นมัลติโหมดแบบเนทีฟมีความสำคัญ เพราะการรับรู้และการตัดสินใจสามารถเกิดในลูปให้เหตุผลเดียวกัน แทนที่จะถูกแยกเป็นโมเดลคนละส่วนที่ตัดขาดกัน

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

Xiaomi รายงานว่าทั้ง Flash และ Pro ผ่าน ขั้นตอน RL ราว 30 ครั้งและประมาณ 750,000 trajectories ในการทดลองฝึกสาธารณะ 6 วัน ต้นทุนการฝึกที่รายงานอยู่ที่ประมาณ $850,000 สำหรับ Flash และ $2.62 ล้านสำหรับ Pro แต่ละอัปเดตใช้ตัวอย่างฝึก 1,568 ชุด โดยแต่ละสเต็ปถึงราว 3.5–3.7 พันล้านโทเค็น ส่วนผสมงานครอบคลุมโค้ด ตัวแทนทั่วไป งานด้านภาพ ความปลอดภัยไซเบอร์ และฮาร์เนสตัวแทนหลายแบบ

ระหว่างกระบวนการ RL นี้ Xiaomi รายงานว่าคะแนน DeepSWE v1.1 นอกชุดฝึกเพิ่มจาก 48.8 เป็น 65.7 สำหรับ Flash และจาก 58.4 เป็น 72.6 สำหรับ Pro ตัวเลขเหล่านี้บรรยายการทดลอง RL แบบสด และไม่ควรถูกสับสนกับคะแนนเบนช์มาร์กสุดท้ายทุกตัวของเช็คพอยต์ที่ปล่อย เพราะรูปแบบการประเมินอาจแตกต่าง

การให้เกรดเชิงตัวแทนแบบกลุ่ม (Groupwise agentic grading)

สำหรับการฝึกตัวแทน รางวัลแบบผ่าน/ไม่ผ่านแบบทวินามอาจปกปิดความแตกต่างที่มีนัยสำคัญระหว่างสอง trajectory ที่สำเร็จ วิธีแก้หนึ่งอาจจบงานได้ไวด้วยการเรียกเครื่องมือไม่กี่ครั้ง ขณะที่อีกวิธีอาจเสียเวลาหลายสิบสเต็ป Xiaomi จึงอธิบาย Groupwise Reward Synthesis และ Groupwise Advantage Redistribution เป็นกลไกสำหรับเปรียบเทียบ trajectory ภายในกลุ่มและแจกจ่ายสัญญาณการเรียนรู้ใหม่ให้กับทางออกที่สะอาดกว่า เป้าหมายคือยกระดับไม่เพียงการทำงานสำเร็จ แต่รวมถึงประสิทธิภาพของเส้นทางด้วย

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

หลักฐานสาธารณะที่แข็งแรงที่สุดของ V2.6 กระจุกอยู่ในเบนช์มาร์กเชิงตัวแทน มากกว่าการทดสอบปรนัยแบบดั้งเดิม ชาร์ตทางการของ Xiaomi เปรียบเทียบ Pro และ Flash กับ MiMo-V2.5-Pro, Claude Opus 5, GPT-5.6 Sol และ Fable 5 ครอบคลุมงานโค้ด ตัวแทนทั่วไป ความปลอดภัยไซเบอร์ และเอเจนต์ด้านภาพ

ความก้าวหน้าด้านโค้ด

ความก้าวหน้าเรื่องโค้ดชัดเจนที่สุดในงานระยะยาว ระหว่างการรัน RL แบบสด Xiaomi รายงานว่า DeepSWE v1.1 นอกชุดฝึกเพิ่มจาก 48.8 เป็น 65.7 สำหรับ Flash และจาก 58.4 เป็น 72.6 สำหรับ Pro ในตารางข้ามโมเดลที่ปล่อยออกมา Pro ทำได้ 71.9 บน DeepSWE v1.1 และ 63.2 บน MiMo Code Bench ส่วน Flash ได้ 67.9 และ 61.2 Pro ไม่ชนะทุกการทดสอบโค้ด—Claude Opus 5 ยังนำอยู่บน DeepSWE, ProgramBench และ MiMo Code Bench—แต่ V2.6 ผสานประสิทธิภาพระดับคลังโค้ดที่แข่งขันได้เข้ากับเวตเปิดและราคาผ่าน API ที่ถูกลงอย่างมาก

