MiMo-V2.6-Flash: o checkpoint aberto de 309B que a Xiaomi agora vende por token

MiMo-V2.6-Flash é o checkpoint de eficiência do lançamento da Xiaomi de setembro de 2026: um modelo esparso de mistura de especialistas com 309 bilhões de parâmetros no total e 15 bilhões ativos por token, um contexto de 1M de tokens e pesos licenciados sob MIT no Hugging Face. Ele fica abaixo do MiMo-V2.6-Pro, o carro-chefe de 1,02 trilhão de parâmetros, dentro da mesma série MiMo-V2.6 — e os dois são treinamentos separados, não um único modelo em dois tamanhos. O que mudou desde a primeira cobertura deste lançamento não é o modelo. É tudo ao redor dele. A própria plataforma da Xiaomi agora publica um preço por token para o identificador exato mimo-v2.6-flash, um comprimento máximo de saída publicado, uma cota de limite de taxa e uma data de descontinuação que direcionará o tráfego do V2.5 para este endpoint, quer você migre ou não. Esta é a referência permanente para o modelo em si: três checkpoints publicados compartilham seu nome, exatamente um deles é aquele a que os leitores se referem, e dois números que você pode ter visto para ele agora estão desatualizados.

O que é o MiMo-V2.6-Flash — e os dois nomes que ele não é

Comece pela distinção que o leitor precisa acertar, porque os usuários de busca que chegam a esta página se dividem quanto a ela. O MiMo-V2.6 é uma série, não um modelo. A nota de lançamento da Xiaomi diz que a série "compreende dois modelos nativos totalmente multimodais, a saber, Pro e Flash", de modo que o nome da série por si só corresponde a dois checkpoints publicados, com execuções de treinamento separadas, tabelas de benchmark separadas e pegadas de memória separadas. O Flash é o menor, mais barato e equilibrado em eficiência; o Pro é o principal. Nenhum deles é uma edição quantizada do outro, e não há um terceiro "V2.6 comum" entre eles.

O segundo nome a manter separado é mais antigo, e confundi-lo sai mais caro. MiMo-V2-Flash foi lançado em dezembro de 2025 e, no papel, parece o mesmo modelo: uma mistura esparsa de especialistas com 309B no total e 15B de parâmetros ativos, atenção híbrida intercalando blocos de janela deslizante e globais, e a mesma janela deslizante de 128 tokens. Nove meses os separam, e quase tudo o resto também. O checkpoint de 2025 afirma um contexto de 256K; este afirma 1M. Eles são downloads diferentes, receitas de serving diferentes e perfis de capacidade diferentes, e uma busca por "MiMo V2.6 Flash" ainda lhe entregará alegremente as páginas de 2025.

O que a Xiaomi nãopublica é um segundo repositório de pesos sob o nome simples. Solicitar XiaomiMiMo/MiMo-V2.6-Flash ao Hub retorna um erro de autorização porque esse repositório não existe; o artefato canônico é XiaomiMiMo/MiMo-V2.6-Flash-RL. Mais sobre o que esse sufixo significa abaixo, porque é a parte mais mal interpretada da nomenclatura deste modelo.

Quem o publica, sob que licença e sob o endpoint de quem?

A equipe MiMo da Xiaomi publica-o em sua própria organização no Hugging Face, e a licença é MIT — verificado hoje nos metadados do repositório, que trazem license:mit e nenhum gating. Essa é a licença permissiva, sem limite de receita, cláusula de pesquisa ou barreira de uso aceitável, portanto a implantação comercial, a modificação e a redistribuição são todas permitidas sem uma conversa com a Xiaomi. O cartão do modelo declara o inglês e o chinês como seus idiomas.

A mesma organização publica três artefactos neste stem, e a distinção é importante para quem planeia uma implementação:

• MiMo-V2.6-Flash-RL — o checkpoint canônico lançado, criado em 21 de setembro de 2026, 90 arquivos. É este que a API serve e aquele ao qual todos os benchmarks desta página se referem.

