TL;DR
MiMo-V2.6 คือชุดโมเดล reasoning เชิงเอเจนต์แบบ native multimodal ที่เปิดเผยน้ำหนักรุ่นใหม่ของ Xiaomi MiMo-V2.6-Pro ใช้การออกแบบ Sparse MoE โดยมีพารามิเตอร์รวม 1.02 ล้านล้าน และพารามิเตอร์ที่ถูกกระตุ้นต่อโทเค็นประมาณ 42 พันล้าน ขณะที่ MiMo-V2.6-Flash มีพารามิเตอร์รวม 309 พันล้าน และพารามิเตอร์ที่ถูกกระตุ้นประมาณ 15 พันล้าน ทั้งคู่รองรับหน้าต่างบริบท 1M โทเค็น และอินพุตมัลติโหมดรวมถึงข้อความ รูปภาพ วิดีโอ และเสียง
Key Takeaways
- MiMo-V2.6-Pro เป็นโมเดล Sparse MoE ขนาด 1.02T โดยมีพารามิเตอร์ที่ถูกกระตุ้นต่อโทเค็นประมาณ 42B; Flash ใช้พารามิเตอร์รวม 309B และพารามิเตอร์ที่ถูกกระตุ้นประมาณ 15B
- ทั้งสองโมเดลรองรับหน้าต่างบริบท 1M โทเค็น อินพุตมัลติโหมด และเอาต์พุตได้สูงสุด 128K โทเค็นผ่าน API ของ Xiaomi
- ตระกูลนี้ถูกออกแบบเพื่อการให้เหตุผล การใช้เครื่องมือ การค้นเว็บ เอาต์พุตแบบมีโครงสร้าง และเวิร์กโฟลว์เอเจนต์ระยะยาว
- Xiaomi ฝึก V2.6 ด้วยการเสริมแรงแบบผสมในด้านการเขียนโค้ด เอเจนท์ทั่วไป งานด้านภาพ และสภาพแวดล้อมด้านความปลอดภัยไซเบอร์
- ผลลัพธ์อย่างเป็นทางการระบุว่า Pro เป็นตัวเลือกความสามารถสูงกว่า ส่วน Flash เน้นต้นทุนต่ำ ปริมาณสูง; อย่างไรก็ตามยังจำเป็นต้องประเมินตามงานจริง
What Is Xiaomi MiMo-V2.6?
MiMo-V2.6 คือรุ่นล่าสุดของตระกูลโมเดล MiMo ของ Xiaomi จุดเน้นไม่ใช่เพียงการสร้างคำตอบที่ดีกว่า แต่คือการดำเนินลำดับการกระทำที่ยาว: ตรวจสอบสภาพแวดล้อม เรียกใช้เครื่องมือ สังเกตผลลัพธ์ แก้ไขข้อผิดพลาด และดำเนินต่อจนบรรลุเป้าหมาย Xiaomi วางกรอบการเปิดตัวไว้บน Recursive Self-Improvement (RSI) หมายถึงลูปการฝึกด้วย RL ที่โมเดลสำรวจสภาพแวดล้อมซ้ำๆ ได้สัญญาณรางวัลที่เข้มข้นขึ้น เปรียบเทียบทราเจกทอรี และเรียนรู้กลยุทธ์ที่มีประสิทธิภาพยิ่งขึ้น ไม่ควรตีความว่าโมเดลเขียนใหม่และฝึกผู้สืบทอดของตนเองอย่างอัตโนมัติ
Pro vs Flash vs UltraSpeed: What is the differnence
| Feature | MiMo-V2.6-Pro | MiMo-V2.6-Flash | MiMo-V2.6-Pro-UltraSpeed |
|---|---|---|---|
| Positioning | เรือธงด้าน reasoning | ปริมาณสูง/คุ้มค่า | เรือธงความหน่วงต่ำ |
| Total parameters | 1.02T | 309B | รุ่น Pro เดียวกัน |
| Active parameters | 42B | 15B | ความสามารถเท่า Pro |
| Architecture | Sparse MoE | Sparse MoE | โหมดให้บริการของ Pro |
| Context | 1M | 1M | 1M |
| Max output | 128K | 128K | 128K |
| Text / image / video / audio input | Yes | Yes | Yes |
| Deep reasoning / tool calling | Yes | Yes | Yes |
| Structured output / context caching | Yes | Yes | Yes |
| Main advantage | ความสามารถสูงสุด | ประหยัดต้นทุน | ให้บริการเร็วขึ้นสูงสุด 20x |
MiMo-V2.6-Pro or Flash: Which One Should You Use?
ทางเลือกเชิงปฏิบัติ: เลือก MiMo-V2.6-Pro สำหรับงานวิศวกรรมระยะยาวที่ยาก งานวิจัย ความปลอดภัยไซเบอร์ และงานเอเจนต์ที่มีมูลค่าสูง; เลือก MiMo-V2.6-Flash สำหรับระบบอัตโนมัติปริมาณมาก การประมวลผลเอกสารและมัลติมีเดีย และการเรียกซ้ำที่ต้องคุมต้นทุน; เลือก MiMo-V2.6-Pro-UltraSpeed เมื่อจำเป็นต้องใช้ reasoning ระดับ Pro แต่ความหน่วงเป็นปัจจัยหลัก UltraSpeed เป็นระดับการให้บริการ ไม่ใช่โมเดลความสามารถที่ต่างออกไป และโฆษณาว่าให้ความเร็วเอาต์พุตสูงกว่ามาตรฐาน Pro ได้ถึง 20×
How Does Xiaomi MiMo-V2.6 Work?