ความก้าวหน้าด้านการให้เหตุผลและตัวแทน

ความก้าวหน้าถูกเข้าใจได้ดีกว่าในแง่ของการวางแผน การเรียกเครื่องมือ และการกู้คืน แทนที่จะเป็นคะแนนสติปัญญาเชิงนามธรรมเดียว Pro ทำได้ 89.9 บน Terminal Bench 2.1, 53.1 บน AutomationBench และ 76.9 บน Toolathlon-Verified; Flash ทำได้ 87.6, 52.3 และ 73.6 Pro เหนือกว่าเล็กน้อยเมื่อเทียบกับผลของ Claude Opus 5 และ GPT-5.6 Sol ที่ระบุไว้บน Terminal Bench 2.1 ขณะที่ทั้งสองรุ่น V2.6 นำหน้าคู่เทียบเหล่านั้นบน AutomationBench Xiaomi ให้เหตุผลว่าความก้าวหน้ามาจากการเปรียบเทียบ trajectory แบบกลุ่ม ตัวให้เกรดที่เข้มข้นขึ้น การฝึกหลายฮาร์เนส และสัญญาณรางวัลที่ให้ค่าน้ำหนักกับเส้นทางที่สั้นและสะอาดกว่า

ความรู้และงานวิจัย

ความก้าวหน้าที่ใช้ความรู้เข้มข้นได้รับการสนับสนุนมากกว่าจากการประเมินเชิงตัวแทนและเดโม มากกว่าชุดข้อสอบความรู้แบบดั้งเดิม Pro ทำได้ 31.6 บน Agents' Last Exam เทียบเท่า Claude Opus 5 และไปถึง 62.0 บน JobBench Xiaomi ยังรายงานเวิร์กโฟลว์วิจัยวัสดุศาสตร์ที่เกี่ยวข้องกับการดึงข้อมูลวรรณกรรมและสิทธิบัตร การสร้างสมมติฐาน และการเรียกใช้เครื่องมือคำนวณ รวมถึงโครงการ formalization ใน Lean 4 ที่เกิน 6,000 บรรทัดที่ยืนยันได้ ตัวอย่างเหล่านี้บ่งชี้ถึงการค้นคืน การสังเคราะห์ การให้เหตุผลเชิงรูปแบบ และงานความรู้ที่ยึดกับเครื่องมือที่แข็งแรงขึ้น แต่ไม่ควรถูกมองว่าเป็นหลักฐานอิสระของความเหนือกว่าแบบสากลด้านความรู้

ภาพรวม: ความก้าวหน้าของ V2.6 กว้างแต่มิได้สม่ำเสมอ จุดแข็งที่สุดคือหลักฐานของการพัฒนาในงานโค้ดระยะยาวและการทำงานเชิงตัวแทน ขณะที่ข้ออ้างเรื่องเหตุผลทั่วไปและความรู้ควรผูกกับเบนช์มาร์ก ฮาร์เนส และเดโมเฉพาะ

หมายเหตุเบนช์มาร์ก: เว้นแต่จะระบุเป็นอย่างอื่น ผลข้ามโมเดลด้านล่างถูกรายงานโดย Xiaomi ในการ์ดโมเดล MiMo-V2.6 คะแนนอาจขึ้นกับเวอร์ชันเบนช์มาร์ก ฮาร์เนสตัวแทน การตั้งค่าเครื่องมือ งบประมาณอินเฟอเรนซ์ และโปรโตคอลการประเมิน จึงไม่ควรถูกตีความว่าเป็นการจัดอันดับที่จำลองได้อย่างอิสระ

MiMo-V2.6 vs MiMo-V2.5: อะไรเปลี่ยนไป?

