MiMo-V2.6-Flash : le checkpoint ouvert de 309B que Xiaomi vend désormais au token

MiMo-V2.6-Flash est le checkpoint d'efficacité de la sortie de septembre 2026 de Xiaomi : un modèle à mélange d'experts clairsemé comptant 309 milliards de paramètres au total et 15 milliards actifs par token, un contexte d'1 M de tokens, et des poids sous licence MIT sur Hugging Face. Il se situe en dessous de MiMo-V2.6-Pro, le fleuron à 1 020 milliards de paramètres, au sein de la même série MiMo-V2.6 — et les deux sont des entraînements distincts plutôt qu'un seul modèle en deux tailles. Ce qui a changé depuis la première couverture de cette sortie, ce n'est pas le modèle. C'est tout ce qui l'entoure. La plateforme de Xiaomi publie désormais un prix par token associé à l'identifiant exact mimo-v2.6-flash, une longueur de sortie maximale publiée, un quota de limite de débit, et une date de dépréciation qui redirigera le trafic V2.5 vers ce point de terminaison, que vous migriez ou non. Voici la référence permanente pour le modèle lui-même : trois checkpoints publiés portent son nom, un seul d'entre eux est bien celui auquel les lecteurs pensent, et deux chiffres que vous avez peut-être vus à son sujet sont désormais obsolètes.

Ce qu'est MiMo-V2.6-Flash — et les deux noms qu'il n'est pas

Commencez par la distinction que le lecteur doit bien saisir, car les internautes qui arrivent sur cette page se répartissent de part et d'autre de celle-ci. MiMo-V2.6 est une série, et non un modèle. La note de version de Xiaomi précise que la série « comprend deux modèles natifs entièrement multimodaux, à savoir Pro et Flash », de sorte que le simple nom de la série renvoie à deux checkpoints publiés, avec des entraînements distincts, des tableaux de benchmarks distincts et des empreintes mémoire distinctes. Flash est le plus petit, le moins coûteux et le plus équilibré en termes d'efficacité ; Pro est le modèle phare. Ni l'un ni l'autre n'est une édition quantifiée de l'autre, et il n'existe pas de troisième « V2.6 tout court » qui se situerait entre les deux.

Le second nom à ne pas confondre est plus ancien, et la confusion coûte plus cher. MiMo-V2-Flashest sorti en décembre 2025 et, sur le papier, ressemble au même modèle : un mélange d'experts clairsemé (sparse mixture of experts) totalisant 309B de paramètres dont 15B actifs, une attention hybride entrelaçant fenêtres glissantes et blocs globaux, et la même fenêtre glissante de 128 tokens. Neuf mois les séparent, et presque tout le reste aussi. Le point de contrôle de 2025 annonce un contexte de 256K ; celui-ci annonce 1M. Ce sont des téléchargements différents, des recettes de service différentes et des profils de capacités différents, et une recherche de « MiMo V2.6 Flash » vous renverra encore allègrement les pages de 2025.

Ce que Xiaomi ne publie pas, c'est un second dépôt de poids sous le nom nu. Demander XiaomiMiMo/MiMo-V2.6-Flash au Hub renvoie une erreur d'autorisation car aucun dépôt de ce type n'existe ; l'artefact canonique est XiaomiMiMo/MiMo-V2.6-Flash-RL. Plus de détails ci-dessous sur ce que signifie ce suffixe, car c'est la partie la plus mal interprétée de la dénomination de ce modèle.

Qui le publie, sous quelle licence, et sous l’endpoint de qui ?

L'équipe MiMo de Xiaomi le publie, sur sa propre organisation Hugging Face, et la licence est MIT — vérifiée aujourd'hui d'après les métadonnées du dépôt, qui portent license:mit et aucune restriction d'accès. C'est la licence permissive, sans seuil de chiffre d'affaires, clause de recherche ni restriction d'usage acceptable, de sorte que le déploiement commercial, la modification et la redistribution sont tous autorisés sans conversation avec Xiaomi. La fiche du modèle déclare l'anglais et le chinois comme ses langues.

La même organisation publie trois artefacts sur ce socle, et la distinction importe pour quiconque planifie un déploiement :

• MiMo-V2.6-Flash-RL — le checkpoint canonique publié, créé le 21 septembre 2026, 90 fichiers. C'est celui que sert l'API et celui auquel se réfère chaque benchmark de cette page.

