MiMo-V2.6-Flash vs MiMo-V2.6: En serie, två checkpoints och ett namn som gör dubbel tjänst

Frågar man två personer vad MiMo-V2.6 är kan man få två olika modeller. Xiaomis lansering i september 2026 är en serie med två publicerade checkpoints — MiMo-V2.6-Flash med 309 miljarder parametrar och MiMo-V2.6-Pro med 1,02 biljoner — och enbart namnet MiMo-V2.6 används både för familjen och, i de flesta reportage, för generationens toppnivå. Så en sida med rubriken "MiMo-V2.6-Flash vs MiMo-V2.6" är egentligen effektivitetscheckpointen mot namnet folk skriver när de menar flaggskeppet. Båda checkpoints publicerades på Hugging Face med arton sekunders mellanrum den 21 september 2026, båda har MIT-licens, och båda är i första hand nedladdningar — det finns ingen Xiaomi-endpoint att anropa. Nästan inget annat hos dem är detsamma.

Det spelar större roll än en namndispyt vanligtvis skulle göra, eftersom de två inte är en storleksstege som man kan klättra uppför senare. De är separata träningskörningar med separata benchmarktabeller, separata minnesavtryck och – som de offentliggjorda siffrorna visar – ett par ställen där den mindre vinner rent ut.

Två kontrollpunkter, en publicerad minut

Repositorierna är XiaomiMiMo/MiMo-V2.6-Flash-RL, skapade kl. 15:39:51 UTC, och XiaomiMiMo/MiMo-V2.6-Pro-RL, skapade kl. 15:39:33 UTC. Ingen av dem är åtkomstbegränsad. Båda har en teknisk rapport och ett modellkort bifogade, och båda beskrivs av Xiaomi som resultatet av en enda blandad körning med förstärkningsinlärning som samlade kodningsuppgifter, allmänna agentuppgifter, visuella uppgifter och cybersäkerhetsuppgifter i en och samma träningsomgång i stället för separata domänspecifika körningar.

• Parametrar — MiMo-V2.6-Flash: 309B totalt, 15B aktiverade per token. MiMo-V2.6-Pro: 1,02T totalt, 42B aktiverade. Båda är glesa mixture-of-experts.

• Backbone — Flash har 48 lager, 39 lager med glidande fönster och 9 lager med full attention, dold storlek 4096, 256 routade experter med 8 aktiverade, ett glidande fönster på 128 token och inga delade experter. Pro kör samma idé med hybrid attention i en mycket större bredd.

• Modalitet — båda är omnimodala från grunden och tar in text, bild, video och ljud i en enda modell i stället för tre ihopskruvade pipelines. Flash har en vision-transformer med 681M parametrar, en ljudtokeniserare på 308M och en ljudpatchkodare på 127M.

• Kontext — 1M tokens, uppges för båda, med konfigurationen som ligger bakom en maximal positionsinbäddning på 1,048,576 token.

• Licens — MIT på båda, utan intäktströskel, ingen grind för godtagbar användning utöver det vanliga och ingen forskningsklausul. Kommersiell driftsättning, modifiering och vidaredistribution är alla tillåtna.

• Viktfiler — Flash publicerar 172,9 GB FP8-viktdata fördelat på 65 shardar. Pro har ungefär tre gånger så många parametrar, så dess nedladdning hamnar i halvterabyte-klassen innan du själv tillämpar någon kvantisering.

• Var de serveras — Hugging Face, Xiaomis egen API-plattform, AI Studio, MiMo Code och MiMo-skrivbordsappen. Kortet noterar att ingen av checkpointarna för närvarande driftsätts av en tredjepartsleverantör av inferens på själva Hubben.

Kollisionen som kostar folk hårdvara

Förvirringen i den här parningen är egentligen inte mellan Flash och Pro. Den är mellan MiMo-V2.6-Flash och modellen som kom före den.

MiMo-V2-Flash släpptes i december 2025, och Xiaomis eget blogginlägg som tillkännager den beskriver en mixture-of-experts-modell med 309 miljarder parametrar totalt, 15 miljarder aktiva, ett hybridattentionschema som varvar glidfönster och full attention, samt ett aggressivt glidfönster på 128 token. Läs det mot punktlistan ovan. 2026-checkpointen och 2025-checkpointen har samma övergripande form, samma glidfönsterstorlek och samma aktiveringsbudget – nio månader isär, från olika träningskörningar, med olika förmågor och en annan benchmarktabell.