• MiMo-V2.6-Flash-MOPD — publicado em 27 de setembro de 2026, e descrito em sua própria ficha como "a atualização MOPD do checkpoint MiMo-V2.6-Flash-RL", em vez de um modelo diferente. É o resultado de um segundo estágio de pós-treinamento que funde vários professores especializados em domínios em um único modelo. Se você já baixou o checkpoint RL, este é um artefato mais recente na mesma linhagem, não um irmão separado.

• MiMo-V2.6-Distill-Qwen-9B — um modelo de 9,4B com licença MIT publicado no mesmo dia, que a nota de lançamento indica como o ponto de partida para a execução de treinamento de RL de código aberto, e não como um checkpoint de produto.

A Xiaomi também vende o modelo diretamente, que é a parte deste cenário que mudou em outubro. O identificador hospedado está em minúsculas e sem sufixo — mimo-v2.6-flash — e aparece na própria /v1/models listagem da plataforma, ao lado de mimo-v2.6-pro, mimo-v2.6-pro-ultraspeed e da geração V2.5.

A arquitetura, lida a partir da configuração em vez do resumo

A linha de resumo da ficha do modelo é onde a maior parte da cobertura secundária termina, e não é onde estão os números úteis. A partir das próprias tabelas de arquitetura da Xiaomi e do config.json do repositório, ambos lidos hoje:

• Backbone — 48 camadas divididas em 39 de janela deslizante e 9 de atenção global, tamanho oculto 4096, 256 especialistas roteados com 8 ativados por token, uma janela deslizante de 128 tokens e nenhum especialista compartilhado. O primeiro bloco é de atenção global com uma rede feed-forward densa; tudo depois dele se intercala.

• Cabeças de atenção — 64 cabeças de consulta em ambos os blocos, 8 cabeças de chave/valor nos blocos de janela deslizante contra 4 nos globais. É esse o formato que torna o contexto de 1M viável: o padrão híbrido é o que impede o cache KV de escalar com a sequência completa.

• Codificadores — um MiMo ViT de 681M de parâmetros (28 camadas, 24 de janela deslizante mais 4 completas), um tokenizador de áudio de 308M com 24 camadas e 20 codebooks de quantização vetorial residual, e um codificador de patches de áudio de 127M que combina quatro quadros em um único.

• Decodificação especulativa — um rascunhador de predição de múltiplos tokens com janela deslizante de 5 camadas, no estilo DFlash, com uma janela de 1024 tokens, descrito como prevendo 7 tokens subsequentes por passagem direta.

• Pesos em disco — a listagem de arquivos do repositório no Hub hoje totaliza cerca de 178 GB em 90 arquivos, os shards em FP8 (e4m3) com um esquema de ativação dinâmico. Esse é o número que você paga em VRAM, e ele não se importa com como os parâmetros são contados.

Duas questões de contagem surgem aqui, e agora elas têm respostas diferentes das que tinham em setembro. A primeira: os metadados safetensors do Hub para o repositório relatam um total de 310,756,322,688 parâmetros — cerca de 310.8B, o que fica bem próximo do total de 309B do card. Textos anteriores, incluindo os nossos, traziam um número de 159B lido do mesmo painel do repositório. Esse número mudou, e o atual é o que deve ser usado. A segunda questão não foi resolvida: o card descreve um drafter de cinco camadas que prevê sete tokens, enquanto config.json no mesmo repositório define num_nextn_predict_layers como 3. Os dois não podem descrever o mesmo artefato, e o config é o que o runtime lê. Dimensione a memória para o drafter com base no config e verifique após o carregamento.

A configuração de fato corrobora de forma inequívoca uma das principais alegações, e vale a pena dizê-lo porque a maioria das outras exige uma ressalva: max_position_embeddingsestá definido como 1.048.576, que é exatamente o contexto de 1 milhão de tokens anunciado no card.

