MiMo-V2.6-Flash: den 309B öppna checkpointen som Xiaomi nu säljer per token

MiMo-V2.6-Flash är effektivitetscheckpointen för Xiaomis lansering i september 2026: en gles mixture-of-experts-modell med totalt 309 miljarder parametrar och 15 miljarder aktiva per token, en kontext på 1 miljon token och MIT-licensierade vikter på Hugging Face. Den ligger under MiMo-V2.6-Pro, flaggskeppet med 1,02 biljoner parametrar, i samma MiMo-V2.6-serie – och de två är separata träningskörningar snarare än en modell i två storlekar. Det som har förändrats sedan den första bevakningen av detta släpp är inte modellen. Det är allt runtomkring den. Xiaomis egen plattform publicerar nu ett pris per token mot den exakta identifieraren mimo-v2.6-flash, en publicerad maximal utlängd, en kvot för hastighetsbegränsning och ett utfasningsdatum som kommer att dirigera V2.5-trafik till den här endpointen oavsett om du migrerar eller inte. Detta är den bestående referensen för själva modellen: tre publicerade checkpoints delar dess namn, exakt en av dem är den som läsarna menar, och två siffror som du kan ha sett för den är nu inaktuella.

Vad MiMo-V2.6-Flash är – och de två namn som det inte är

Börja med den distinktion som en läsare måste få rätt, eftersom de sökanvändare som kommer till den här sidan delar sig över den. MiMo-V2.6 är en serie, inte en modell. Xiaomis versionsmeddelande säger att serien "består av två nativa fullt multimodala modeller, nämligen Pro och Flash", så enbart serienamnet motsvarar två publicerade checkpoints med separata träningskörningar, separata benchmarktabeller och separata minnesavtryck. Flash är den mindre, billigare och effektivitetsbalanserade varianten; Pro är flaggskeppet. Ingen av dem är en kvantiserad utgåva av den andra, och det finns ingen tredje "vanlig V2.6" som ligger mellan dem.

Det andra namnet att hålla isär är äldre och dyrare att förväxla. MiMo-V2-Flash släpptes i december 2025 och ser på pappret ut som samma modell: en gles blandning av experter med 309B totalt och 15B aktiva parametrar, hybrid-attention som varvar glidande fönster och globala block, och samma glidande fönster på 128 token. Nio månader skiljer dem åt, och det gör nästan allt annat också. 2025-checkpointen uppger en kontext på 256K; den här uppger 1M. De är olika nedladdningar, olika serveringsrecept och olika kapacitetsprofiler, och en sökning efter "MiMo V2.6 Flash" kommer fortfarande glatt att ge dig 2025-sidorna.

Vad Xiaomi inte publicerar är ett andra viktrepositorium under det bara namnet. Att begära XiaomiMiMo/MiMo-V2.6-Flash från Hubben returnerar ett auktoriseringsfel eftersom inget sådant repositorium finns; den kanoniska artefakten är XiaomiMiMo/MiMo-V2.6-Flash-RL. Mer om vad det suffixet betyder nedan, eftersom det är den enskilt mest missförstådda delen av den här modellens namngivning.

Vem publicerar den, under vilken licens och under vems slutpunkt?

Xiaomis MiMo-team publicerar den i sin egen Hugging Face-organisation, och licensen är MIT — verifierad idag mot repots metadata, som anger license:mit och ingen spärr. Det är den tillåtande licensen utan intäktströskel, forskningsklausul eller spärr för godtagbar användning, så kommersiell driftsättning, modifiering och vidaredistribution är alla tillåtna utan en konversation med Xiaomi. Modellkortet anger engelska och kinesiska som sina språk.

Samma organisation publicerar tre artefakter på denna stam, och åtskillnaden spelar roll för alla som planerar en driftsättning:

• MiMo-V2.6-Flash-RL — den kanoniska släppta checkpunkten, skapad 21 september 2026, 90 filer. Det är den som API:et tillhandahåller och den som varje benchmark på den här sidan refererar till.