• MiMo-V2.6-Flash-MOPD — publié le 27 septembre 2026, et décrit sur sa propre fiche comme « la mise à niveau MOPD du checkpoint MiMo-V2.6-Flash-RL » plutôt qu’un modèle différent. Il est le résultat d’une seconde étape de post-entraînement qui fusionne plusieurs enseignants spécialisés par domaine en un seul modèle. Si vous avez déjà récupéré le checkpoint RL, il s’agit d’un artefact plus récent de la même lignée, et non d’un modèle frère distinct.

• MiMo-V2.6-Distill-Qwen-9Bun modèle de 9,4 B sous licence MIT publié le jour même, que la note de version désigne comme le point de départ du run d'entraînement RL open source plutôt que comme un checkpoint produit.

Xiaomi vend également le modèle directement, ce qui constitue la partie de ce tableau qui a évolué au cours du mois d'octobre. L'identifiant hébergé est en minuscules et sans suffixe — mimo-v2.6-flash — et il apparaît dans la liste /v1/models propre à la plateforme, aux côtés de mimo-v2.6-pro, mimo-v2.6-pro-ultraspeed et de la génération V2.5.

L’architecture, lue depuis la config plutôt que depuis le résumé

La ligne de résumé de la fiche de modèle est là où s'arrête la plupart de la couverture secondaire, et ce n'est pas là que se trouvent les chiffres utiles. D'après les propres tableaux d'architecture de Xiaomi et le config.json du dépôt, tous deux consultés aujourd'hui :

• Backbone — 48 couches réparties en 39 à fenêtre glissante et 9 en attention globale, taille cachée 4096, 256 experts routés avec 8 activés par token, une fenêtre glissante de 128 tokens, et aucun expert partagé. Le premier bloc est une attention globale avec un réseau feed-forward dense ; tout ce qui suit alterne.

• Têtes d’attention — 64 têtes de requête dans les deux blocs, 8 têtes clé/valeur sur les blocs à fenêtre glissante contre 4 sur les blocs globaux. C’est cette configuration qui rend le contexte de 1 M abordable : le motif hybride est ce qui empêche le cache KV de croître avec la séquence complète.

• Encodeurs — un MiMo ViT de 681 M de paramètres (28 couches, 24 à fenêtre glissante plus 4 complètes), un tokeniseur audio de 308 M avec 24 couches et 20 livres de codes de quantification vectorielle résiduelle, et un encodeur de patchs audio de 127 M qui replie quatre trames en une.

• Décodage spéculatif — un drafteur de prédiction multi-jetons à fenêtre glissante de 5 couches, de style DFlash, avec une fenêtre de 1024 jetons, décrit comme prédisant 7 jetons suivants par passe avant.

• Poids sur disque — la liste des fichiers du dépôt sur le Hub totalise aujourd’hui environ 178 Go répartis sur 90 fichiers, les shards étant en FP8 (e4m3) avec un schéma d’activation dynamique. C’est le nombre que vous payez en VRAM, et peu importe la façon dont les paramètres sont comptés.

Deux questions de comptage se posent ici, et elles ont désormais des réponses différentes de celles qu'elles avaient en septembre. La première : les métadonnées safetensors du Hub pour le dépôt indiquent un total de 310,756,322,688 paramètres — environ 310,8B, ce qui tombe juste à côté du total de 309B de la carte. Les articles précédents, y compris le nôtre, portaient un chiffre de 159B lu sur le même panneau du dépôt. Ce nombre a évolué, et c'est le chiffre actuel qu'il faut utiliser. La deuxième question n'a pas été résolue : la carte décrit un drafter à cinq couches prédisant sept tokens, tandis que config.json dans le même dépôt définit num_nextn_predict_layers sur 3. Les deux ne peuvent pas décrire le même artefact, et c'est la config que lit le runtime. Dimensionnez la mémoire pour le drafter d'après la config et vérifiez après le chargement.

La configuration corrobore effectivement une affirmation phare de manière limpide, et il vaut la peine de le signaler, car la plupart des autres nécessitent une mise en garde : max_position_embeddingsest défini sur 1 048 576, ce qui correspond exactement au contexte de 1 M de tokens annoncé par la fiche.

