MiMo-V2.6-Pro: o carro-chefe de um trilhão de parâmetros da Xiaomi, lido direto da ficha técnica

MiMo-V2.6-Pro é o checkpoint principal da série MiMo-V2.6 da equipe Xiaomi MiMo: um modelo esparso de mistura de especialistas com cerca de 1,02 trilhão de parâmetros no total e 42 bilhões ativos por token, entrada nativa de texto, imagem, vídeo e áudio, contexto de 1M de tokens e pesos licenciados sob MIT. Ele fica acima de MiMo-V2.6-Flash, o checkpoint de eficiência de 309B, em uma série cujas partes são execuções de treinamento separadas, e não um único modelo em dois tamanhos. Os leitores chegam a esse nome escrito de três maneiras — mimo-v2.6-pro como identificador da plataforma, mimo v2.6 pro com espaços, e mimo v2 6 pro com a versão dividida em dígitos — e todas as três apontam para o mesmo checkpoint, aquele cujos pesos estão em XiaomiMiMo/MiMo-V2.6-Pro-RL.

Esta página é a referência para o próprio modelo. As comparações e a aritmética de custos já existem neste blog e estão indexadas abaixo, em vez de serem repetidas; o que se segue é o que o modelo é, o que publica sobre si próprio e em que números no cartão vale a pena confiar, tanto quanto a sua fonte o permitir.

Identidade: o laboratório, a classe e o que "Pro" distingue

O publicador é a X​iaomi, por meio do grupo que assina os seus relatórios técnicos como X​iaomi MiMo Team. Os pesos, a documentação da plataforma e a API vêm todos dessa única organização, o que é relevante para a proveniência: cada valor de capacidade abaixo é o fornecedor a descrever o seu próprio checkpoint, e nada disso foi reproduzido aqui.

"Pro" é uma posição dentro de uma série de três modelos, não um adjetivo de qualidade. A própria nota de série da Xiaomi descreve o Pro como o modelo de raciocínio carro-chefe mais poderoso até o momento — omnimodal, de desempenho ultraelevado, com trilhões de parâmetros — criado para projetos complexos, tarefas de longo horizonte, trabalhos de alto risco e pesquisa; o Flash é o modelo de raciocínio de baixo custo e modalidade completa, e o Pro-UltraSpeed é uma camada de serviço que usa o mesmo checkpoint a até vinte vezes a velocidade de saída para trabalhos sensíveis à latência. O guia de seleção rápida da plataforma encaminha projetos complexos, tarefas de longo prazo e trabalhos de alto valor para o Pro, chamadas profissionais de escritório de alta frequência para o Flash, e qualquer coisa sensível à velocidade de resposta para o Pro-UltraSpeed. Três posições publicadas, uma série — não três tamanhos de uma única execução de treinamento.

A menção à versão merece uma linha, porque é aí que os leitores que voltam perdem o pé. O MiMo-V2.5 Pro, o anterior carro-chefe, está programado para ser descontinuado: a plataforma da X​iaomi indica um horário de descontinuação — 10:00, hora de Pequim, de 21 de outubro de 2026 — tanto para o mimo-v2.5 como para o mimo-v2.5-pro, e recomenda mudar para a nova versão. O Pro é essa nova versão, pelo que uma pesquisa por "MiMo Pro" que dê em material de 2025 acaba no modelo que este substituiu.

A especificação, retirada do cartão do modelo

O próprio bloco de resumo da ficha é a descrição honesta mais curta do modelo, e cada linha dele é do fornecedor:

• Parâmetros — 1,02 T no total, 42 B ativos por token, uma mistura esparsa de especialistas. Os metadados do repositório contabilizam 1.024.216.603.392 parâmetros nos shards publicados.

• Contexto e saída — uma janela de contexto de 1M tokens e até 128.000 tokens de saída.

• Modalidades — entrada de texto, imagem, vídeo e áudio em um único modelo, com um MiMo ViT de 681M de parâmetros para visão e um AudioTokenizer de 308M, além de um codificador de patches de áudio de 127M para áudio.

• Backbone — 70 camadas, 60 de janela deslizante e 10 globais; tamanho oculto 6.144; 384 especialistas roteados com 8 ativados; janela deslizante 128. O primeiro bloco executa atenção global com uma FFN densa, e nenhum bloco usa especialistas compartilhados.

• Decodificação especulativa — um modelo de rascunho de previsão de múltiplos tokens com janela deslizante de 5 camadas, que a placa descreve como prevendo sete tokens adicionais por passagem direta.

Duas observações sobre como ler essa lista. O total de parâmetros é um número do fornecedor, mas é o único que alguém de fora consegue verificar em parte, porque os tamanhos dos shards são publicados na listagem de arquivos do repositório; o total ativado não tem essa verificação cruzada e deve ser tomado como declarado. E os dois últimos itens estão um pouco em desacordo entre si — um modelo de rascunho descrito por sua contagem de camadas e um modelo de rascunho descrito por quantos tokens ele prevê por passada são duas medições diferentes do mesmo componente, e apenas a contagem de camadas aparece na tabela de arquitetura.