• MiMo-V2.6-Flash-MOPD – publicerad den 27 september 2026 och beskrivs på sitt eget modellkort som "MOPD-uppgraderingen av MiMo-V2.6-Flash-RL-checkpointen" snarare än en annan modell. Det är resultatet av en andra efterträningsfas som sammanfogar flera domänspecialiserade lärare till en modell. Om du redan har hämtat RL-checkpointen är detta en nyare artefakt i samma linje, inte en separat syskonmodell.

• MiMo-V2.6-Distill-Qwen-9B — en 9,4B MIT-licensierad modell som publicerades samma dag, vilken versionsmeddelandet anger som utgångspunkten för den öppna RL-träningskörningen snarare än en produktcheckpoint.

Xiaomi säljer också modellen direkt, vilket är den del av den här bilden som förändrades under oktober. Den hostade identifieraren är i gemener och utan suffix — mimo-v2.6-flash — och den visas i plattformens egen /v1/models-lista tillsammans med mimo-v2.6-pro, mimo-v2.6-pro-ultraspeed och V2.5-generationen.

Arkitekturen, läst från konfigurationen snarare än sammanfattningen

Modellkortets sammanfattningsrad är där det mesta av den sekundära bevakningen slutar, och det är inte där de användbara siffrorna finns. Från Xiaomis egna arkitekturtabeller och repots config.json, båda lästa idag:

• Stomnät — 48 lager uppdelade i 39 lager med glidande fönster-attention och 9 lager med global attention, dold storlek 4096, 256 routade experter med 8 aktiverade per token, ett glidande fönster på 128 token och inga delade experter. Det första blocket är global attention med ett tätt feedforward-nätverk; allt efter det varvas.

• Attention-huvuden — 64 query-huvuden i båda blocken, 8 key/value-huvuden på sliding window-blocken mot 4 på de globala. Detta är formen som gör 1M-kontexten överkomlig: hybridmönstret är det som hindrar KV-cachen från att skala med hela sekvensen.

• Kodare — en 681M-parameters MiMo ViT (28 lager, 24 glidfönster plus 4 fulla), en 308M ljudtokeniserare med 24 lager och 20 kodböcker för restvektorkvantisering, och en 127M ljudpatchkodare som slår samman fyra ramar till en.

• Spekulativ avkodning — en 5-lagers utkastare för förutsägelse av flera token med glidande fönster, i DFlash-stil, med ett fönster på 1024 token, som beskrivs förutsäga 7 efterföljande token per framåtpassning.

• Vikter på disk – repots filförteckning på Hub uppgår i dag till ungefär 178 GB fördelat på 90 filer, shardarna i FP8 (e4m3) med ett dynamiskt aktiveringsschema. Det är siffran du betalar för i VRAM, och den bryr sig inte om hur parametrarna räknas.

Två frågor om antal dyker upp här, och de har nu andra svar än de hade i september. Den första: Hubbens safetensors-metadata för repositoriet rapporterar totalt 310 756 322 688 parametrar – omkring 310,8B, vilket ligger precis intill kortets totalsumma på 309B. Tidigare genomgångar, inklusive våra egna, angav en siffra på 159B avläst från samma panel i repositoriet. Den siffran har ändrats, och den nuvarande är den som ska användas. Den andra frågan har inte lösts: kortet beskriver en drafter med fem lager som förutsäger sju tokens, medan config.json i samma repositorium sätter num_nextn_predict_layers till 3. De kan inte båda beskriva samma artefakt, och det är konfigurationen som runtime läser. Dimensionera minnet för draftern utifrån konfigurationen och verifiera efter inläsning.

Konfigurationen bekräftar faktiskt ett framträdande påstående på ett entydigt sätt, och det är värt att säga, för de flesta av de andra kräver en brasklapp: max_position_embeddings är satt till 1 048 576, vilket är exakt den kontext på 1 miljon tokens som kortet gör reklam för.