Sparse Mixture-of-Experts architecture
MiMo-V2.6 ไม่ได้กระตุ้นพารามิเตอร์ทั้งหมดในทุกโทเค็น เช็คพอยต์เรือธง Pro มี พารามิเตอร์รวม 1.02 ล้านล้าน แต่มีพารามิเตอร์ที่ถูกกระตุ้นต่อโทเค็นประมาณ 42 พันล้าน การ์ดโมเดลของ Xiaomi อธิบายว่ามี 70 ชั้น Transformer, ผู้เชี่ยวชาญแบบ routed 384 ราย และเปิดใช้งานผู้เชี่ยวชาญพร้อมกัน 8 ราย Flash มีขนาดเล็กกว่ามากที่รวม 309B / ถูกกระตุ้น 15B มี 48 ชั้น Transformer และผู้เชี่ยวชาญแบบ routed 256 ราย
| Architecture specification | MiMo-V2.6-Pro | MiMo-V2.6-Flash |
|---|---|---|
| Total parameters | 1.02T | 309B |
| Activated parameters | 42B | 15B |
| Transformer layers | 70 | 48 |
| Hidden size | 6,144 | 4,096 |
| Routed experts | 384 | 256 |
| Experts activated | 8 | 8 |
| Maximum context | 1M | 1M |
| MiMo ViT | 681M params | 681M params |
| AudioTokenizer | 308M params | 308M params |
| Audio patch encoder | 127M params | 127M params |
| Speculative decoder | 5 layers | 5 layers |
สถาปัตยกรรมนี้ผสาน sliding-window attention กับชั้น global-attention และมี speculative decoder แบบ multi-token-prediction จำนวน 5 ชั้น ใจความสำคัญเชิงปฏิบัติคือจำนวนพารามิเตอร์พาดหัวและการคำนวณต่อโทเค็นเป็นปริมาณที่ต่างกัน: การกำหนดเส้นทางแบบ sparse ทำให้ Xiaomi รักษาคลังผู้เชี่ยวชาญขนาดใหญ่โดยไม่ต้องทำ inference แบบ dense กับน้ำหนักทั้งหมดในทุกโทเค็น
Native multimodal understanding
MiMo-V2.6 ใช้ MiMo ViT ของ Xiaomi ขนาด 681M พารามิเตอร์สำหรับการเข้ารหัสภาพร่วมกับคอมโพเนนต์เสียงเฉพาะ ทำให้เอเจนต์เดียวกันสามารถประมวลผลคำสั่งข้อความ สกรีนช็อต ภาพถ่าย วิดีโอ และเสียง สำหรับเอเจนต์ใช้งานคอมพิวเตอร์ ความเป็นมัลติโหมดแบบ native สำคัญเพราะการรับรู้และการตัดสินใจเกิดในลูป reasoning เดียวกัน ไม่ต้องแยกเป็นโมเดลแยกสำหรับผู้ใช้
Why Is Reinforcement Learning So Important to MiMo-V2.6?
Xiaomi รายงานว่า Flash และ Pro ผ่าน ขั้น RL ประมาณ 30 ขั้นและทราเจกทอรีราว 750,000 เส้นทาง ในการทดลองฝึกสาธารณะ 6 วัน ต้นทุนฝึกที่รายงานอยู่ที่ประมาณ $850,000 สำหรับ Flash และ $2.62 ล้านสำหรับ Pro แต่ละอัปเดตใช้ตัวอย่างฝึก 1,568 ตัวอย่าง โดยขั้นฝึกแต่ละขั้นมีโทเค็นราว 3.5–3.7 พันล้าน ส่วนผสมงานครอบคลุมโค้ด เอเจนต์ทั่วไป งานด้านภาพ ความปลอดภัยไซเบอร์ และหลาย harness ของเอเจนต์
ในกระบวนการ RL นี้ Xiaomi รายงานว่า คะแนน DeepSWE v1.1 นอกชุดตัวอย่างเพิ่มจาก 48.8 เป็น 65.7 สำหรับ Flash และจาก 58.4 เป็น 72.6 สำหรับ Pro ตัวเลขเหล่านี้อธิบายการทดลอง RL สด และไม่ควรถูกสับสนกับทุกคะแนนเบนช์มาร์กสุดท้ายของเช็คพอยต์ที่ปล่อย เพราะการตั้งค่าการประเมินอาจแตกต่างกัน
Groupwise agentic grading
สำหรับการฝึกเอเจนต์ รางวัลแบบผ่าน/ไม่ผ่านแบบไบนารีอาจซ่อนความแตกต่างที่มีความหมายระหว่างสองทราเจกทอรีที่สำเร็จ หนึ่งวิธีอาจเสร็จเร็วด้วยการเรียกเครื่องมือไม่กี่ครั้ง ในขณะที่อีกวิธีอาจใช้ขั้นตอนมากมาย Xiaomi จึงอธิบาย Groupwise Reward Synthesis และ Groupwise Advantage Redistribution เป็นกลไกในการเปรียบเทียบทราเจกทอรีภายในกลุ่มและกระจายสัญญาณการเรียนรู้ไปยังวิธีที่สะอาดกว่า เป้าหมายคือปรับปรุงไม่เพียงการทำงานสำเร็จ แต่รวมถึงประสิทธิภาพของเส้นทางด้วย
How Good Is Xiaomi MiMo-V2.6 on Agent Benchmarks?