โค้ดและการดำเนินงานเชิงตัวแทน

เมื่อเทียบกับ V2.5 ความเปลี่ยนแปลงที่ชัดสุดคือ policy ของตัวแทนที่แข็งแรงขึ้น ไม่ใช่หน้าต่างบริบทที่ยาวขึ้น Xiaomi รายงานว่า V2.6-Flash เหนือกว่า V2.5-Pro ในชุดเบนช์มาร์กตัวแทนของตน ระหว่างการฝึก V2.6 คะแนน DeepSWE v1.1 แบบถือออกเพิ่มจาก 48.8 เป็น 65.7 สำหรับ Flash และจาก 58.4 เป็น 72.6 สำหรับ Pro; คะแนนช่วงฝึกเหล่านี้ไม่สามารถเทียบตรงกับตารางเบนช์มาร์กโมเดลที่ปล่อยด้านบนได้

เหตุผล ความรู้ และความกว้างการฝึก

V2.6 ขยายการเรียนรู้แบบเสริมแรงไปทั่วโค้ด ตัวแทนทั่วไป วิสัยทัศน์ ความปลอดภัยไซเบอร์ และหลายฮาร์เนส Xiaomi รายงานประมาณ 750,000 trajectories ตลอดราว 30 สเต็ป RL สิ่งนี้ช่วยสนับสนุนการวางแผน การเรียกเครื่องมือ และการกู้คืนที่กว้างขึ้น แต่ไม่ได้พิสูจน์โดยตัวมันเองว่าจะมีการเพิ่มขึ้นแบบสากลในทุกเบนช์มาร์กความรู้หรือเหตุผล; ควรเทียบงานที่ตรงกันและการตั้งค่าการประเมิน

การย้ายใช้งานและความเปิด

การปล่อยครั้งนี้ยังเพิ่มโค้ด RL สภาพแวดล้อมงานมากกว่า 7,000 รายการ โครงสร้างพื้นฐานการฝึก และเช็คพอยต์ distillation ขนาด 9B หน้าต่างบริบท 1M และอินพุตมัลติโหมดเป็นสิ่งที่มีมาตั้งแต่ V2.5 ไม่ใช่การก้าวกระโดดใหม่ของ V2.6

การเปลี่ยนแปลงเชิงปฏิบัติจึงไม่ใช่ซองบริบทใหม่—บริบท 1M และความเป็นมัลติโหมดเต็มอยู่ใน V2.5 แล้ว—แต่เป็น policy ตัวแทนที่แข็งแรงขึ้นจากคอมพิวต์ RL ที่มากกว่าอย่างมีนัยสำคัญและสภาพแวดล้อมที่ตรวจสอบได้กว้างขึ้น Xiaomi ประกาศว่า ชื่อโมเดล V2.5 และ V2.5-Pro จะใช้งานไม่ได้ตั้งแต่ 21 ตุลาคม 2026 ดังนั้นการดีพลอยใหม่ควรเล็ง V2.6 และการดีพลอยที่มีอยู่ควรวางแผนทดสอบการย้าย

V2.6 เปรียบเทียบกับโมเดลแนวหน้าตัวอื่นอย่างไร

สำหรับชุดเปรียบเทียบปัจจุบัน ให้ประเมิน MiMo-V2.6 เทียบกับ Claude Opus 5.5 สำหรับงานโค้ดตัวแทนที่รันยาว Claude Fable 5.1 สำหรับงานอัตโนมัติที่ยากที่สุด GPT-6 Sol และ Gemini 4 Pro การมีอยู่ของโมเดลและราคาเปลี่ยนแปลงได้ จึงควรใช้แคตตาล็อกสดและพรอมป์ต เครื่องมือ งบประมาณความพยายาม และเกณฑ์รับงานที่ตรงกันในการเปรียบเทียบเพื่อการผลิต

What Can Xiaomi MiMo-V2.6 Actually Do?

