MiMo-V2.6-Pro là gì?
MiMo-V2.6-Pro là mô hình suy luận đa phương thức hàng đầu của Xiaomi MiMo, được xây dựng cho các dự án phức tạp, tác vụ dài hạn, quy trình làm việc chuyên nghiệp, nghiên cứu, an ninh mạng, lập trình và các ứng dụng dựa trên tác tử.
Mô hình hỗ trợ hiểu bản địa đối với văn bản, hình ảnh, video và âm thanh trong một mô hình thống nhất. Nó cung cấp cửa sổ ngữ cảnh 1 triệu token và hỗ trợ tối đa 128K token đầu ra, phù hợp với các kho lưu trữ lớn, tài liệu dài, chuỗi công cụ mở rộng và quy trình công việc tác tử đa phiên.
Checkpoint open-weight MiMo-V2.6-Pro-RL sử dụng kiến trúc Mixture-of-Experts thưa với 1,02 nghìn tỷ tham số tổng và 42 tỷ tham số được kích hoạt. Kiến trúc của nó bao gồm bộ mã hóa thị giác 681M tham số, các bộ mã hóa âm thanh chuyên dụng và một bộ giải mã suy đoán 5 lớp.
Thông số kỹ thuật
| Thông số | MiMo-V2.6-Pro |
|---|---|
| Model ID | mimo-v2.6-pro |
| Nhà cung cấp | Xiaomi MiMo |
| Loại mô hình | Mô hình suy luận đa phương thức |
| Kiến trúc | Mixture-of-Experts thưa |
| Tổng số tham số | 1.02T |
| Tham số kích hoạt | 42B |
| Phương thức đầu vào | Văn bản, Hình ảnh, Video, Âm thanh |
| Phương thức đầu ra | Văn bản |
| Cửa sổ ngữ cảnh | 1M token |
| Đầu ra tối đa | 128K token |
| Suy luận | Suy luận sâu |
| Gọi công cụ | Hỗ trợ |
| Tìm kiếm web | Hỗ trợ |
| Đầu ra có cấu trúc | Hỗ trợ |
| Phát trực tuyến | Hỗ trợ |
| Bộ nhớ đệm ngữ cảnh | Hỗ trợ |
Trang mô hình chính thức của Xiaomi liệt kê 100 RPM và 10M TPM cho API của mô hình.
Các tính năng chính của MiMo-V2.6-Pro
1. Hiểu biết đa phương thức bản địa
MiMo-V2.6-Pro được thiết kế để hiểu kết hợp văn bản, hình ảnh, video và âm thanh thay vì giới hạn xử lý đa phương thức vào một quy trình phụ riêng biệt.
Điều này cho phép ứng dụng kết hợp các dạng thông tin khác nhau trong một tiến trình suy luận duy nhất, bao gồm tài liệu có hình ảnh, phân tích dựa trên video, nội dung âm thanh, ảnh chụp màn hình và hướng dẫn bằng văn bản.
2. Ngữ cảnh dài 1M token
Mô hình cung cấp cửa sổ ngữ cảnh lên tới 1 triệu token. Điều này khiến nó phù hợp với quy trình công việc liên quan đến các codebase lớn, tài liệu dài, tài liệu nghiên cứu mở rộng, lịch sử tác tử bền bỉ và dấu vết gọi công cụ lớn.
Cửa sổ ngữ cảnh dài đặc biệt hữu ích cho các hệ thống tác tử vì lịch sử nhiệm vụ đáng kể và kết quả trung gian có thể vẫn sẵn có mà không cần liên tục nén hội thoại.
3. Suy luận nâng cao và năng lực tác tử
MiMo-V2.6-Pro được thiết kế xoay quanh các quy trình làm việc đòi hỏi suy luận chuyên sâu và dài hạn. Xiaomi nhấn mạnh các dự án phức tạp, cộng tác đa tác tử và khối lượng công việc chuyên nghiệp là các trường hợp sử dụng chính. Mô hình cũng hỗ trợ suy luận sâu và gọi công cụ.
Những năng lực này khiến nó phù hợp cho:
- Kỹ thuật phần mềm phức tạp
- Tác tử nghiên cứu
- Lập kế hoạch nhiều bước
- Điều phối công cụ
- Quy trình sử dụng máy tính
- Phân tích an ninh mạng
- Tác vụ đòi hỏi kiến thức cao
4. Gọi công cụ và đầu ra có cấu trúc
MiMo-V2.6-Pro hỗ trợ gọi công cụ và đầu ra có cấu trúc, cho phép ứng dụng kết nối mô hình với các API bên ngoài, cơ sở dữ liệu, hệ thống tìm kiếm, công cụ doanh nghiệp và các thành phần phần mềm khác.
Đầu ra có cấu trúc đặc biệt hữu ích khi phản hồi của mô hình cần được tiêu thụ bởi logic của ứng dụng downstream thay vì chỉ hiển thị dưới dạng văn bản tự nhiên.