หลักฐานสาธารณะที่แข็งแกร่งสำหรับ V2.6 กระจุกตัวอยู่ในเบนช์มาร์กเชิงเอเจนต์ มากกว่าการทดสอบแบบปรนัยทั่วไป แผนภูมิอย่างเป็นทางการของ Xiaomi เปรียบเทียบ Pro และ Flash กับ MiMo-V2.5-Pro, Claude Opus 5, GPT-5.6 Sol และ Fable 5 ในงานด้านโค้ด เอเจนต์ทั่วไป ความปลอดภัยไซเบอร์ และเอเจนต์ด้านภาพ

| Benchmark | MiMo-V2.6-Pro | MiMo-V2.6-Flash | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| DeepSWE v1.1 | 71.9 | 67.9 | 74.0 | 73.0 |
| ProgramBench | 26.5 | 26.0 | 37.0 | 25.0 |
| MiMo Code Bench | 63.2 | 61.2 | 68.6 | 59.3 |
| AutomationBench v1.0.6 | 53.1 | 52.3 | 50.3 | 45.8 |
| Toolathlon-Verified | 76.9 | 73.6 | 80.6 | 74.9 |
| Agents' Last Exam | 31.6 | 27.6 | 31.6 | 30.8 |
| Terminal Bench 2.1 | 89.9 | 87.6 | 89.1 | 88.8 |
| OSWorld-Verified | 82.0 | 80.8 | 83.4 | 83.0 |
| JobBench | 62.0 | 61.2 | 65.7 | 45.4 |
| MiMo Visual Coding | 72.3 | 71.5 | 70.0 | 73.4 |
Coding Progress
ความก้าวหน้าด้านโค้ดชัดเจนที่สุดในงานระยะยาว ระหว่างการรัน RL สด Xiaomi รายงานว่า DeepSWE v1.1 นอกชุดตัวอย่างเพิ่มจาก 48.8 เป็น 65.7 สำหรับ Flash และจาก 58.4 เป็น 72.6 สำหรับ Pro ในตารางข้ามโมเดลที่เผยแพร่ Pro ทำได้ 71.9 บน DeepSWE v1.1 และ 63.2 บน MiMo Code Bench ในขณะที่ Flash ทำได้ 67.9 และ 61.2 Pro ไม่ได้ชนะทุกการทดสอบโค้ด—Claude Opus 5 ยังนำอยู่ใน DeepSWE, ProgramBench และ MiMo Code Bench—แต่ V2.6 ผสานผลลัพธ์ระดับคลังรีโปที่แข่งขันได้กับน้ำหนักที่เปิดและราคาผ่าน API ที่ต่ำกว่ามาก
Reasoning and Agentic Progress
ความก้าวหน้าด้าน reasoning เข้าใจได้ดีกว่าในมิติการวางแผน การใช้เครื่องมือ และการฟื้นตัว มากกว่าคะแนนสติปัญญาเชิงนามธรรม 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 เหนือผลของ Claude Opus 5 และ GPT-5.6 Sol ที่ระบุไว้เล็กน้อยบน Terminal Bench 2.1 ในขณะที่โมเดล V2.6 ทั้งสองนำบน AutomationBench Xiaomi ให้เครดิตการพัฒนาแก่การเปรียบเทียบทราเจกทอรีแบบกลุ่ม เกรดเดอร์ที่เข้มข้นขึ้น การฝึกหลาย harness และสัญญาณรางวัลที่เอื้อต่อเส้นทางคำตอบที่สั้นและสะอาดกว่า
Knowledge and Research Progress
ความก้าวหน้าที่เข้มข้นด้านความรู้ได้รับการสนับสนุนโดยการประเมินเชิงเอเจนต์และสาธิต มากกว่าชุดสอบความรู้ทั่วไป Pro ทำคะแนน 31.6 บน Agents' Last Exam เทียบเท่า Claude Opus 5 และได้ 62.0 บน JobBench Xiaomi ยังรายงานเวิร์กโฟลว์วิจัยวัสดุศาสตร์ที่เกี่ยวข้องกับการดึงวรรณกรรมและสิทธิบัตร การสร้างสมมติฐาน และการเรียกใช้เครื่องมือคอมพิวเตอร์ รวมถึงโครงการ formalization ใน Lean 4 ที่เกิน 6,000 บรรทัดที่ตรวจสอบแล้ว ตัวอย่างเหล่านี้บ่งชี้การดึงข้อมูล การสังเคราะห์ การให้เหตุผลแบบเชิงรูปแบบ และงานความรู้ที่ยึดกับเครื่องมือที่แข็งแรงขึ้น แต่ไม่ควรถือเป็นหลักฐานอิสระของความเหนือกว่าเชิงความรู้โดยรวม
โดยรวม: ความก้าวหน้าของ V2.6 กว้างแต่ไม่สม่ำเสมอ จุดแข็งที่สุดคือหลักฐานของการพัฒนาด้านโค้ดระยะยาวและการปฏิบัติการเอเจนต์ ขณะที่ข้ออ้างเกี่ยวกับ reasoning และความรู้ทั่วไปควรถูกผูกกับเบนช์มาร์ก เครื่องมือ และสาธิตเฉพาะ
หมายเหตุเบนช์มาร์ก: เว้นแต่ระบุเป็นอย่างอื่น ผลลัพธ์ข้ามโมเดลด้านล่างรายงานโดย Xiaomi ในการ์ดโมเดล MiMo-V2.6 คะแนนอาจขึ้นกับเวอร์ชันเบนช์มาร์ก harness ของเอเจนต์ การกำหนดค่าเครื่องมือ งบประมาณ inference และโปรโตคอลการประเมิน จึงไม่ควรถูกตีความเป็นการจัดอันดับที่ทำซ้ำโดยอิสระ
MiMo-V2.6 vs MiMo-V2.5: What Changed?