เอเจนต์ด้านโค้ดและวิศวกรรมซอฟต์แวร์

MiMo-V2.6 ถูกออกแบบมาสำหรับ trajectory วิศวกรรมซอฟต์แวร์ระยะยาว: ตรวจคลังโค้ด แก้ไขโค้ด ใช้เครื่องมือเทอร์มินัล รันทดสอบ วินิจฉัยความล้มเหลว และทำต่อจนบรรลุวัตถุประสงค์ ผลลัพธ์บน DeepSWE, Terminal Bench, AutomationBench และ Toolathlon บ่งชี้ว่า Xiaomi กำลังปรับให้เหมาะกับการลงมือทำ ไม่ใช่เพียงเติมโค้ด งานจริงประกอบด้วยเอเจนต์เขียนโค้ด ดีบักอัตโนมัติ รีแฟกเตอร์คลัง แก้ปัญหา CI และเวิร์กโฟลว์วิศวกรรมที่ใช้หลายเครื่องมือ

การใช้งานคอมพิวเตอร์

Xiaomi เดโม Computer Use Agent (CUA) โดยตรง โมเดลสามารถตีความอินเทอร์เฟซกราฟิก ดึงข้อมูล แก้ไขคอนเทนต์ ประมวลผลข้อมูล ตรวจผลลัพธ์ วินิจฉัยปัญหา และเปลี่ยนการกระทำถัดไปตามฟีดแบ็กภาพ ในเวิร์กโฟลว์นี้ เอาต์พุตของโมเดลมักไม่ใช่ผลผลิตสุดท้าย แต่เป็นตัวกำหนดการกระทำซอฟต์แวร์หรือเบราว์เซอร์ถัดไป

โลก 3D และเวิร์กโฟลว์ Blender

ภายใต้แนวคิด "Vibe World" MiMo-V2.6 สามารถรับอ้างอิงจากข้อความ ภาพ หรือวิดีโอ และแตกคำขอ 3D ออกเป็นการสร้างฉาก การเขียนโปรแกรมปฏิสัมพันธ์ และงานตรวจสอบภาพ Xiaomi ยังเดโมการควบคุม Blender เพื่อสร้างวัตถุและฉาก 3D จากคำอธิบายหรือภาพอ้างอิง ขยาย vibe coding จากโค้ดแอปไปสู่สภาพแวดล้อมแบบอินเทอร์แอ็กทีฟ

โรโบติกส์และตัวแทนที่มีตัวตน

Xiaomi เดโม MiMo-V2.6 ในสภาพแวดล้อมจำลองแบบมีตัวตน โดยใช้ภาพจากกล้องหลายมุมและแขนกล Franka Panda งานตัวอย่างรวมการหยิบวัตถุ การจับคู่สี และการวางอย่างแม่นยำ สิ่งนี้ไม่ได้ยืนยันว่า V2.6 เป็นโมเดลฐานด้านโรโบติกส์แบบสากล แต่แสดงให้เห็นการเชื่อมโยงวิสัยทัศน์แบบเนทีฟและการตัดสินใจระยะยาวเข้ากับลูปควบคุมแบบมีตัวตน

วิจัยวิทยาศาสตร์และการให้เหตุผลเชิงรูปแบบ

Xiaomi รายงานกรณีวัสดุศาสตร์ที่ MiMo-V2.6-Pro ช่วยนักวิจัยด้าน MOF สำหรับการดูดซับ PFAS รวมถึงการค้นหาวรรณกรรมและสิทธิบัตร การสร้างตัวเลือก และการเรียกเครื่องมือคำนวณ อีกการทดลองหนึ่ง โมเดลช่วย formalize ทฤษฎีบทหลักจาก "Period Three Implies Chaos" ใน Lean 4 โดย Xiaomi รายงานว่าโครงการเสร็จสมบูรณ์เกิน 6,000 บรรทัดของโค้ด Lean ที่ยืนยันโดยเคอร์เนล Lean โดยไม่มี placeholder ที่ไม่พิสูจน์ ตัวอย่างเหล่านี้ควรถูกตีความเป็นเดโมเวิร์กโฟลว์วิจัยเชิงตัวแทน ไม่ใช่หลักฐานของการค้นพบวิทยาศาสตร์แบบอัตโนมัติ