Pro versus base e Flash, em um só lugar

Estas são as distinções com que os leitores realmente chegam, ambos os lados leem a mesma documentação do fornecedor no mesmo dia:

• Escala — Pro tem 1,02T de parâmetros no total, com 42B ativos; Flash é uma execução de treinamento separada, com 309B no total e 15B ativos.

• Profundidade — o Pro executa 70 camadas com 384 especialistas roteados e 8 ativados; o Flash executa 48 camadas com 256 especialistas roteados e 8 ativados.

• Preço — O Pro custa US$ 0,435 por milhão de tokens de entrada e US$ 0,87 por milhão de tokens de saída em caso de cache miss, com um cache hit a US$ 0,0036; o Flash custa US$ 0,14 e US$ 0,28, com um cache hit a US$ 0,0028.

• Seleção — A Xia​omi encaminha trabalhos complexos, de longo prazo e de alto valor para o Pro e o tráfego profissional de escritório de alta frequência para o Flash.

• Partilhado — a janela de contexto de 1M, o limite de saída de 128 000 tokens e a licença MIT são idênticos em ambos.

As duas comparações que este blog já faz vão mais fundo do que essa lista e não são reproduzidas aqui. O artigo que compara o Pro com o nome da série sozinho detalha por que "MiMo-V2.6" é uma coleção com mais de um membro, e não um terceiro checkpoint situado entre Pro e Flash. O artigo que compara Pro e Flash traz o contraste completo de arquitetura, camada por camada, para um leitor que esteja escolhendo entre os dois em uma carga de trabalho real.

Pesos e licença para esta build

Há um repositório para este checkpoint, X​iaomiMiMo/MiMo-V2.6-Pro-RL, e seus metadados são inequívocos: licença MIT, sem restrição de acesso, criado em 21 de setembro de 2026, modificado pela última vez em 9 de outubro de 2026, com pouco mais de 96.000 downloads registrados no momento da redação. Os parâmetros se dividem entre dtypes de armazenamento em aproximadamente 1.000,2 bilhões em U8, 13,4 bilhões em FP8 (E4M3), 10,6 bilhões em BF16 e um traço em F32 — o formato de um checkpoint que entrega seus pesos de especialistas em um formato de baixa precisão e mantém o restante em BF16. Os shards são grandes: um único arquivo em paralelismo de especialistas chega a cerca de 4,15 GB, e o download completo é da ordem de várias centenas de gigabytes.

O sufixo -RL é um marcador de linhagem, não um adaptador e nem uma quantização. Ambos os checkpoints V2.6 o carregam, e o card posiciona toda a série em torno de aprendizado por reforço em escala — uma única execução mista abrangendo programação, agentes gerais, trabalho visual e cibersegurança, em vez de execuções separadas por domínio, com uma etapa de avaliação por grupos que classifica as trajetórias aprovadas em vez de pontuá-las como aprovado ou reprovado. Nada disso muda o que os pesos são; explica por que o repositório tem o nome que tem.

Executando-o: o que é realmente publicado

O card fornece dois caminhos de implantação e nada mais. O SGLang é servido com a invocação comum python3 -m sglang.launch_server contra o caminho do repositório, e o próprio exemplo do card usa um layout de dois nós com paralelismo de especialistas. O vLLM é servido com vllm serve mais as flags que nomeiam os parsers deste modelo, --reasoning-parser mimo e --tool-call-parser mimo, com a escolha automática de ferramentas ativada e a configuração de geração lida do diretório do modelo. A amostragem no card é temperature 1.0 e top_p 0.95 — configurações quentes, e um aviso justo de que o 0.7 que muitos harnesses usam por padrão não é o que o fornecedor testou.

Além das rotas auto-hospedadas, a plataforma da Xiaomi publica o envelope operacional do seu endpoint hospedado: a janela de contexto de 1M, uma saída máxima de 128.000 tokens e uma cota de taxa de 100 requisições e 10 milhões de tokens por minuto. A plataforma também lista uma Batch API que abrange este modelo para trabalhos não em tempo real a uma tarifa mais baixa. O que não é publicado é qualquer número de throughput ou de memória da própria Xiaomi, por isso esta página não traz nenhum — os números de velocidade que circulam vêm de terceiros, medem o hardware deles e não o seu, e devem vir acompanhados das respetivas condições de medição.

As pontuações, e quem as mediu

A ficha da Xiaomi traz uma tabela de benchmarks, e tudo nela é reportado pelo fornecedor: DeepSWE v1.1 com 71,9, Terminal Bench 2.1 com 89,9, Agents' Last Exam com 31,6, OSWorld-Verified com 82,0, GDPval-AA 2.1 com 1673, AutomationBench v1.0.6 com 53,1, e, nas linhas de cibersegurança, CyberGym com 94,0 e a própria MiMo Cyber Bench do fornecedor com 80,2. Esses são os números a citar quando a pergunta é o que o laboratório afirma. A mesma tabela apresenta números para o Flash, para o MiMo-V2.5 Pro anterior e para três modelos fechados, o que é um lembrete que vale a pena ter: as linhas de comparação de uma tabela de fornecedor são a seleção do fornecedor, executadas com as escolhas de harness do fornecedor.