Contexte, plafond de sortie et une revendication de modalité qui restreint les options hors fournisseur

Le contexte est le plus simple. Xiaomi annonce 1 M de tokens, la configuration le confirme, et le résumé du modèle de la plateforme le répète. La sortie maximale est le chiffre que la plupart des pages de référence omettent encore, à tort, et il est publié : la page modèle de la plateforme donne 128K tokens de sortie maximale face au contexte de 1 M, pour les deux mimo-v2.6-flash et mimo-v2.6-pro. Un piège comportemental y est associé. La réflexion approfondie est activée par défaut, et max_completion_tokens plafonne ensemble le contenu de réflexion et la réponse finale — ainsi, une longue passe de raisonnement consomme le même budget que la réponse, et les recommandations du fournisseur lui-même sont de le définir généreusement. En mode réflexion, les valeurs personnalisées de temperature et top_p sont ignorées : quoi que vous envoyiez, les valeurs effectives sont forcées à 1,0 et 0,95.

Les modalités sont le point où la documentation du fournisseur et la mesure indépendante divergent, et il vaut la peine d’énoncer les deux sans désigner un vainqueur. La fiche modèle et la plateforme de Xiaomi revendiquent toutes deux une surface d’entrée omni-modale native pour la série — texte, image, vidéo et audio entrant dans un seul modèle plutôt que dans trois pipelines assemblés à la va-vite. La mesure indépendante est plus restrictive. Sur la page du modèle Artificial Analysis pour MiMo-V2.6-Flash, les spécifications techniques indiquent comme modalité d’entrée « texte et image » et comme sortie « texte », tandis que la page du même site pour MiMo-V2.6-Pro indique une entrée « texte, image, parole et vidéo ». Même famille, même documentation du fournisseur, et un seul des deux checkpoints dispose d’une surface audio et vidéo enregistrée de façon indépendante. Rien de publié n’explique cette différence, et nous ne pouvons pas la trancher de l’extérieur. Considérez l’entrée audio et vidéo comme une affirmation du fournisseur pour Flash jusqu’à ce que quelque chose d’autre la confirme.

Ce que Xiaomi déclare, et le seul chiffre qu’un tiers a mesuré

Chaque chiffre de benchmark que Xiaomi publie pour ce modèle provient des propres exécutions de Xiaomi sur bancs d'essai et n'a pas été reproduit indépendamment sur ces bancs d'essai. Ce n'est pas une accusation, c'est l'état des preuves, et il vaut la peine de s'y tenir, car les propres supports du fabricant se contredisent d'une manière qu'il est facile de laisser passer.

• Agent de code — DeepSWE v1.1 : Flash 67,9, Pro 71,9, face à Claude Opus 5 à 74,0 et GPT-5.6 Sol à 73,0 sur les exécutions de Xiaomi. Terminal Bench 2.1 : Flash 87,6. Terminal Bench 4.0 : Flash 28,8. ProgramBench 26,0.

• Agent généraliste — AutomationBench v1.0.6 : Flash 52,3, supérieur à la fois à GPT-5.6 Sol (45,8) et à Claude Opus 5 (50,3) lors de la même exécution du fournisseur. Toolathlon-Verified 73,6, OSWorld-Verified 80,8, Agents' Last Exam 27,6.

• Cybersécurité — la colonne où le modèle le plus petit l'emporte. CyberGym : Flash 95,1 contre 94,0 pour Pro. Puis le plancher s'effondre : ExploitGym 6,0, ExploitBench 25,3, SEC Bench Pro 47,5.

• Agent visuel — MiMo VisualCoding : Flash 71,5, Pro 72,3.

Le désaccord se situe dans la colonne DeepSWE v1.1, et il s'étend sur trois surfaces Xiaomi. La note de version sur la plateforme de Xiaomi indique que Flash s'est amélioré « d'environ 17 points (de 48,8 à 65,7) » sur l'ensemble du run RL. La fiche du modèle affiche 67,9pour les poids publiés. Le tableau de bord RL diffusé en continu qui a tourné jusqu'en septembre a publié 65,68sous un harnais mini-swe-agent, en moyenne sur trois exécutions, sur un instantané d'entraînement. Trois chiffres de fournisseur pour un seul benchmark sur un seul modèle, et personne en dehors de Xiaomi ne peut actuellement dire lequel décrit l'artefact que vous téléchargez. Si vous citez 65,68 depuis septembre, cela décrivait un instantané d'entraînement à l'époque et c'est désormais un nombre obsolète pour le checkpoint publié.