เว็บไซต์ พรีเซนเทชัน วิดีโอ และดนตรี

MiMo-V2.6 สามารถประสานงานการเขียนโค้ดฝั่งหน้า เวิร์กโฟลว์ดีไซน์ สไลด์ แอสเซ็ต SVG ไปป์ไลน์วิดีโอ และเครื่องมือผลิตเพลง Xiaomi เดโมการทำ orchestration ร่วมกับระบบสื่อเฉพาะทาง รวมทั้งการบรรยายด้วย MiMo-V2.5-TTS แทนที่จะอ้างว่า V2.6 แทนที่เจเนอเรเตอร์ภาพ วิดีโอ หรือเสียงทั้งหมดเอง ดังนั้นโมเดลจึงเหมาะเป็นผู้ควบคุมการผลิตเชิงครีเอทีฟ

กรณีใช้งานในส่วนนี้เป็นเดโมของ Xiaomi ไม่ใช่หลักฐานอิสระว่าทุกการดีพลอยจะทำซ้ำผลลัพธ์เดียวกัน ทีมโปรดักชันควรทดสอบโมเดลร่วมกับเครื่องมือ สิทธิ์ การกู้คืนจากความล้มเหลว และเกณฑ์ประเมินของตนเอง

How Much Does Xiaomi MiMo-V2.6 Cost?

Xiaomi รักษาระดับราคา API ของ V2.6 ให้ใกล้เคียงกับเจเนอเรชัน V2.5 รุ่น Flash น่าสนใจเป็นพิเศษสำหรับงานปริมาณสูง: ราคาอย่างเป็นทางการของ Xiaomi แสดง $0.14 ต่อหนึ่งล้านโทเค็นอินพุตแบบไม่แคช และ $0.28 ต่อหนึ่งล้านโทเค็นเอาต์พุต

ราคาและความพร้อมให้บริการของ CometAPI

How Can Developers Access Xiaomi MiMo-V2.6?

Xiaomi เปิดเผยโมเดลผ่าน API ที่เข้ากันได้กับ OpenAI และเอกสารความเข้ากันได้กับโปรโตคอลของ Anthropic บนหน้าทางการของโมเดล ตัวระบุทางการคือ mimo-v2.6-pro, mimo-v2.6-flash และ mimo-v2.6-pro-ultraspeed Xiaomi มีเอกสารการเรียกเครื่องมือ เอาต์พุตแบบมีโครงสร้าง สตรีมมิง ควบคุมการให้เหตุผล การแคชบริบท และการค้นเว็บ อินเทอร์เฟซที่เข้ากันได้กับ OpenAI ใช้ค่า thinking.type เช่น enabled หรือ disabled โดยค่าเริ่มต้นของรุ่น V2.6 จะเปิดใช้ deep thinking

นักพัฒนามีสามเส้นทางใช้งานเชิงปฏิบัติ หนึ่ง ดาวน์โหลดเช็คพอยต์เวตเปิด Pro หรือ Flash เพื่อโฮสต์เอง ซึ่งต้องการทรัพยากรให้บริการจำนวนมาก สอง ใช้ API ที่จัดการโดย Xiaomi ด้วยคีย์ Xiaomi และเอนด์พอยต์ที่มีเอกสาร สาม ใช้เส้นทาง CometAPI ที่รองรับด้วยคีย์ CometAPI และ base URL; วิธีนี้ช่วยให้ง่ายต่อการประเมินหลายโมเดลและการคิดเงิน ผู้ช่วยเขียนโค้ดอย่าง Claude Code สามารถใช้เส้นทางที่เข้ากันได้กับ Anthropic เมื่อเส้นทางและโมเดลดังกล่าวรองรับ แต่ต้องทดสอบความเข้ากันได้ ไม่ควรสันนิษฐาน