| Dimension | MiMo-V2.5 generation | MiMo-V2.6 breakthrough |
|---|---|---|
| Training focus | เอเจนต์มัลติโหมดแข็งแกร่ง บริบทยาว และประสิทธิภาพโทเค็น | โปรแกรม RL แบบผสมที่ใหญ่ขึ้นมากครอบคลุมโค้ด เอเจนต์ทั่วไป วิสัยทัศน์ ความปลอดภัยไซเบอร์ และหลาย harness |
| Agent capability | V2.5-Pro เล็งงานระยะยาวที่ยาก | Xiaomi รายงานว่า V2.6-Flash เหนือกว่า V2.5-Pro อย่างครอบคลุมในชุดเบนช์มาร์กเอเจนต์ของตน |
| Learning efficiency | เช็คพอยต์ผลิตจริงก่อนหน้า | ราว 750,000 ทราเจกทอรีใน 30 ขั้น RL; การเพิ่มของ DeepSWE ที่ถือออกประมาณ 17 คะแนนสำหรับ Flash และ 14 คะแนนสำหรับ Pro ระหว่างการฝึก |
| Openness | เปิดน้ำหนักและรองรับระบบนิเวศ | เพิ่มโค้ด RL สภาพแวดล้อมงาน 7,000+ รายการ เฟรมเวิร์กการฝึก harness น้ำหนักเบา และเช็คพอยต์ distillation 9B |
| Economics | ระดับราคา API ของ V2.5 เดิม | ระดับความฉลาดที่รายงานสูงขึ้นในราคา API อย่างเป็นทางการเท่าเดิม ขยับเส้นความสามารถ-ต้นทุนออกไป |
Coding and agent execution
เมื่อเทียบกับ V2.5 การเปลี่ยนแปลงที่ชัดเจนที่สุดคือ policy ของเอเจนต์ที่แข็งแรงขึ้น ไม่ใช่หน้าต่างบริบทที่ยาวขึ้น Xiaomi รายงานว่า V2.6-Flash เหนือกว่า V2.5-Pro ในชุดเบนช์มาร์กเอเจนต์ของตน ระหว่างการฝึก V2.6 คะแนน DeepSWE v1.1 ที่ถือออกเพิ่มจาก 48.8 เป็น 65.7 สำหรับ Flash และจาก 58.4 เป็น 72.6 สำหรับ Pro; คะแนนช่วงฝึกเหล่านี้ไม่สามารถเทียบตรงกับตารางเบนช์มาร์กรุ่นที่ปล่อยข้างต้น
Reasoning, knowledge, and training breadth
V2.6 ขยายการเสริมแรงครอบคลุมโค้ด เอเจนต์ทั่วไป วิสัยทัศน์ ความปลอดภัยไซเบอร์ และหลาย harness Xiaomi รายงานทราเจกทอรีประมาณ 750,000 เส้นทางในราว 30 ขั้น RL สิ่งนี้สนับสนุนการวางแผน การใช้เครื่องมือ และการฟื้นตัวที่กว้างขึ้น แต่ไม่ได้ยืนยันการเพิ่มขึ้นแบบสากลในทุกเบนช์มาร์กความรู้หรือ reasoning; ควรเปรียบเทียบงานและการประเมินที่จับคู่กัน
Migration and openness
การเปิดตัวครั้งนี้ยังเพิ่มโค้ด RL สภาพแวดล้อมงานกว่า 7,000 ราย การโครงสร้างพื้นฐานการฝึก และเช็คพอยต์ distillation 9B หน้าต่างบริบท 1M และอินพุตมัลติโหมดเป็นความต่อเนื่องจาก V2.5 ไม่ใช่สิ่งใหม่ของ V2.6
การเปลี่ยนแปลงเชิงปฏิบัติจึงไม่ใช่ซองบริบทใหม่—บริบท 1M และมัลติโหมดเต็มรูปแบบมีอยู่แล้วใน V2.5—แต่เป็น policy เอเจนต์ที่แข็งแรงขึ้นซึ่งฝึกด้วย compute RL ที่มากขึ้นและสภาพแวดล้อมที่ตรวจสอบได้ที่กว้างขึ้น Xiaomi ประกาศว่าชื่อโมเดล V2.5 และ V2.5-Pro จะหยุดทำงานในวันที่ 21 ตุลาคม 2026 ดังนั้นการปรับใช้ใหม่ควรเล็ง V2.6 และการปรับใช้ที่มีอยู่ควรวางแผนการทดสอบการย้าย
How V2.6 compares with other frontier models

| Dimension | MiMo-V2.6-Pro | Closed frontier models | Other open-weight models |
|---|---|---|---|
| Weights | เปิดน้ำหนัก | โดยทั่วไปปิด | ขึ้นกับโมเดล |
| Verified MiMo context | 1M tokens | ตรวจแต่ละหน้าโมเดลอย่างเป็นทางการ | ตรวจการ์ดโมเดลอย่างเป็นทางการ |
| Verified MiMo modalities | Text, image, video, audio | ขึ้นกับผู้ให้บริการ | ขึ้นกับโมเดล |