5. Quy trình tác tử dài hạn
Sự kết hợp giữa ngữ cảnh dài, hiểu biết đa phương thức, suy luận và sử dụng công cụ cho phép MiMo-V2.6-Pro vận hành trên các quy trình yêu cầu nhiều giai đoạn lập kế hoạch và thực thi.
Xiaomi mô tả dòng MiMo-V2.6 được tối ưu hóa cho hợp tác đa phương thức, đa tác tử và multi-harness. Ví dụ chính thức của họ bao gồm lập trình, công việc văn phòng, thiết kế, nghiên cứu, sáng tạo nội dung, an ninh mạng và vận hành máy tính.
6. Kiến trúc mô hình open-weight
MiMo-V2.6-Pro-RL được phát hành dưới dạng checkpoint trọng số mở. Model card ghi lại kiến trúc MoE thưa với 1,02T tham số tổng và 42B tham số kích hoạt, cùng với các bộ mã hóa thị giác và âm thanh chuyên dụng.
Model card cũng ghi lại phương pháp học tăng cường được dùng để cải thiện năng lực mã hóa, agent tổng quát, agent thị giác và an ninh mạng.
Hiệu năng benchmark
Đánh giá do Xiaomi công bố bao phủ các tác vụ tác tử lập trình, tác tử tổng quát, an ninh mạng và tác vụ agent thị giác. Đây là kết quả đánh giá do nhà cung cấp công bố, nên cần phân biệt với các nghiên cứu benchmark độc lập từ bên thứ ba.
| Benchmark | MiMo-V2.6-Pro |
|---|---|
| DeepSWE v1.1 | 71.9 |
| ProgramBench | 26.5 |
| MiMo Code Bench | 63.2 |
| AutomationBench v1.0.6 | 53.1 |
| Toolathlon-Verified | 76.9 |
| GDPval-AA 2.1 | 1673 |
| Agents' Last Exam | 31.6 |
| Terminal Bench 4.0 | 34.9 |
| Terminal Bench 2.1 | 89.9 |
| OSWorld-Verified | 82.0 |
| JobBench | 62.0 |
| CyberGym | 94.0 |
| MiMo Cyber Bench | 80.2 |
| ExploitGym | 17.8 |
| ExploitBench | 47.9 |
| SEC Bench Pro | 66.3 |
| MiMo VisualCoding | 72.3 |
Các kết quả đáng chú ý được báo cáo gồm 89.9 trên Terminal Bench 2.1, 82.0 trên OSWorld-Verified, 76.9 trên Toolathlon-Verified, và 94.0 trên CyberGym.
Trang mô hình chính thức của Xiaomi cũng báo cáo điểm chỉ số trí tuệ tổng hợp của Artificial Analysis là 46.32. Vì đây là đánh giá từ bên thứ ba được Xiaomi tham chiếu, nên tốt nhất nên xem xét riêng với bộ benchmark riêng của Xiaomi.
MiMo-V2.6-Pro so với MiMo-V2.6-Flash
MiMo-V2.6-Pro và MiMo-V2.6-Flash chia sẻ cùng thiết kế tổng thể về đa phương thức và ngữ cảnh dài, nhưng hướng tới các quy mô mô hình khác nhau.
| Tính năng | MiMo-V2.6-Pro | MiMo-V2.6-Flash |
|---|---|---|
| Định vị mô hình | Flagship | Tập trung vào hiệu suất |
| Kiến trúc | MoE thưa | MoE thưa |
| Tổng số tham số | 1.02T | 309B |
| Tham số kích hoạt | 42B | 15B |
| Cửa sổ ngữ cảnh | 1M token | 1M token |
| Đầu vào | Văn bản, Hình ảnh, Video, Âm thanh | Văn bản, Hình ảnh, Video, Âm thanh |
| Suy luận sâu | Hỗ trợ | Hỗ trợ |
| Gọi công cụ | Hỗ trợ | Hỗ trợ |
| Đầu ra có cấu trúc | Hỗ trợ | Hỗ trợ |
| Tìm kiếm web | Hỗ trợ | Hỗ trợ |
Khác biệt kiến trúc chính nằm ở quy mô mô hình: bản Pro có 1,02T tham số tổng / 42B tham số kích hoạt, so với 309B tổng / 15B kích hoạt của Flash.
MiMo-V2.6-Pro so với các mô hình suy luận khác
MiMo-V2.6-Pro kết hợp nhiều năng lực thường phân tán ở các hạng mục mô hình khác nhau: hiểu đa phương thức, suy luận ngữ cảnh dài, lập trình, sử dụng công cụ và thực thi hướng tác tử.
Cửa sổ ngữ cảnh 1M token giúp nó khác biệt với các mô hình có ngữ cảnh nhỏ hơn đáng kể, trong khi khả năng nhận đầu vào hình ảnh, video và âm thanh bản địa mở rộng vượt ra ngoài các hệ thống suy luận tập trung vào văn bản. Kiến trúc MoE thưa của nó cũng tách biệt dung lượng tổng thể của mô hình khỏi số tham số được kích hoạt trên mỗi token.