Contexto, teto de saída e uma alegação de modalidade que restringe a opções de terceiros

O contexto é a parte fácil. A Xiaomi anuncia 1M tokens, a configuração confirma, e o resumo do modelo da plataforma repete isso. A saída máxima é o dado que a maioria das páginas de referência ainda deixa de fora, e está publicado: a página do modelo da plataforma informa 128K tokens de saída máxima contra o contexto de 1M, tanto para o mimo-v2.6-flash quanto para o mimo-v2.6-pro. Há uma armadilha comportamental embutida. O pensamento profundo é ativado por padrão, e max_completion_tokens limita o conteúdo de pensamento e a resposta final em conjunto — então uma longa passagem de raciocínio consome o mesmo orçamento que a resposta, e a orientação do próprio fornecedor é configurá-lo generosamente. No modo de pensamento, valores personalizados de temperature e top_p são ignorados: independentemente do que você enviar, os valores efetivos são forçados para 1.0 e 0.95.

As modalidades são onde o material do fornecedor e a medição independente se separam, e vale a pena declarar ambos sem escolher um vencedor. O cartão do modelo e a plataforma da Xiaomi afirmam ambos uma superfície de entrada omnimodal nativa para a série — texto, imagem, vídeo e áudio a entrar num único modelo, em vez de três pipelines acoplados. A medição independente é mais restrita. Na página do modelo Artificial Analysis para o MiMo-V2.6-Flash, as especificações técnicas listam a modalidade de entrada como "texto e imagem" e a saída como "texto", enquanto a página do mesmo site para o MiMo-V2.6-Pro lista a entrada como "texto, imagem, fala e vídeo". Mesma família, mesma documentação do fornecedor, e apenas um dos dois checkpoints tem uma superfície de áudio e vídeo registada independentemente. Nada publicado explica a diferença, e não podemos resolvê-la de fora. Trate a entrada de áudio e vídeo como uma afirmação do fornecedor no Flash até que algo mais a confirme.

O que a Xiaomi divulga, e o único número medido por terceiros

Todos os valores de benchmark que a Xiaomi publica para este modelo vêm das próprias execuções de harness da Xiaomi e não foram reproduzidos de forma independente nesses harnesses. Isso não é uma acusação, é o estado das evidências, e vale a pena ter isso em conta porque as próprias superfícies do fornecedor divergem entre si de uma forma fácil de passar despercebida.

• Agente de código — DeepSWE v1.1: Flash 67,9, Pro 71,9, contra Claude Opus 5 com 74,0 e GPT-5.6 Sol com 73,0 nas execuções da Xiaomi. Terminal Bench 2.1: Flash 87,6. Terminal Bench 4.0: Flash 28,8. ProgramBench 26,0.

• Agente geral — AutomationBench v1.0.6: Flash 52,3, acima tanto do GPT-5.6 Sol (45,8) quanto do Claude Opus 5 (50,3) na mesma execução do fornecedor. Toolathlon-Verified 73,6, OSWorld-Verified 80,8, Agents' Last Exam 27,6.

• Cibersegurança — a coluna em que o modelo menor vence. CyberGym: Flash 95,1 contra os 94,0 do Pro. Depois, o piso cai: ExploitGym 6,0, ExploitBench 25,3, SEC Bench Pro 47,5.

• Agente visual — MiMo VisualCoding: Flash 71,5, Pro 72,3.