O número independente é outra coisa, e é ele que mudou desde a cobertura de lançamento. A Artificial Analysis atribui ao MiMo-V2.6-Pro uma pontuação de 46 em seu Intelligence Index, medida na versão 4.3.2 desse índice — a maior pontuação que aquela página registra para um modelo com pesos abertos, um ponto acima do GLM-5.3, dois acima do Kimi K3 e atrás dos líderes fechados que ela também avalia. A mesma página precifica uma execução completa do índice em cerca de US$ 206,66, registra um desconto de cache de 99% em relação ao preço de tabela e indica um custo por tarefa do índice de aproximadamente US$ 0,13. Leia as duas fontes em conjunto e a forma do modelo fica legível sem que nenhuma delas seja promovida: um fornecedor cuja própria tabela é generosa e um terceiro cujo único índice ainda o coloca na frente do campo de pesos abertos.

O trabalho de custo, indexado em vez de repetido

Três publicações já apresentam o argumento do diferencial de preço e do valor para este modelo, e cada uma responde a uma pergunta diferente:

• A análise da fronteira de Pareto pergunta onde MiMo-V2.6-Pro se posiciona quando o custo por unidade de capacidade medida é recalculado em todo o campo mais amplo, em vez de em comparação com um único rival.

• A peça de lacuna de custo por tarefa pergunta quanto custa a mesma capacidade medida quando o lado mais barato é o que tem pesos abertos.

• O artigo sobre pontuação idêntica aborda o caso em que dois checkpoints terminam com uma diferença de uma fração de ponto em um índice, e o custo de rodar esse índice para cada um difere em mais de uma ordem de magnitude.

O que pertence aqui, em vez disso, é o preço como um fato sobre o modelo, e não como um argumento. X​iaomi publica duas tabelas de preços, e elas são dois números publicados, em vez de um convertido no outro: a tabela da China continental lista ¥0,025 por milhão de tokens de entrada em um acerto de cache, ¥3,00 em um erro e ¥6,00 para saída, enquanto a tabela do exterior lista US$ 0,0036, US$ 0,435 e US$ 0,87 para as mesmas três linhas. As gravações em cache são gratuitas por um período promocional limitado em ambas. Se a fatura de uma determinada carga de trabalho se assemelha à linha de acerto de cache ou à linha de erro de cache é uma questão sobre a carga de trabalho, e as três partes acima são onde essa questão é debatida.

Há um ponto estrutural que sobrevive a qualquer tabela de preços isolada: um preço publicado só é útil se for o preço que lhe é efetivamente cobrado. É por isso que o catálogo por trás deste blog inclui mais de 200 modelos ao preço de tabela do provedor, com 0% de margem repassada, em vez de uma margem aplicada por cima do que o provedor definiu — uma alteração que o fornecedor faz é uma alteração na sua fatura no mesmo dia, não numa renovação.

O que não está resolvido

Duas pontas soltas, nenhuma delas um defeito, ambas merecem ser conhecidas antes de citar a ficha técnica. O decodificador especulativo do card é descrito em duas unidades diferentes — cinco camadas na tabela de arquitetura, sete tokens previstos por passagem no texto — e apenas a primeira é declarada como configuração. E a afirmação sobre modalidades é mais ampla no card do que terceiros registram atualmente para o endpoint servido: os pesos aceitam quatro tipos de entrada, enquanto um site de avaliação que mede uma API hospedada pode mostrar uma superfície mais restrita. Essa é a lacuna comum entre o que um checkpoint consegue fazer e o que um determinado endpoint expõe, e qualquer pessoa que planeje trabalho com áudio ou vídeo deve confirmar isso com o endpoint que pretende chamar, e não com esta página.

Lendo a página de volta

A versão curta, para um leitor que veio de uma caixa de pesquisa e quer a resposta em vez do argumento: MiMo-V2.6-Pro é o flagship de trilhão de parâmetros da X​iaomi — mistura esparsa de especialistas com aproximadamente 1,02T no total e 42B ativos, entrada nativa de texto, imagem, vídeo e áudio, um contexto de 1M de tokens com 128.000 tokens de saída, pesos com licença MIT em X​iaomiMiMo/MiMo-V2.6-Pro-RL, 46 no Intelligence Index, onde esse índice é a fonte, e 71,9 no DeepSWE v1.1, onde a X​iaomi é a fonte, com preço de US$0,435 e US$0,87 por milhão de tokens no cartão internacional, com cache hit a US$0,0036, e separado do MiMo-V2.6-Flash por escala, profundidade, preço e carga de trabalho pretendida, em vez de por geração.

Uma ressalva sobre a página inteira, já que esta é uma página e não uma notícia: cada número aqui está datado de 13 de outubro de 2026 pelas fontes indicadas ao lado, e os números informados pelos fornecedores são rotulados como informados pelo fornecedor onde aparecem. Uma tabela de tarifas, um preço de cache, um preço de contexto e uma pontuação de índice de terceiros são coisas que mudam sem anúncio, então quem se apoiar em um deles para tomar uma decisão deve conferir essa linha na fonte, e não nesta página.