Face à tout cela, il existe exactement une mesure indépendante, et elle n'est pas flatteuse de la manière dont l'est un tableau de fournisseur. Artificial Analysis attribue à MiMo-V2.6-Flash un score de 38 sur son Intelligence Index v4.3.2 — huitième sur 117 modèles de la catégorie — avec 49,2 jetons de sortie par seconde, une génération de 240 M de jetons pour le passage de l'indice que le site qualifie de « très verbeux » contre une médiane de 140 M, et un coût de 0,06 $ par tâche de l'Intelligence Index. Sa phrase de synthèse est que le modèle compte « parmi les modèles de tête en intelligence et à un prix raisonnable », mais qu'il est « plus lent que la moyenne et très verbeux ». À titre de comparaison, le même site attribue à MiMo-V2.6-Pro un score de 46 et le classe premier sur 117 — le chiffre que Xiaomi cite elle-même dans sa propre note de version, pour le Pro et non pour le Flash.

Ce que cela coûte, et le chiffre qui a bougé

Voici la partie du tableau qui a changé après la couverture du lancement, et il faut donc le dire clairement : l'interprétation antérieure selon laquelle Xiaomi n'avait publié aucun tarif par token pour cette génération est obsolète. La page de paiement à l'usage du fournisseur comporte une grille tarifaire complète avec une mention de mise à jour du 8 octobre 2026, et le modèle concerné y dispose de sa propre ligne.

• À l'international, par million de tokens — mimo-v2.6-flash à 0,0028 $ en cas de succès du cache, 0,14 $ en cas d'échec du cache et 0,28 $ en sortie. mimo-v2.6-pro à 0,0036 $ / 0,435 $ / 0,87 $, et mimo-v2.6-pro-ultraspeed à 0,036 $ / 4,35 $ / 8,70 $.

• Tarification pour la Chine continentale, par million de tokens — flash ¥0,02 / ¥1,00 / ¥2,00, pro ¥0,025 / ¥3,00 / ¥6,00, ultraspeed ¥0,25 / ¥30,00 / ¥60,00. La plateforme facture en RMB pour la Chine et en dollars à l’étranger.

• API Batch — exactement la moitié du tarif en temps réel : flash 0,0014 $ / 0,07 $ / 0,14 $, pro 0,0018 $ / 0,2175 $ / 0,435 $, l'URL de base du mode batch étant distincte de celle du temps réel. Xiaomi indique que le mode batch n'est pas pris en charge pour mimo-v2.6-pro-ultraspeed ni pour les identifiants V2.5.

• Écritures de cache — gratuites pour une durée limitée, comme indiqué sur la grille tarifaire aujourd’hui. Les succès de cache sont ce qui fait bouger l’économie : à 0,0028 $ contre 0,14 $, un succès de cache représente 2 % d’un échec de cache, et Artificial Analysis enregistre une remise de 98 % sur le cache ainsi que la même paire 0,14 $/0,28 $ d’après ses propres relevés de fournisseurs.

• Recherche web — facturée séparément des jetons à 5 $ pour 1 000 appels à l'étranger et 16 ¥ pour 1 000 en Chine, le contenu des pages récupérées étant ensuite facturé comme des jetons d'entrée ordinaires. Une seule requête de recherche peut déclencher plusieurs mots-clés simultanément, c'est pourquoi le fournisseur expose un max_keyword plafond pour limiter les dépenses.

• Abonnements — Xiaomi vend également des paliers Token Plan facturés au mois, avec des allocations de crédits et un « V2.6 Flagship Model Access », un format d'identifiant distinct de la clé de paiement à l'usage, ainsi qu'un multiplicateur de crédits nocturne entre 00:00 et 08:00 UTC+8. Les abonnements et les soldes de paiement à l'usage ne sont explicitement pas interchangeables.

Comment l'appeler

Il existe trois itinéraires, et ils demandent des identifiants différents.