A divergência está na coluna DeepSWE v1.1 e atravessa três superfícies da Xiaomi. A nota de versão na plataforma da Xiaomi diz que o Flash melhorou "aproximadamente 17 pontos (de 48,8 para 65,7)" ao longo da execução de RL. O cartão do modelo exibe 67,9 para os pesos lançados. O painel de RL em streaming que esteve ativo até setembro publicou 65,68 sob um harness mini-swe-agent na média de três, em um snapshot de treinamento. Três números do fornecedor para um único benchmark em um único modelo, e ninguém fora da Xiaomi consegue dizer atualmente qual deles descreve o artefato que você baixa. Se você vem citando 65,68 desde setembro, ele descrevia um snapshot de treinamento na época e agora é um número desatualizado para o checkpoint lançado.

Contra tudo isso, existe exatamente uma medição independente, e ela não é lisonjeira como uma tabela de fornecedor. O Artificial Analysis atribui ao MiMo-V2.6-Flash uma pontuação de 38 em seu Intelligence Index v4.3.2 — oitavo entre 117 modelos da classe — com 49,2 tokens de saída por segundo, uma geração de 240 milhões de tokens para a execução do índice que o site rotula como "muito verboso", em comparação com uma mediana de 140 milhões, e um custo de US$ 0,06 por tarefa do Intelligence Index. Sua frase de resumo é que o modelo está "entre os modelos líderes em inteligência e com preço razoável", mas é "mais lento do que a média e muito verboso". Para comparação, o mesmo site atribui ao MiMo-V2.6-Pro uma pontuação de 46 e o classifica em primeiro entre 117 — o número que a própria Xiaomi cita em sua nota de lançamento, para o Pro e não para o Flash.

Quanto custa, e o número que mudou

Esta é a parte do quadro que mudou após a cobertura do lançamento, por isso é preciso dizê-lo claramente: a leitura anterior de que a Xiaomi não tinha publicado qualquer tarifa por token para esta geração está desatualizada. A página de pagamento conforme o uso do fornecedor apresenta um tarifário completo com uma data de atualização de 8 de outubro de 2026, e o modelo em questão tem a sua própria linha.

• No exterior, por milhão de tokens — mimo-v2.6-flash a $0.0028 em caso de acerto de cache, $0.14 em caso de falha de cache e $0.28 de saída. mimo-v2.6-pro a $0.0036 / $0.435 / $0.87, e mimo-v2.6-pro-ultraspeed a $0.036 / $4.35 / $8.70.

• Preços na China continental, por milhão de tokens — flash ¥0.02 / ¥1.00 / ¥2.00, pro ¥0.025 / ¥3.00 / ¥6.00, ultraspeed ¥0.25 / ¥30.00 / ¥60.00. A plataforma cobra em RMB na China e em dólares no exterior.

• API em lote — exatamente metade da tarifa em tempo real: flash $0.0014 / $0.07 / $0.14, pro $0.0018 / $0.2175 / $0.435, com o URL base do lote separado do de tempo real. A Xiaomi afirma que o lote não é compatível com mimo-v2.6-pro-ultraspeed nem com os identificadores V2.5.

• Gravações em cache — gratuitas por tempo limitado, como consta na tabela de preços hoje. É nos acertos de cache que a economia muda: a $0,0028 contra $0,14, um acerto equivale a 2% de uma falha, e a Artificial Analysis registra um desconto de cache de 98% e o mesmo par $0,14/$0,28 em suas próprias leituras de provedores.

• Pesquisa na web — cobrada separadamente dos tokens a US$ 5 por 1.000 chamadas no exterior e ¥ 16 por 1.000 na China, com o conteúdo da página obtido sendo então cobrado como tokens de entrada comuns. Uma única rodada de pesquisa pode disparar várias palavras-chave simultaneamente, portanto o fornecedor expõe um limite max_keyword para conter os gastos.

• Assinaturas — A Xiaomi também vende níveis do Token Plan com preço mensal, com franquias de créditos e "V2.6 Flagship Model Access", um formato de credencial separado da chave de pagamento conforme o uso, e um multiplicador noturno de créditos entre 00:00 e 08:00 UTC+8. Assinaturas e saldos de pagamento conforme o uso não são intercambiáveis de forma explícita.