| Agent-focused RL | เน้นย้ำอย่างมากในรุ่นนี้ | ขึ้นกับโมเดลและระบบ | ขึ้นกับโมเดลและเช็คพอยต์ |
| Self-hosting | ได้ แต่ต้องมีโครงสร้างพื้นฐานขนาดใหญ่ | โดยทั่วไปไม่ได้ | มักเป็นไปได้สำหรับเช็คพอยต์เปิด |
| Primary MiMo advantage | เปิดน้ำหนัก มัลติโหมด native ราคาผ่าน API ต่ำ | ระบบนิเวศผู้ให้บริการและเครื่องมือที่มีการจัดการ | แตกต่างตามไลเซนส์ ขนาด และสแตกการปรับใช้ |
สำหรับชุดเปรียบเทียบปัจจุบัน ให้ประเมิน MiMo-V2.6 เทียบกับ Claude Opus 5.5 สำหรับงานโค้ดเอเจนต์ระยะยาว Claude Fable 5.1 สำหรับงานอัตโนมัติที่ยากที่สุด GPT-6 Sol และ Gemini 4 Pro ความพร้อมใช้งานและราคาของโมเดลมีการเปลี่ยนแปลง จึงควรใช้แคตตาล็อกสดและพรอมป์ต เครื่องมือ งบประมาณความพยายาม และเกณฑ์ยอมรับที่ตรงกันในการเปรียบเทียบเพื่อการผลิต
What Can Xiaomi MiMo-V2.6 Actually Do?
Coding and software-engineering agents
MiMo-V2.6 ถูกออกแบบสำหรับเส้นทางวิศวกรรมซอฟต์แวร์ระยะยาว: ตรวจสอบรีโป ปรับแก้โค้ด ใช้เครื่องมือเทอร์มินัล รันทดสอบ วินิจฉัยความล้มเหลว และดำเนินต่อจนบรรลุวัตถุประสงค์ ผลลัพธ์ DeepSWE, Terminal Bench, AutomationBench และ Toolathlon ชี้ว่า Xiaomi กำลังปรับให้เหมาะกับการปฏิบัติการมากกว่าการเติมโค้ดเพียงอย่างเดียว งานจริงรวมถึงเอเจนต์เขียนโค้ด การดีบักอัตโนมัติ การปรับโครงสร้างรีโป การแก้ปัญหา CI และเวิร์กโฟลว์วิศวกรรมแบบหลายเครื่องมือ
Computer use
Xiaomi สาธิต Computer Use Agent (CUA) อย่างชัดเจน โมเดลสามารถตีความอินเทอร์เฟซกราฟิก ดึงข้อมูล แก้ไขเนื้อหา ประมวลผลข้อมูล ตรวจสอบผลลัพธ์ วินิจฉัยปัญหา และเปลี่ยนการกระทำถัดไปตามฟีดแบ็กภาพ ในเวิร์กโฟลว์นี้ เอาต์พุตของโมเดลมักไม่ใช่ผลลัพธ์สุดท้าย แต่เป็นการกำหนดการกระทำของซอฟต์แวร์หรือเบราว์เซอร์ถัดไป
3D worlds and Blender workflows
ภายใต้แนวคิด "Vibe World" MiMo-V2.6 สามารถรับข้อความ รูปภาพ หรือวิดีโออ้างอิง และแตกคำขอ 3D ออกเป็นงานสร้างฉาก การเขียนโปรแกรมปฏิสัมพันธ์ และการตรวจสอบภาพ Xiaomi ยังสาธิตการควบคุม Blender เพื่อสร้างวัตถุและฉาก 3D จากคำอธิบายหรือภาพอ้างอิง ขยาย vibe coding จากแอปไปสู่สภาพแวดล้อมเชิงโต้ตอบ
Robotics and embodied agents
Xiaomi สาธิต MiMo-V2.6 ในสภาพแวดล้อมจำลองแบบ embodied ด้วยภาพจากกล้องหลายมุมและแขนหุ่นยนต์ Franka Panda งานตัวอย่างรวมการหยิบจับ การจับคู่สี และการวางอย่างแม่นยำ สิ่งนี้ไม่ได้ยืนยันว่า V2.6 เป็น foundation model ด้านหุ่นยนต์สากล แต่แสดงให้เห็นว่ามุมมองเชิงภาพแบบ native และการตัดสินใจระยะยาวเชื่อมต่อกับลูปควบคุม embodied ได้อย่างไร
Scientific research and formal reasoning
Xiaomi รายงานกรณีด้านวัสดุศาสตร์ที่ MiMo-V2.6-Pro ช่วยนักวิจัยเกี่ยวกับโครงโลหะ-ออร์แกนิกสำหรับการดูดซับ PFAS รวมถึงการค้นหาวรรณกรรมและสิทธิบัตร การสร้างผู้สมัคร และการเรียกใช้เครื่องมือคอมพิวเตอร์ ในอีกการทดลอง โมเดลช่วย formalize ทฤษฎีบทหลักจาก "Period Three Implies Chaos" ใน Lean 4 Xiaomi รายงานโครงการที่สมบูรณ์เกิน 6,000 บรรทัดของ Lean ที่ตรวจสอบโดยเคอร์เนล Lean โดยไม่มี placeholder ที่ไม่พิสูจน์ ตัวอย่างเหล่านี้ดีที่สุดในการตีความว่าเป็นการสาธิตเวิร์กโฟลว์การวิจัยแบบเอเจนต์ ไม่ใช่หลักฐานการค้นพบทางวิทยาศาสตร์แบบอัตโนมัติ