การเข้าถึง MiMo-V2.6 ผ่าน CometAPI

CometAPI มอบเอนด์พอยต์และเลเยอร์การคิดเงินแบบรวมศูนย์สำหรับโมเดลที่รองรับ ข้อได้เปรียบเชิงปฏิบัติหลักคือความง่ายในการย้าย: ทีมสามารถคง SDK ที่คุ้นเคย เปลี่ยนเพียง base URL, คีย์ API และรหัสโมเดล เปรียบเทียบ MiMo กับโมเดลแนวหน้าอื่นในบัญชีเดียวกัน และรวมศูนย์การใช้งาน ราคา และการตรวจสอบความพร้อมใช้งาน สิ่งนี้เหมาะกับการจัดเส้นทางหลายโมเดล กลยุทธ์ fallback ใบแจ้งหนี้รวม และการประเมินที่ต้องใช้พรอมป์ตเหมือนกันข้ามผู้ให้บริการ

CometAPI มีเอกสารรูปแบบคำขอข้อความ 3 แบบในระดับแพลตฟอร์ม: OpenAI Chat Completions, Anthropic Messages และ OpenAI Responses สำหรับ SDK ที่เข้ากันได้ การย้ายมักหมายถึงการเปลี่ยน base URL, คีย์ API และรหัสโมเดล แทนที่จะเขียนแอปทั้งตัวใหม่ การรองรับเอนด์พอยต์และพารามิเตอร์อาจแตกต่างตามโมเดล จึงควรทดสอบรุ่น MiMo-V2.6 และรูปแบบคำขอที่ใช้อย่างเฉพาะ ก่อนจะอ้างว่ารองรับทั้งสาม

เมื่อตรวจเมื่อ 23 กันยายน 2026 MiMo-V2.6-Pro-UltraSpeed มีเส้นทางแคตตาล็อกที่ใช้งานได้พร้อมราคาระบุไว้ หน้า Pro และ Flash เฉพาะ แสดง Coming soon ในสแนปชอตแคตตาล็อก แม้แผงสุขภาพ API ระบุ Available ให้ถือว่าเป็นสัญญาณหน้าเว็บที่ไม่สอดคล้อง ไม่ใช่การยืนยันความพร้อมใช้งานหรือราคา ตรวจแคตตาล็อกสด แดชบอร์ด และคำขอทดสอบก่อนดีพลอย

ตัวอย่างต่อไปนี้ทำตามรูปแบบ Anthropic-SDK ของ CometAPI และเรียกเส้นทาง UltraSpeed ที่แสดงอยู่ในปัจจุบัน เก็บคีย์ API ไว้ในตัวแปรสภาพแวดล้อม

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: 'Analyze this project and propose the next implementation steps.' }],
});

Is Xiaomi MiMo-V2.6 Open Source?

Xiaomi ปล่อยเวตของโมเดล เอกสารเทคนิค ทรัพยากร RL สภาพแวดล้อมการฝึก และโครงสร้างพื้นฐานที่เกี่ยวข้อง การปล่อยนี้รวมสภาพแวดล้อมงาน RL มากกว่า 7,000 รายการ ครอบคลุมวิศวกรรมซอฟต์แวร์ การทำซ้ำช่องโหว่ งานความรู้เข้มข้น และการออกแบบ/พัฒนาเว็บ Xiaomi ยังปล่อย MiMo-V2.6-Distill-Qwen-9B เพื่อให้นักวิจัยศึกษาไปป์ไลน์ RL ในสเกลที่เล็กลงมาก