Como chamá-lo

Há três rotas, e elas exigem credenciais diferentes.

• 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 taxa — um limite publicado de 100 requisições por minuto e 10M tokens por minuto para mimo-v2.6-flash, contabilizados por conta em todas as chaves de API, e não por chave. O identificador ultraspeed é a exceção, vendido como um serviço personalizado e não como um serviço com medição.

• Auto-hospedagem — o card traz uma receita SGLang com paralelismo de tensores 8, paralelismo de dados 2, com atenção DP, o caminho especulativo EAGLE de múltiplas camadas habilitado (--speculative-num-steps 3, --speculative-eagle-topk 1, --speculative-num-draft-tokens 4), uma fração de memória estática de 0,65 e prefill em blocos de 16384, além de uma receita vLLM com paralelismo de tensores 4. Ambas precisam --reasoning-parser mimo --tool-call-parser mimo para fazer o parse da saída de raciocínio e das chamadas de ferramentas corretamente. As larguras de paralelismo nessas receitas foram editadas desde as primeiras publicações deste lançamento; use o que o card informa hoje. A amostragem recomendada é temperatura 1,0, top_p 0,95.

Um item datado pertence a qualquer referência para este modelo, porque altera o que uma integração existente faz por conta própria. O aviso de migração da Xiaomi afirma que, a partir de 14 de outubro de 2026 às 18:00 UTC+8, as solicitações para mimo-v2.5-pro e mimo-v2.5 serão encaminhadas automaticamente para a série V2.6, e que, a partir de 21 de outubro de 2026 às 10:00 UTC+8 os identificadores de modelo antigos deixam de funcionar. O tráfego fixado a um identificador V2.5, portanto, já está sendo redirecionado sem nenhuma alteração no código — vale a pena verificar, porque o mesmo aviso diz que as solicitações para esses dois IDs são enviadas para o Pro e o Flash, respectivamente, o que não é uma troca equivalente em custos.

Se a razão pela qual você está lendo isto é que você precisa de um modelo de fronteira chamável em vez de um download, a constatação honesta é que o MiMo-V2.6-Flash não é um deles aqui. Não roteamos nenhum modelo da Xiaomi, e o próprio card da Xiaomi aponta a disponibilidade para suas superfícies próprias — a Open Platform API, seu app de estúdio, sua ferramenta de programação e seu cliente desktop. Os modelos com os quais a Xiaomi se compara em suas próprias tabelas, porém, são chamáveis, e vários deles estão no OrcaRouter em uma única chave de API pelo preço de tabela do provedor, com 0% de markup repassado, de modo que uma mudança de preço do fornecedor cai na sua fatura no mesmo dia, em vez de numa renovação. Isso importa mais do que o habitual numa página como esta, em que uma tabela de preços foi publicada em pleno andamento e os totais se movem.

O "-rl" no nome do repositório, e outros artefatos no mesmo radical

Os leitores pesquisam este modelo como mimo-v2.6-flash-rl tão frequentemente quanto sem o sufixo, então vale a pena ser exato. O fornecedor não nomeia uma "variante RL" como um modelo distinto. O sufixo faz parte do próprio nome do artefato canônico: XiaomiMiMo/MiMo-V2.6-Flash-RL é o checkpoint lançado, e -RL marca a linhagem de pós-treinamento — o resultado da execução de aprendizado por reforço misto que a Xiaomi transmitiu ao longo de setembro, não um adaptador de aprendizado por reforço sobre algum outro modelo base. A evidência de apoio é estrutural, e não retórica: o repositório traz dezenas de milhares de tensores cobrindo todo o backbone, o codificador de visão, a pilha de áudio e o modelo de rascunho especulativo, e a listagem de arquivos é de ~178 GB. Um adaptador tem megabytes. E note como a API do fornecedor o chama — mimo-v2.6-flash, sem sufixo algum. Portanto, o "-rl" é uma convenção do repositório de pesos e, quando digitado em uma requisição hospedada, simplesmente não será resolvido.