Kontext, utdatatak och ett modalitetsanspråk som begränsar bort från leverantören

Kontexten är den enkla delen. Xiaomi annonserar 1M tokens, konfigurationen stöder det, och plattformens modellsammanfattning upprepar det. Maximal utdata är den siffra som de flesta referenssidor fortfarande får fel genom att utelämna, och den är publicerad: plattformens modellsida anger 128K tokens maximal utdata mot 1M-kontexten, för både mimo-v2.6-flash och mimo-v2.6-pro. Det finns en beteendefälla kopplad till detta. Djupt tänkande är aktiverat som standard, och max_completion_tokens begränsar tänkandeinnehåll och det slutliga svaret tillsammans – så en lång resonemangskörning äter samma budget som svaret, och leverantörens egen vägledning är att ställa in det generöst. I tänkandeläge ignoreras anpassad temperature och top_p: vad du än skickar tvingas de effektiva värdena till 1,0 och 0,95.

Modaliteter är där leverantörens material och oberoende mätning går isär, och det är värt att redogöra för båda utan att utse en vinnare. Xiaomis modellkort och plattform hävdar båda en inbyggd omnimodal indatayta för serien – text, bild, video och ljud som går in i en modell i stället för tre ihopskruvade pipelines. Oberoende mätning ger en snävare bild. På modellsidan hos Artificial Analysis för MiMo-V2.6-Flash listar de tekniska specifikationerna indatamodalitet som "text och bild" och utdata som "text", medan samma webbplats på sin sida för MiMo-V2.6-Pro listar indata som "text, bild, tal och video". Samma familj, samma leverantörsdokumentation, och ändå har bara en av de två checkpointarna en oberoende registrerad ljud- och videoyta. Inget publicerat förklarar skillnaden, och vi kan inte avgöra den utifrån. Behandla ljud- och videoindata som ett leverantörspåstående för Flash tills något annat bekräftar det.

Vad Xiaomi rapporterar, och den enda siffran som en tredje part mätte

Varje benchmark-siffra som Xiaomi publicerar för den här modellen kommer från Xiaomis egna körningar i deras testramverk och har inte oberoende reproducerats i dessa ramverk. Det är inte en anklagelse, det är bevisläget, och det är värt att hålla fast vid, eftersom tillverkarens egna ytor säger emot varandra på ett sätt som är lätt att missa.

• Kodagent — DeepSWE v1.1: Flash 67,9, Pro 71,9, mot Claude Opus 5 på 74,0 och GPT-5.6 Sol på 73,0 i Xiaomis körningar. Terminal Bench 2.1: Flash 87,6. Terminal Bench 4.0: Flash 28,8. ProgramBench 26,0.

• Generell agent — AutomationBench v1.0.6: Flash 52,3, högre än både GPT-5.6 Sol (45,8) och Claude Opus 5 (50,3) i samma leverantörskörning. Toolathlon-Verified 73,6, OSWorld-Verified 80,8, Agents' Last Exam 27,6.

• Cybersäkerhet — kolumnen där den mindre modellen vinner. CyberGym: Flash 95,1 mot Pro:s 94,0. Sedan faller golvet: ExploitGym 6,0, ExploitBench 25,3, SEC Bench Pro 47,5.

• Visuell agent — MiMo VisualCoding: Flash 71,5, Pro 72,3.

Oenigheten ligger i kolumnen för DeepSWE v1.1, och den sträcker sig över tre Xiaomi-kontaktytor. Versionsmeddelandet på Xiaomis plattform säger att Flash förbättrades med "ungefär 17 punkter (från 48,8 till 65,7)" under RL-körningen. Modellkortet anger 67,9 för de släppta vikterna. Den strömmade RL-instrumentpanelen som pågick till och med september publicerade 65,68 under ett mini-swe-agent-testramverk med medelvärde av tre, på en träningsögonblicksbild. Tre leverantörssiffror för ett enda benchmark på en enda modell, och ingen utanför Xiaomi kan för närvarande säga vilken som beskriver artefakten du laddar ner. Om du har citerat 65,68 sedan september beskrev den en träningsögonblicksbild vid den tidpunkten, och nu är den en inaktuell siffra för den släppta checkpointen.