Websites, presentations, video, and music
MiMo-V2.6 สามารถประสานงานการเขียนโค้ดส่วนหน้า เวิร์กโฟลว์การออกแบบ สไลด์ ทรัพยากร SVG สายงานวิดีโอ และเครื่องมือผลิตเพลง Xiaomi สาธิตการออร์เคสเตรตกับระบบสื่อเฉพาะทาง รวมถึงการบรรยายด้วย MiMo-V2.5-TTS แทนที่จะอ้างว่า V2.6 เองแทนที่ตัวสร้างภาพ วิดีโอ หรือเสียงทั้งหมด โมเดลจึงเหมาะอย่างยิ่งในฐานะออร์เคสเตรตเตอร์การผลิตเชิงสร้างสรรค์
กรณีการใช้งานในส่วนนี้คือการสาธิตของ Xiaomi ไม่ใช่หลักฐานอิสระว่าการปรับใช้ทุกครั้งจะได้ผลลัพธ์เดียวกัน ทีมงานผลิตควรทดสอบโมเดลกับเครื่องมือ สิทธิ์ ฟื้นตัวจากความล้มเหลว และเกณฑ์การประเมินของตนเอง
How Much Does Xiaomi MiMo-V2.6 Cost?
| Pricing | MiMo-V2.6-Pro | MiMo-V2.6-Flash | Pro UltraSpeed |
|---|---|---|---|
| Cached input / 1M tokens | $0.0036 | $0.0028 | $0.036 |
| Uncached input / 1M tokens | $0.435 | $0.14 | $4.35 |
| Output / 1M tokens | $0.87 | $0.28 | $8.70 |
Xiaomi รักษาราคา API ของ V2.6 ไว้ระดับเดียวกับรุ่น V2.5 โดยรวม Flash โดดเด่นเป็นพิเศษสำหรับงานปริมาณมาก: ราคาอย่างเป็นทางการของ Xiaomi แสดง $0.14 ต่อหนึ่งล้านโทเค็นอินพุตที่ไม่แคช และ $0.28 ต่อหนึ่งล้านโทเค็นเอาต์พุต

CometAPI Pricing and Availability
| CometAPI route | Input / 1M | Output / 1M | Catalog status |
|---|---|---|---|
| mimo-v2.6-pro-ultraspeed | $3.48 | $6.96 | มีให้ใช้; ต่ำกว่าราคา uncached อย่างเป็นทางการ 20% |
| mimo-v2.6-pro | $0.348 | $0.6960 | มีให้ใช้; ต่ำกว่าราคา uncached อย่างเป็นทางการ 20% |
| mimo-v2.6-flash | $0.112 | $0.2240 | มีให้ใช้; ต่ำกว่าราคา uncached อย่างเป็นทางการ 20% |
How Can Developers Access Xiaomi MiMo-V2.6?
Xiaomi เปิดเผยโมเดลผ่าน API ที่เข้ากันได้กับ OpenAI และเอกสารความเข้ากันได้กับโปรโตคอลของ Anthropic บนหน้ารุ่นอย่างเป็นทางการ ตัวระบุตามทางการคือ mimo-v2.6-pro, mimo-v2.6-flash และ mimo-v2.6-pro-ultraspeed Xiaomi เอกสารการเรียกใช้เครื่องมือ เอาต์พุตแบบมีโครงสร้าง สตรีมมิง การควบคุม reasoning การแคชบริบท และการค้นเว็บ อินเทอร์เฟซที่เข้ากันได้กับ OpenAI ใช้ค่า thinking.type เช่น enabled หรือ disabled โดยการคิดเชิงลึกเปิดใช้งานโดยค่าเริ่มต้นสำหรับโมเดล V2.6
นักพัฒนามีสามเส้นทางการเข้าถึงเชิงปฏิบัติ เส้นทางแรก ดาวน์โหลดเช็คพอยต์ open-weight Pro หรือ Flash เพื่อบูรณาการแบบ self-hosted โดยขึ้นกับข้อกำหนดการให้บริการที่มาก เส้นทางที่สอง ใช้ API ที่จัดการโดย Xiaomi พร้อมคีย์ Xiaomi และเอ็นด์พอยต์ที่เอกสารไว้ เส้นทางที่สาม ใช้เส้นทาง CometAPI ที่รองรับด้วยคีย์ CometAPI และ base URL; สิ่งนี้ช่วยให้การประเมินหลายโมเดลง่ายขึ้นและรวมบิลลิง ผู้ช่วยเขียนโค้ดอย่าง Claude Code สามารถใช้เส้นทางที่เข้ากันได้กับ Anthropic เมื่อเส้นทางและโมเดลนั้นรองรับ แต่ต้องทดสอบความเข้ากันได้จริงไม่ใช่สันนิษฐาน