• Hosted API — the base URL is https://api.xiaomimimo.com/v1 for the OpenAI-compatible surface and https://api.xiaomimimo.com/anthropic for the Anthropic-compatible one. Authentication accepts either an api-key: $MIMO_API_KEY header or a Bearer token, and the model string is the lowercase mimo-v2.6-flash. Xiaomi's own note is blunt about the casing: use the all-lowercase names.

• Limites de débit — un débit publié de 100 requêtes par minute et de 10 M de tokens par minute pour mimo-v2.6-flash, comptabilisé par compte sur l'ensemble des clés API plutôt que par clé. L'identifiant ultraspeed fait exception : il est vendu comme un service personnalisé plutôt qu'au compteur.

• Auto-hébergement — la fiche fournit une recette SGLang en tensor parallel 8, data parallel 2, avec DP attention, le chemin spéculatif EAGLE multi-couches activé (--speculative-num-steps 3, --speculative-eagle-topk 1, --speculative-num-draft-tokens 4), une fraction de mémoire statique de 0,65 et un chunked prefill de 16384, plus une recette vLLM en tensor parallel 4. Les deux nécessitent --reasoning-parser mimo --tool-call-parser mimo pour analyser correctement la sortie de raisonnement et les appels d'outils. Les largeurs de parallélisme de ces recettes ont été modifiées depuis les premières descriptions de cette version ; utilisez ce que la fiche indique aujourd'hui. L'échantillonnage recommandé est temperature 1.0, top_p 0.95.

Un élément daté a sa place dans toute référence pour ce modèle, car il modifie à lui seul le comportement d'une intégration existante. L'avis de migration de Xiaomi indique qu'à partir du 14 octobre 2026 à 18:00 UTC+8, les requêtes vers mimo-v2.5-pro et mimo-v2.5 seront automatiquement routées vers la série V2.6, et qu'à partir du 21 octobre 2026 à 10:00 UTC+8 les anciens identifiants de modèle cesseront de fonctionner. Le trafic épinglé à un identifiant V2.5 est donc déjà redirigé sans modification de code — à vérifier, car le même avis indique que les requêtes vers ces deux identifiants sont envoyées respectivement vers Pro et Flash, ce qui n'est pas un échange équivalent en termes de coût.

Si la raison pour laquelle vous lisez ceci est que vous avez besoin d’un modèle frontière appelable plutôt que d’un téléchargement, la présentation honnête est que MiMo-V2.6-Flash n’en fait pas partie ici. Nous ne routons aucun modèle Xiaomi, et la fiche de Xiaomi elle-même indique une disponibilité sur ses surfaces propriétaires — l’API Open Platform, son application studio, son outil de codage et son client de bureau. Les modèles par rapport auxquels Xiaomi se compare dans ses propres tableaux sont toutefois appelables, et plusieurs d’entre eux sont disponibles sur OrcaRouter avec une seule clé API, au prix catalogue du fournisseur, sans marge ajoutée (0 %), de sorte qu’un changement de prix du fournisseur se répercute sur votre facture le jour même plutôt qu’à un renouvellement. Cela compte plus que d’habitude sur une page comme celle-ci, où une grille tarifaire a été publiée en cours de route et où les totaux évoluent.

Le « -rl » dans le nom du dépôt, et d’autres artefacts sur la même racine

Les lecteurs recherchent ce modèle sous mimo-v2.6-flash-rl aussi souvent que sans le suffixe, il vaut donc la peine d'être précis. Le fournisseur ne désigne pas de « variante RL » comme un modèle distinct. Le suffixe fait partie du nom propre de l'artefact canonique : XiaomiMiMo/MiMo-V2.6-Flash-RL est le checkpoint publié, et -RL marque la lignée issue du post-entraînement — le résultat de l'exécution d'apprentissage par renforcement mixte que Xiaomi a diffusée en continu jusqu'en septembre, et non un adaptateur d'apprentissage par renforcement posé sur un autre modèle de base. Les preuves à l'appui sont structurelles plutôt que rhétoriques : le dépôt embarque des dizaines de milliers de tenseurs couvrant l'ensemble du backbone, l'encodeur visuel, la pile audio et le drafter spéculatif, et la liste des fichiers fait ~178 Go. Un adaptateur, c'est des mégaoctets. Et notez comment l'API du fournisseur l'appelle — mimo-v2.6-flash, sans le moindre suffixe. Donc le « -rl » est une convention de dépôt de poids, et une fois saisi dans une requête hébergée, il ne sera tout simplement pas résolu.