Mot allt detta finns det exakt en oberoende mätning, och den är inte smickrande på det sätt en leverantörstabell är. Artificial Analysis ger MiMo-V2.6-Flash betyget 38 på sitt Intelligence Index v4.3.2 – åttonde av 117 modeller i klassen – med 49,2 utdata-tokens per sekund, en generering på 240M tokens för indexkörningen som webbplatsen betecknar som "mycket ordrik" mot ett medianvärde på 140M, och en kostnad på 0,06 dollar per uppgift i Intelligence Index. Dess sammanfattande mening är att modellen är "bland de ledande modellerna i intelligens och rimligt prissatt" men "långsammare än genomsnittet och mycket ordrik." Som jämförelse ger samma webbplats MiMo-V2.6-Pro betyget 46 och rankar den som etta av 117 – siffran som Xiaomi själva citerar i sin egen versionsinformation, för Pro och inte för Flash.

Vad det kostar, och siffran som förändrades

Det här är den del av bilden som förändrades efter bevakningen av lanseringen, så det måste sägas rakt ut: den tidigare tolkningen att Xiaomi inte hade publicerat något pris per token för den här generationen är föråldrad. Leverantörens pay-as-you-go-sida innehåller en fullständig prislista med en uppdateringsstämpel daterad 8 oktober 2026, och modellen i fråga har en egen rad på den.

• Utomlands, per miljon tokens — mimo-v2.6-flash för 0,0028 USD vid cacheträff, 0,14 USD vid cachemiss och 0,28 USD för utdata. mimo-v2.6-pro för 0,0036 / 0,435 / 0,87, och mimo-v2.6-pro-ultraspeed för 0,036 / 4,35 / 8,70.

• Fastlandspriser, per miljon tokens — flash ¥0.02 / ¥1.00 / ¥2.00, pro ¥0.025 / ¥3.00 / ¥6.00, ultraspeed ¥0.25 / ¥30.00 / ¥60.00. Plattformen fakturerar i RMB för Kina och i dollar utomlands.

• Batch-API — exakt halva realtidstaxan: flash $0.0014 / $0.07 / $0.14, pro $0.0018 / $0.2175 / $0.435, med batch-bas-URL:en separat från realtids-URL:en. Xiaomi anger att batch inte stöds för mimo-v2.6-pro-ultraspeed eller V2.5-identifierarna.

• Cacheskrivningar — gratis under en begränsad tid, enligt vad som anges på prislistan i dag. Det är vid cacheträffar som ekonomin förändras: med $0,0028 mot $0,14 är en träff 2 % av en miss, och Artificial Analysis registrerar en cacherabatt på 98 % och samma par på $0,14/$0,28 från sina egna leverantörsavläsningar.

• Webbsökning — faktureras separat från tokens till $5 per 1 000 anrop utomlands och ¥16 per 1 000 i Kina, där det hämtade sidinnehållet sedan faktureras som vanliga indatatokens. En enda sökrunda kan skicka flera nyckelord samtidigt, så leverantören exponerar en max_keyword-gräns för att begränsa utgifterna.

• Prenumerationer — Xiaomi säljer även Token Plan-nivåer med månadspris, kreditutrymmen och "V2.6 Flagship Model Access", ett separat autentiseringsformat från betala-som-du-använder-nyckeln, samt en nattlig kreditmultiplikator mellan 00:00 och 08:00 UTC+8. Prenumerationer och saldon för betala-som-du-använder är uttryckligen inte utbytbara.