Accessing MiMo-V2.6 through CometAPI
CometAPI จัดให้มีเอ็นด์พอยต์และชั้นบิลลิงแบบรวมสำหรับโมเดลที่รองรับ ข้อได้เปรียบเชิงปฏิบัติหลักคือความง่ายในการย้าย: ทีมสามารถคง SDK ที่คุ้นเคย เปลี่ยนเพียง base URL และ model ID เปรียบเทียบ MiMo กับโมเดลแนวหน้าตัวอื่นในบัญชีเดียวกัน และรวมศูนย์การใช้งาน ราคา และการตรวจสอบความพร้อมใช้งาน สิ่งนี้มีประโยชน์สำหรับการกำหนดเส้นทางหลายโมเดล กลยุทธ์ fallback ใบแจ้งหนี้รวม และการประเมินที่ต้องใช้พรอมป์ตเดียวกันข้ามผู้ให้บริการ
CometAPI เอกสารรูปแบบคำขอข้อความสามแบบในระดับแพลตฟอร์ม: OpenAI Chat Completions, Anthropic Messages, และ OpenAI Responses สำหรับ SDK ที่เข้ากันได้ การย้ายโดยทั่วไปหมายถึงการเปลี่ยน base URL, คีย์ API และ model ID มากกว่าการเขียนแอปใหม่ทั้งหมด การรองรับเอ็นด์พอยต์และพารามิเตอร์อาจแตกต่างตามโมเดล จึงควรทดสอบรุ่น MiMo-V2.6 ที่แน่ชัดและรูปแบบคำขอ ก่อนจะอ้างว่าทั้งสามเส้นทางใช้งานได้กับมัน
ตรวจสอบเมื่อ 23 กันยายน 2026 MiMo-V2.6-Pro-UltraSpeed มีเส้นทางแคตตาล็อกที่พร้อมใช้งานพร้อมราคาสำหรับอินพุตและเอาต์พุตที่ระบุ หน้า Pro และ Flash เฉพาะ แสดงคำว่า Coming soon ในภาพสnapshot ของแคตตาล็อก แม้ว่าแผงสุขภาพ API จะบอกว่า Available ให้ถือว่านี่เป็นสัญญาณหน้าเว็บที่ไม่สอดคล้อง ไม่ใช่ความพร้อมใช้งานหรือราคาสำหรับการผลิตที่ยืนยันแล้ว ตรวจสอบแคตตาล็อกสด แดชบอร์ด และคำขอทดสอบก่อนการปรับใช้
ตัวอย่างต่อไปนี้ทำตามรูปแบบ Anthropic-SDK ที่เผยแพร่โดย CometAPI และเรียกเส้นทาง UltraSpeed ที่ระบุอยู่ในปัจจุบัน 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 เปิดเผยน้ำหนักโมเดล วัสดุทางเทคนิค ทรัพยากร RL สภาพแวดล้อมการฝึก และโครงสร้างพื้นฐานที่เกี่ยวข้อง การเปิดตัวรวมสภาพแวดล้อมงาน RL มากกว่า 7,000 รายการ ครอบคลุมวิศวกรรมซอฟต์แวร์ การทำซ้ำช่องโหว่ งานที่เข้มข้นด้านความรู้ และการออกแบบ/พัฒนาเว็บ Xiaomi ยังปล่อย MiMo-V2.6-Distill-Qwen-9B เพื่อให้นักวิจัยศึกษาสายพาน RL ในสเกลที่เล็กลงมาก
การ์ดโมเดลอย่างเป็นทางการ: MiMo-V2.6-Pro-RL | MiMo-V2.6-Flash-RL
What Are the Limitations of Xiaomi MiMo-V2.6?
ตัวเลขพารามิเตอร์ระดับล้านล้านไม่ควรถูกถือเป็นหลักฐานว่า V2.6 แข็งแกร่งกว่าโมเดลแนวหน้าที่ปิดทั้งหมดอย่างสม่ำเสมอ ตารางเบนช์มาร์กของ Xiaomi เองแสดงภาพผสม: Claude Opus 5 ยังนำหน้าบางการทดสอบโค้ด การใช้เครื่องมือ และ OS ขณะที่ GPT-5.6 Sol ก็นำในบางการทดสอบ การประเมินตามงานจริงจึงมีความหมายมากกว่าการติดป้ายผู้ชนะโดยรวม
การโฮสต์เช็คพอยต์ Pro แบบเต็มด้วยตนเองก็เป็นงานโครงสร้างพื้นฐานหนัก น้ำหนักเปิดไม่ได้หมายถึงการปรับใช้บนเวิร์กสเตชันได้ง่าย นอกจากนี้สาธิตพาดหัวหลายรายการ—การวิจัย การควบคุม embodied โลก 3D และการผลิตวิดีโอ—ขึ้นกับเครื่องมือภายนอกและ harness ของเอเจนต์ MiMo-V2.6 ควรถูกประเมินในฐานะโมเดลภายในระบบ ไม่ใช่แค่โมเดลแชตเดี่ยวๆ
Why Does Xiaomi MiMo-V2.6 Matter?