Os outros três sufixos deste radical são comuns e vale a pena conhecer: -MOPD é a atualização adicional de pós-treinamento publicada seis dias depois, -Pro é o carro-chefe, e não um Flash maior, e -ultraspeed é um modo de velocidade vendido como serviço personalizado. O destilado de 9B e os ambientes de tarefas de RL ficam em repositórios totalmente diferentes. Nenhum deles é uma quantização do Flash, que é a suposição que os sufixos sugerem.

Três perguntas com que os leitores chegam

Este é o mesmo modelo que o MiMo-V2-Flash? Não, e a confusão sai cara, e não é apenas cosmética. O checkpoint de dezembro de 2025 e este compartilham um perfil de destaque — 309B no total, 15B ativos, atenção híbrida, uma janela deslizante de 128 tokens —, mas são treinos separados, com nove meses de diferença, com alegações de contexto diferentes (256K contra 1M), tabelas de benchmark diferentes e receitas de serving diferentes. Dimensionar um nó com base nos números do modelo mais antigo, ou citar o preço dele, estará errado nos dois sentidos.

Ele vai caber no hardware que eu tenho? Não em uma única GPU, e o fornecedor não finge o contrário. Os dados de pesos publicados são de aproximadamente 178 GB em FP8 antes de qualquer cache KV, e as próprias receitas da Xiaomi começam com quatro GPUs para vLLM e oito para SGLang. Leia a seção de implantação como o mínimo do fornecedor, e não como uma sugestão, e observe que as receitas exigem parsers explícitos de raciocínio e de chamadas de ferramentas — sem eles, o modelo ainda gera, mas você perde o canal de pensamento e as chamadas de ferramentas estruturadas das quais a maioria de seus benchmarks de agente depende.

Qual artefato do Flash eu deveria realmente baixar? O checkpoint de RL, se você quer o que os benchmarks e a API descrevem, e o repositório MOPD, se você quer o estágio posterior de pós-treinamento que o próprio card dele chama de atualização dele. Não baixe os dois esperando uma diferença de tamanho; eles são a mesma linhagem na mesma escala, com seis dias de diferença, e o modelo MOPD é onde a fusão de professores de domínio da Xiaomi desembarcou.

O que mudaria esta página

Três coisas, em ordem aproximada de quanto influenciariam uma decisão. Uma execução por terceiros nos próprios harnesses do fornecedor — DeepSWE v1.1 ou Terminal Bench, submetida em vez de autodeclarada — resolveria se o 67,9 é uma posição real ou uma configuração favorável, e também explicaria por que três superfícies da Xiaomi exibem três números diferentes para a mesma coluna. Um teste independente da superfície de entrada de áudio e vídeo resolveria a lacuna entre a alegação omnimodal do card e a nota técnica mais restrita na página de terceiros. E mais uma superfície do fornecedor que concilie o drafter de cinco camadas e sete tokens no resumo com as três camadas na configuração removeria a última inconsistência que um planejador de capacidade precisa contornar.

Até então, a leitura de referência é estreita e utilizável. O MiMo-V2.6-Flash é um checkpoint esparso de mistura de especialistas com 309B de parâmetros, 15B ativos e licença MIT, com um contexto de 1M de tokens e um teto de saída de 128K, publicado em 21 de setembro de 2026 com o sufixo FLASH-RL, com preço definido pela Xiaomi de US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de saída em caso de cache miss e — a partir de outubro — acessível através do endpoint do próprio fornecedor sob o identificador mimo-v2.6-flash. Seus benchmarks do fornecedor não foram reproduzidos, sua única pontuação independente é 38 em um índice no qual seu próprio irmão maior pontua 46, e sua contagem de parâmetros de destaque é um dos poucos números próximos a este modelo que realmente saiu limpo.