Hur man kallar det

Det finns tre rutter, och de kräver olika autentiseringsuppgifter.

• 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.

• Hastighetsgränser – en publicerad gräns på 100 förfrågningar per minut och 10 miljoner tokens per minut för mimo-v2.6-flash, räknat per konto över alla API-nycklar i stället för per nyckel. Identifieraren ultraspeed är undantaget; den säljs som en anpassad tjänst i stället för en mätarbaserad sådan.

• Självhosting — kortet levererar ett SGLang-recept vid tensor-parallellism 8, dataparallellism 2, med DP-attention, den flerlagrade EAGLE-spekulativa vägen aktiverad (--speculative-num-steps 3, --speculative-eagle-topk 1, --speculative-num-draft-tokens 4), en statisk minnesfraktion på 0,65 och chunkad prefill på 16384, plus ett vLLM-recept vid tensor-parallellism 4. Båda behöver --reasoning-parser mimo --tool-call-parser mimo för att tolka tänkandeutdata och verktygsanrop korrekt. Parallellbredderna i dessa recept har redigerats sedan de första beskrivningarna av den här utgåvan; använd vad kortet säger i dag. Rekommenderad sampling är temperature 1.0, top_p 0.95.

En daterad uppgift hör hemma i varje referens för den här modellen, eftersom den i sig ändrar vad en befintlig integration gör. Xiaomis migreringsmeddelande anger att från 14 oktober 2026 kl. 18:00 UTC+8 kommer förfrågningar till mimo-v2.5-pro och mimo-v2.5 att automatiskt dirigeras om till V2.6-serien, och att från 21 oktober 2026 kl. 10:00 UTC+8 upphör de gamla modellidentifierarna att fungera. Trafik som är knuten till en V2.5-identifierare omdirigeras därför redan utan kodändring — värt att kontrollera, eftersom samma meddelande säger att förfrågningar till dessa två ID:n skickas till Pro respektive Flash, vilket inte är ett likvärdigt utbyte kostnadsmässigt.

Om anledningen till att du läser det här är att du behöver en anropbar frontiermodell i stället för en nedladdning, är den ärliga formuleringen att MiMo-V2.6-Flash inte är en av dem här. Vi routar ingen Xiaomi-modell, och Xiaomis eget modellkort pekar på tillgänglighet via deras förstapartsytor – Open Platform API, deras studioapp, deras kodningsverktyg och deras skrivbordsklient. De modeller som Xiaomi benchmarkar mot i sina egna tabeller går dock att anropa, och flera av dem finns på OrcaRouter med en enda API-nyckel till leverantörens listpris med 0 % påslag som förs vidare, så att en leverantörsprisändring landar på din faktura samma dag i stället för vid en förnyelse. Det spelar större roll än vanligt på en sida som den här, där en prislista publicerades mitt under pågående arbete och totalsummorna förändras.

-rl i reponamnet, och andra artefakter på samma stam

Läsare söker efter den här modellen som mimo-v2.6-flash-rllika ofta som utan suffixet, så det är värt att vara exakt. Leverantören kallar inte en "RL-variant" för en distinkt modell. Suffixet är en del av den kanoniska artefaktens eget namn: XiaomiMiMo/MiMo-V2.6-Flash-RL är den släppta checkpointen, och -RL markerar efterträningslinjen — resultatet av den blandade förstärkningsinlärningskörningen som Xiaomi strömmade under september, inte en adapter för förstärkningsinlärning ovanpå någon annan basmodell. Stödet är strukturellt snarare än retoriskt: repot levererar tiotusentals tensorer som täcker hela backbone, bildkodaren, ljudstacken och den spekulativa draften, och fillistan är ~178 GB. En adapter är megabyte. Och notera vad leverantörens API kallar det — mimo-v2.6-flash, inget suffix alls. Så "-rl" är en konvention för viktrepon, och om det skrivs in i en hostad förfrågan kommer det helt enkelt inte att matchas.