MiMo-V2.6 ผสานสามทิศทางสำคัญ: โมเดล Sparse MoE ขนาดใหญ่มาก มัลติโหมดแบบ native และการเสริมแรงเหนือสภาพแวดล้อมเอเจนต์จริง ตัวเลขพารามิเตอร์ 1.02T ดึงดูดความสนใจ แต่ทางเลือกการออกแบบที่มีผลมากกว่าคือการลงทุนของ Xiaomi ในการโต้ตอบกับสภาพแวดล้อมซ้ำๆ การให้เกรดทราเจกทอรี การใช้เครื่องมือ และการแก้ไขตนเอง
หากแนวทางนี้สเกลต่อไป โมเดลเปิดอาจต่างกันมากขึ้นไม่เพียงด้วยปริมาณความรู้สแตติกที่มีอยู่ แต่ด้วยความสามารถในการกระทำ ประเมิน ฟื้นตัว และทำงานยาวให้สำเร็จได้อย่างมีประสิทธิภาพ MiMo-V2.6 จึงควรถูกเข้าใจว่าเป็น foundation model เชิงเอเจนต์แบบเปิด มากกว่าจะแค่เป็นแชตบอตพารามิเตอร์ล้านล้านอีกตัว
Conclusion
MiMo-V2.6 เป็นการปล่อยน้ำหนักเปิดที่สำคัญเพราะผสานอินพุตข้อความ รูปภาพ วิดีโอ และเสียงแบบ native กับบริบทยาว การอนุมานแบบ Sparse MoE และการเสริมแรงเหนือสภาพแวดล้อมเอเจนต์จริง Pro เหมาะกับงานระยะยาวที่ยาก Flash มุ่งที่งานปริมาณสูงและคุมต้นทุน และ UltraSpeed แลก ราคาผ่าน API ที่สูงขึ้นอย่างมีนัยสำคัญกับความหน่วงต่ำลง
ตระกูลโมเดลนี้แข่งขันได้ในหลายเบนช์มาร์กเชิงเอเจนต์ที่ผู้ขายรายงาน แต่ไม่ได้เป็นผู้นำในทุกการประเมิน และไม่ควรถูกมองว่าเป็นตัวแทนแทนโมเดลแนวหน้าที่ปิดทั้งหมด เส้นทางการนำมาใช้ที่เชื่อถือได้ที่สุดคือทดสอบ MiMo-V2.6 กับเครื่องมือ เป้าหมายความหน่วง โหมดความล้มเหลว และโปรไฟล์ต้นทุนที่ต้องการในเวิร์กโฟลว์การผลิตจริง
FAQ
What should teams test before moving MiMo-V2.6 into production?
ทดสอบทั้งระบบ ไม่ใช่แค่โมเดล วัดการทำงานสำเร็จ ความแม่นยำในการเรียกเครื่องมือ การฟื้นตัวจากการกระทำที่ล้มเหลว ความหน่วง การใช้โทเค็น การจัดการบริบท และขอบเขตสิทธิ์ เบนช์มาร์กเอเจนต์ให้ทิศทาง แต่การประเมินภายในควรสะท้อนรีโป เบราว์เซอร์ เอกสาร หรือเวิร์กโฟลว์วิจัยจริง
Why can self-hosting MiMo-V2.6-Pro be difficult despite its sparse architecture?
การกระตุ้นแบบ sparse ลด compute ต่อโทเค็นเมื่อเทียบกับโมเดล dense ล้านล้านพารามิเตอร์ แต่เช็คพอยต์เต็มยังมีรอยเท้าหน่วยความจำและการให้บริการแบบกระจายที่ใหญ่มาก การปรับใช้ระดับผลิตอาจต้องการ inference หลายโหนด expert parallelism เคอร์เนลเฉพาะ และการวางแผนขีดความสามารถอย่างรอบคอบ
How should developers interpret Xiaomi's cross-model benchmark table?
มองว่าเป็นหลักฐานที่ผู้ขายรายงาน ไม่ใช่อันดับสากลที่ทำซ้ำโดยอิสระ ผลลัพธ์อาจเปลี่ยนตาม harness ของเอเจนต์ งบประมาณ inference เครื่องมือ ภาพสภาพแวดล้อม วิธีการสุ่ม และเวอร์ชันเบนช์มาร์ก เปรียบเทียบแนวโน้มข้ามหลายงาน และทำซ้ำงานที่เกี่ยวข้องที่สุดภายในองค์กร
When is MiMo-V2.6-Flash a better choice than Pro?
Flash เหมาะกว่าเมื่อปริมาณการเรียกและต้นทุนเป็นปัจจัยหลัก โดยเฉพาะการประมวลผลเอกสาร การวิเคราะห์มัลติโหมด และขั้นเอเจนต์ที่ซ้ำ Pro เหมาะเมื่อ reasoning ที่ยากหรือการดำเนินการระยะยาวให้คุณค่าทางธุรกิจเพียงพอที่จะคุ้มค่าราคาที่สูงกว่า
Does a 1M-token context window eliminate the need for retrieval or prompt management?
ไม่ หน้าต่างที่ใหญ่ขึ้นเพิ่มความจุ แต่การส่งประวัติที่ไม่จำเป็นอาจเพิ่มความหน่วงและต้นทุน และอาจทำให้หลักฐานที่เกี่ยวข้องเจือจาง การดึงข้อมูล สรุปความ จำเชิงโครงสร้าง และการตัดแต่งบริบทยังคงสำคัญสำหรับเอเจนต์ผลิตที่เชื่อถือได้