Đối với ứng dụng hướng tác tử, bộ đánh giá được công bố bao phủ kỹ nghệ phần mềm, sử dụng công cụ tổng quát, tương tác máy tính, an ninh mạng và lập trình thị giác, thay vì chỉ tập trung độc quyền vào các benchmark ngôn ngữ truyền thống.
Các trường hợp sử dụng tiêu biểu
Kỹ thuật phần mềm phức tạp
MiMo-V2.6-Pro có thể hỗ trợ sinh mã, phân tích repository, gỡ lỗi, kiến trúc phần mềm, lập kế hoạch tác vụ và các quy trình lập trình tự động.
Các đánh giá được công bố bao gồm DeepSWE v1.1, ProgramBench, MiMo Code Bench và Terminal Bench.
Nghiên cứu ngữ cảnh dài
Ngữ cảnh 1M token khiến mô hình phù hợp với các dự án nghiên cứu lớn liên quan đến bài báo dài, tài liệu kỹ thuật, bộ dữ liệu, ghi chú và lịch sử nghiên cứu tích lũy.
Phân tích đa phương thức
Ứng dụng có thể kết hợp văn bản, hình ảnh, video và âm thanh trong một quy trình thống nhất. Điều này hữu ích để phân tích tài liệu đa phương tiện, dữ liệu ghi âm, bằng chứng trực quan, ảnh chụp màn hình và dữ liệu nghiên cứu định dạng hỗn hợp.
Tác tử AI và tự động hóa công cụ
Gọi công cụ, đầu ra có cấu trúc, suy luận sâu và ngữ cảnh dài khiến MiMo-V2.6-Pro phù hợp với các tác tử cần lập kế hoạch, gọi công cụ bên ngoài, kiểm tra kết quả và tiếp tục làm việc qua nhiều bước.
An ninh mạng
An ninh mạng là một trong các lĩnh vực đánh giá được Xiaomi công bố. Mô hình báo cáo 94.0 trên CyberGym, 80.2 trên MiMo Cyber Bench, 47.9 trên ExploitBench và 66.3 trên SEC Bench Pro.
Quy trình sử dụng máy tính
MiMo-V2.6-Pro được đánh giá trên OSWorld-Verified, nơi Xiaomi báo cáo điểm 82.0. Điều này khiến tương tác máy tính và tự động hóa hướng giao diện người dùng trở thành một lĩnh vực ứng dụng liên quan khác cho mô hình.
Quy trình khoa học và chuyên nghiệp
Xiaomi giới thiệu MiMo-V2.6-Pro trong các quy trình nghiên cứu khoa học, bao gồm nghiên cứu vật liệu, cũng như thiết kế, sáng tạo nội dung, công việc văn phòng và các tác vụ chuyên nghiệp phức tạp khác.
Hạn chế
Kết quả benchmark của MiMo-V2.6-Pro chủ yếu do Xiaomi công bố và nên được diễn giải trong bối cảnh phương pháp của từng benchmark, thay vì như một thước đo phổ quát cho hiệu năng ứng dụng.
Kiến trúc 1,02T tham số tổng của mô hình cũng đại diện cho một quy mô cơ bản đáng kể. Con số 42B tham số kích hoạt mô tả kích hoạt thưa, chứ không phản ánh đầy đủ dấu chân phần cứng hoặc triển khai. Các tổ chức cân nhắc tự vận hành nên tự đánh giá hỗ trợ engine suy luận, yêu cầu bộ nhớ, lượng tử hóa, thông lượng và yêu cầu phần cứng một cách độc lập.
Đối với ứng dụng dựa trên API, mô hình được lưu trữ có thể truy cập qua nền tảng API của Xiaomi, trong khi checkpoint open-weight cung cấp một con đường riêng cho các tổ chức muốn tự quản lý hạ tầng suy luận.
Cách truy cập API MiMo-V2.6-Pro qua CometAPI
Bước 1: Đăng ký CometAPI và Lấy khóa API CometAPI của bạn
Tạo hoặc đăng nhập vào tài khoản CometAPI và mở khu vực quản lý API. Tạo một khóa API từ tài khoản CometAPI của bạn và chuẩn bị sử dụng cho ứng dụng.
Bước 2: Chọn MiMo-V2.6-Pro
Tìm MiMo-V2.6-Pro trong danh mục mô hình của CometAPI và xác nhận Model ID là mimo-v2.6-pro. Đặt MiMo-V2.6-Pro làm mô hình đích trong tích hợp CometAPI của bạn. Cấu hình ứng dụng theo các khả năng văn bản, hình ảnh, video, âm thanh, suy luận hoặc gọi công cụ mà quy trình làm việc của bạn yêu cầu.
Bước 3: Gửi yêu cầu
Gửi yêu cầu qua tích hợp CometAPI và cung cấp các đầu vào cần thiết cho ứng dụng của bạn.
Bước 4: Xử lý phản hồi
Sử dụng đầu ra của mô hình trả về, dữ liệu có cấu trúc, kết quả suy luận hoặc thông tin gọi công cụ trong quy trình làm việc của ứng dụng của bạn.