De andra tre suffixen på den här stammen är vanliga och värda att känna till: -MOPD är den ytterligare efterträningsuppgraderingen som publicerades sex dagar senare, -Pro är flaggskeppet snarare än en större Flash, och -ultraspeed är ett hastighetsläge som säljs som en skräddarsydd tjänst. 9B-distillatet och RL-uppgiftsmiljöerna ligger i helt olika repositorier. Ingen av dem är en kvantisering av Flash, vilket är antagandet som suffixen inbjuder till.

Tre frågor som läsare kommer med

Är detta samma modell som MiMo-V2-Flash? Nej, och förväxlingen är kostsam snarare än kosmetisk. Checkpointen från december 2025 och den här delar en övergripande form — 309B totalt, 15B aktiva, hybrid uppmärksamhet, ett glidande fönster på 128 token — men de är separata träningskörningar med nio månaders mellanrum och olika kontextanspråk (256K mot 1M), olika benchmark-tabeller och olika serveringsrecept. Att dimensionera en nod utifrån den äldre modellens siffror, eller att ange dess pris, kommer att vara fel åt båda hållen.

Kommer det att få plats på den hårdvara jag har? Inte på en enda GPU, och det låtsas leverantören inte om. Det publicerade viktdatat är ungefär 178 GB i FP8 innan någon KV-cache, och Xiaomis egna recept börjar på fyra GPU:er för vLLM och åtta för SGLang. Läs avsnittet om driftsättning som leverantörens minimum snarare än ett förslag, och notera att recepten kräver explicita resonemangs- och verktygsanropsparsrar — utan dem genererar modellen fortfarande, men du förlorar tankekanalen och strukturerade verktygsanrop som de flesta av dess agentbenchmarks är beroende av.

Vilken Flash-artefakt ska jag faktiskt hämta?RL-checkpointen om du vill ha det som benchmarks och API:et beskriver, och MOPD-repositoriet om du vill ha det senare efterträningssteget som dess eget kort kallar uppgraderingen av den. Hämta inte båda i förväntan om en storleksskillnad; de är samma härstamning i samma skala, med sex dagars mellanrum, och MOPD-modellen är där Xiaomis domänlärarfusion landade.

Vad skulle ändra den här sidan

Tre saker, i ungefärlig ordning efter hur mycket de skulle påverka ett beslut. En tredjepartskörning på leverantörens egna ramverk — DeepSWE v1.1 eller Terminal Bench, inlämnad i stället för självrapporterad — skulle avgöra huruvida 67,9 är en verklig placering eller en gynnsam konfiguration, och skulle också förklara varför tre Xiaomi-ytor skriver ut tre olika siffror för samma kolumn. Ett oberoende test av inmatningsytan för ljud och video skulle lösa gapet mellan kortets omnimodala anspråk och den snävare tekniska noten på tredjepartssidan. Och ytterligare en leverantörsyta som får den femlagers draftmodellen med sju token i sammanfattningen att stämma överens med de tre lagren i konfigurationen skulle undanröja den sista inkonsekvensen som en kapacitetsplanerare måste arbeta runt.

Fram till dess är referensläsningen snäv och användbar. MiMo-V2.6-Flash är en MIT-licensierad gles mixture-of-experts-checkpoint med 309B parametrar, varav 15B aktiva, en kontext på 1M tokens och ett utdatatak på 128K, publicerad den 21 september 2026 med suffixet FLASH-RL, prissatt av Xiaomi till 0,14 USD per miljon indatatokens och 0,28 USD per miljon utdata vid en cachemiss, och — sedan oktober — anropbar via leverantörens egen slutpunkt under identifieraren mimo-v2.6-flash. Dess leverantörsbenchmarks är inte reproducerade, dess enda oberoende poäng är 38 i ett index där dess egen större syskonmodell får 46, och dess framhävda parametrantal är ett av de få talen nära den här modellen som faktiskt har visat sig hålla.