การ์ดโมเดลทางการ: MiMo-V2.6-Pro-RL | MiMo-V2.6-Flash-RL

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

ตัวเลขพารามิเตอร์ระดับล้านล้านไม่ควรถูกตีความว่า V2.6 แข็งแกร่งกว่าระบบแนวหน้าที่ปิดทั้งหมดโดยสากล ตารางเบนช์มาร์กของ Xiaomi เองแสดงภาพที่ผสมกัน: Claude Opus 5 ยังก้าวหน้ากว่าในบางงานโค้ด การใช้เครื่องมือ และ OS ขณะที่ GPT-5.6 Sol ก็ยังนำในบางการทดสอบ การประเมินตามงานที่เจาะจงจึงมีความหมายมากกว่าการติดป้ายผู้ชนะครอบจักรวาล

การโฮสต์เช็คพอยต์ Pro เต็มรูปแบบเองก็เป็นงานโครงสร้างพื้นฐานหนัก เวตเปิดไม่ได้แปลว่าเซ็ตอัพบนเวิร์กสเตชันได้ง่าย นอกจากนี้ เดโมพาดหัวหลายรายการ—วิจัย ควบคุมแบบมีตัวตน โลก 3D และการผลิตวิดีโอ—พึ่งพาเครื่องมือภายนอกและฮาร์เนสตัวแทน MiMo-V2.6 ควรถูกประเมินในฐานะโมเดลหนึ่งตัวภายในระบบ ไม่ใช่เพียงโมเดลแชตเดี่ยว

Why Does Xiaomi MiMo-V2.6 Matter?

MiMo-V2.6 ผสานสามทิศทางสำคัญ: โมเดล Sparse MoE ขนาดใหญ่มาก มัลติโหมดแบบเนทีฟ และการเรียนรู้แบบเสริมแรงเหนือสภาพแวดล้อมตัวแทนจริง ตัวเลข 1.02T ดึงดูดความสนใจ แต่ทางเลือกด้านสถาปัตยกรรมที่มีผลมากกว่าคือการลงทุนของ Xiaomi ในการโต้ตอบกับสภาพแวดล้อมซ้ำๆ การให้เกรด trajectory การใช้เครื่องมือ และการแก้ไขตนเอง

ถ้าแนวทางนี้สเกลต่อไปได้ โมเดลเปิดอาจถูกแยกความแตกต่างกันมากขึ้น ไม่ใช่แค่ด้วยปริมาณความรู้สถิตที่มีอยู่ แต่ด้วยความสามารถในการลงมือทำ ประเมิน กู้คืน และทำงานยาวๆ ให้สำเร็จ MiMo-V2.6 จึงควรถูกเข้าใจว่าเป็นโมเดลฐานแบบเปิดที่มุ่งตัวแทน มากกว่าจะแค่เป็นแชตบอทพารามิเตอร์ล้านล้านอีกตัว

Conclusion

MiMo-V2.6 เป็นการปล่อยเวตเปิดที่สำคัญ เพราะผสานอินพุตข้อความ ภาพ วิดีโอ และเสียงแบบเนทีฟ เข้ากับบริบทยาว อินเฟอเรนซ์แบบ Sparse MoE และการเรียนรู้แบบเสริมแรงเหนือสภาพแวดล้อมตัวแทนจริง Pro เหมาะกับงานยากระยะยาว Flash เล็งงานปริมาณสูงและอ่อนไหวต่อราคา และ UltraSpeed แลก API ที่แพงขึ้นอย่างมีนัยสำคัญกับความหน่วงต่ำ

ตระกูลโมเดลนี้แข่งขันได้บนเบนช์มาร์กตัวแทนหลายรายการที่ผู้ขายรายงาน แต่ไม่ได้เป็นผู้นำทุกการประเมิน และไม่ควรถูกมองว่าเป็นตัวแทนแทนที่โมเดลแนวหน้าที่ปิดทั้งหมด เส้นทางการนำไปใช้ที่เชื่อถือได้มากที่สุดคือทดสอบ MiMo-V2.6 กับเครื่องมือ เป้าหมายความหน่วง โหมดความล้มเหลว และโปรไฟล์ต้นทุนของเวิร์กโฟลว์โปรดักชันที่ตั้งใจใช้จริง

FAQ

ทีมควรทดสอบอะไรบ้างก่อนนำ MiMo-V2.6 เข้าสู่โปรดักชัน?