Les trois autres suffixes sur ce radical sont ordinaires et méritent d'être connus : -MOPD est la mise à niveau post-entraînement supplémentaire publiée six jours plus tard, -Pro est le modèle phare plutôt qu'un Flash plus grand, et -ultraspeed est un mode de vitesse vendu comme un service personnalisé. Le distill 9B et les environnements de tâches RL résident dans des dépôts entièrement différents. Aucun d'entre eux n'est une quantification de Flash, ce que les suffixes laissent supposer.

Trois questions avec lesquelles les lecteurs arrivent

Est-ce le même modèle que MiMo-V2-Flash ? Non, et cette confusion a un coût bien réel, pas seulement cosmétique. Le checkpoint de décembre 2025 et celui-ci partagent les mêmes grands traits — 309B au total, 15B actifs, attention hybride, une fenêtre glissante de 128 jetons — mais ce sont des entraînements distincts espacés de neuf mois, avec des contextes annoncés différents (256K contre 1M), des tableaux de benchmark différents et des recettes de service différentes. Dimensionner un nœud à partir des chiffres du modèle plus ancien, ou annoncer son prix, sera erroné dans les deux sens.

Est-ce que ça tiendra sur le matériel dont je dispose ? Pas sur un seul GPU, et le fournisseur ne prétend pas le contraire. Les données de poids publiées font environ 178 Go en FP8 avant tout cache KV, et les propres recettes de Xiaomi démarrent à quatre GPU pour vLLM et à huit pour SGLang. Considérez la section sur le déploiement comme le minimum du fournisseur plutôt qu'une suggestion, et notez que les recettes exigent des analyseurs explicites de raisonnement et d'appels d'outils — sans eux, le modèle génère toujours, mais vous perdez le canal de réflexion et les appels d'outils structurés dont dépendent la plupart de ses benchmarks d'agents.

Quel artefact Flash dois-je réellement récupérer ? Le checkpoint RL si vous voulez ce que décrivent les benchmarks et l’API, et le dépôt MOPD si vous voulez l’étape ultérieure de post-entraînement que sa propre fiche appelle la mise à niveau de celui-ci. Ne récupérez pas les deux en vous attendant à une différence de taille ; ils sont de la même lignée à la même échelle, à six jours d’intervalle, et le modèle MOPD est là où a abouti la fusion des enseignants de domaine de Xiaomi.

Qu’est-ce qui changerait cette page ?

Trois éléments, dans l'ordre approximatif de leur poids dans une décision. Une exécution par un tiers sur les harnais du fournisseur lui-même — DeepSWE v1.1 ou Terminal Bench, soumise plutôt qu'auto-déclarée — permettrait de trancher si le 67,9 est une position réelle ou une configuration favorable, et expliquerait aussi pourquoi trois surfaces Xiaomi affichent trois nombres différents pour la même colonne. Un test indépendant de la surface d'entrée audio et vidéo permettrait de résoudre l'écart entre la revendication omnimodale de la fiche et la note technique plus restrictive de la page tierce. Et une surface fournisseur supplémentaire, conciliant le drafteur à cinq couches et sept tokens du résumé avec les trois couches de la config, supprimerait la dernière incohérence que doit contourner un planificateur de capacité.

Jusque-là, la lecture de référence est étroite et exploitable. MiMo-V2.6-Flash est un point de contrôle de mélange d'experts clairsemé de 309 milliards de paramètres, dont 15 milliards actifs, sous licence MIT, avec un contexte de 1 M de tokens et un plafond de sortie de 128 K, publié le 21 septembre 2026 sous le suffixe FLASH-RL, facturé par Xiaomi à 0,14 $ par million de tokens d'entrée et 0,28 $ par million de sortie en cas d'échec de cache, et — depuis octobre — appelable via le propre point de terminaison du fournisseur sous l'identifiant mimo-v2.6-flash. Ses benchmarks fournisseur n'ont pas été reproduits, son seul score indépendant est de 38 sur un indice où son propre grand frère obtient 46, et son nombre de paramètres mis en avant est l'un des rares chiffres proches de ce modèle à s'être réellement révélé exact.