ทดสอบทั้งระบบ ไม่ใช่แค่โมเดล วัดอัตราทำงานสำเร็จ ความถูกต้องของการเรียกเครื่องมือ การกู้คืนจากการกระทำที่ล้มเหลว ความหน่วง การใช้โทเค็น การจัดการบริบท และขอบเขตสิทธิ์ เบนช์มาร์กตัวแทนให้ทิศทาง แต่การประเมินภายในควรสะท้อนรีโป เบราว์เซอร์ เอกสาร หรือเวิร์กโฟลว์วิจัยจริง

ทำไมการโฮสต์ MiMo-V2.6-Pro เองจึงยาก แม้มีสถาปัตยกรรมแบบ sparse?

การกระตุ้นแบบ sparse ลดคอมพิวต์ต่อโทเค็นเมื่อเทียบกับโมเดลหนาแน่นระดับล้านล้านพารามิเตอร์ แต่ว่าเช็คพอยต์เต็มยังมีรอยเท้าหน่วยความจำและการให้บริการแบบกระจายที่ใหญ่มาก การดีพลอยระดับโปรดักชันอาจต้องใช้การอินเฟอเรนซ์หลายโหนด การขนานผู้เชี่ยวชาญ (expert parallelism) เคอร์เนลเฉพาะทาง และการวางแผนกำลังการผลิตอย่างรอบคอบ

นักพัฒนาควรตีความตารางเบนช์มาร์กข้ามโมเดลของ Xiaomi อย่างไร?

มองว่าเป็นหลักฐานจากผู้ขาย ไม่ใช่อันดับสากลที่จำลองได้อย่างอิสระ ผลลัพธ์เปลี่ยนได้ตามฮาร์เนสตัวแทน งบประมาณอินเฟอเรนซ์ เครื่องมือ อิมเมจสภาพแวดล้อม วิธีการสุ่มตัวอย่าง และเวอร์ชันเบนช์มาร์ก เปรียบเทียบแนวโน้มข้ามหลายงาน และทำซ้ำงานที่เกี่ยวข้องที่สุดภายใน

เมื่อใดที่ MiMo-V2.6-Flash เหมาะกว่ารุ่น Pro?

Flash เป็นค่าเริ่มต้นที่แข็งแรงเมื่อปริมาณการเรียกและต้นทุนเป็นตัวแปรหลัก โดยเฉพาะการประมวลผลเอกสาร การวิเคราะห์มัลติโหมด และขั้นตอนตัวแทนที่เรียกซ้ำบ่อย Pro เหมาะกว่าเมื่อการให้เหตุผลที่ยากหรือการดำเนินงานระยะยาวสร้างคุณค่าทางธุรกิจพอที่จะคุ้มกับราคาที่สูงกว่า

หน้าต่างบริบท 1M-token ทำให้ไม่จำเป็นต้องเรียกใช้ retrieval หรือจัดการพรอมป์ตอีกหรือไม่?

ไม่ หน้าต่างที่ใหญ่ขึ้นเพิ่มความจุ แต่การส่งประวัติที่ไม่จำเป็นอาจเพิ่มความหน่วงและค่าใช้จ่าย และอาจทำให้หลักฐานที่เกี่ยวข้องเจือจาง การดึงข้อมูลสืบค้น การสรุป หน่วยความจำแบบมีโครงสร้าง และการตัดแต่งบริบทยังคงสำคัญสำหรับตัวแทนโปรดักชันที่เชื่อถือได้