Så en sökning på "MiMo V2.6 Flash" ger dig glatt sidor om MiMo-V2-Flash, komplett med en kontextsiffra på 256K och ett pris på en tiondels dollar per miljon indata-tokens som tillhör den äldre modellen. Om du dimensionerar en nod är det inte ett kosmetiskt fel. Den äldre checkpointen och den nya är olika nedladdningar med olika serveringsrecept, och den nya hävdar fyra gånger så lång kontext.

Det finns en andra, tystare fälla i namngivningen. Båda repositorierna slutar på -RL, vilket låter som en adapter för förstärkningsinlärning ovanpå någon annan basmodell. De är inte adaptrar. Suffixet markerar efterträningslinjen: detta är de fullständiga checkpoints som kom ut från den strömmade RL-körningen. Viktindexet bekräftar det – tiotusentals tensorer som täcker hela basnätverket, visionskodaren, ljudstacken och den spekulativa utkastaren.

Vad leverantörens egen tabell säger

Varje siffra i det här avsnittet kommer från Xiaomis utvärderingstabeller i de två modellkorten. Xiaomi körde testriggarna på sina egna checkpoints. Inget av det har reproducerats utanför labbet, inget av det förekommer på någon offentlig resultattavla, och jämförelsekolumnerna är leverantörens egna körningar av samma testriggar mot andra företags modeller. Betrakta rangordningen som informativ och decimalerna som dekoration.

• Kodagent — DeepSWE v1.1: Flash 67,9, Pro 71,9. Terminal Bench 2.1: Flash 87,6, Pro 89,9. ProgramBench: Flash 26,0. MiMo Code Bench: Flash 61,2.

• Allmän agent — AutomationBench v1.0.6: Flash 52.3, Pro 53.1. Toolathlon-Verified: Flash 73.6, Pro 76.9. OSWorld-Verified: Flash 80.8, Pro 82.0. Agents' Last Exam: Flash 27.6. Terminal Bench 4.0: Flash 28.8.

• Cybersäkerhet — den enda kolumnen där den mindre modellen leder. CyberGym: Flash 95,1 mot Pro:s 94,0. MiMo Cyber Bench: Flash 77,2. Sedan faller golvet bort: ExploitGym 6,0, ExploitBench 25,3, SEC Bench Pro 47,5.

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

Läser man igenom punkterna är den ärliga sammanfattningen att Pro ligger före nästan överallt, med små marginaler, och att marginalerna är tillräckligt små för att ligga inom bruset från en egenkörd testrigg. På DeepSWE skiljer de två sig fyra poäng åt på en skala där samma checkpoint flyttade sig två poäng mellan två av Xiaomis egna utvärderingar.

Den sista punkten förtjänar ett eget stycke, för den är det mest användbara i något av korten. Xiaomis offentliga RL-panel, som strömmade båda träningskörningarna under september, publicerade Flash på 65.68 på DeepSWE v1.1 med ett mini-swe-agent-harness vid medelvärdet av tre. Det färdiga kortet anger 67.9 för de släppta vikterna. Under tiden var Pro:s panelvärde 72.57 och dess kort anger 71.9 – det gick ner. Två checkpoints från samma körning, utvärderade två gånger, och gapet mellan de två utvärderingarna är lika stort som gapet mellan de två modellerna. Om du har citerat panelvärden sedan förra veckan beskriver de träningsögonblicksbilder, inte de artefakter du skulle ladda ner i dag.

Ingen av dem är på en router

Här är delen som avgör de flesta verkliga utvärderingar. Xiaomi säljer ingen av checkpointarna: det finns inget per-token-pris publicerat för MiMo-V2.6-generationen på deras egen webbplats, och ingen anropbar modellidentifierare som Xiaomi har tillkännagivit för någon av dem. Det som i stället finns är en nedladdning, plus – endast för Pro – en enda API-leverantör som Artificial Analysis anser tillhandahåller den för $0,435 per miljon indata-tokens och $0,87 per miljon utdata-tokens. Det är en leverantörsnotering snarare än en prislista från tillverkaren, och det finns inget jämförbart för Flash överhuvudtaget. Siffror som cirkulerar på katalogsidor från tredje part bör läsas på samma sätt.

Så valet mellan Flash och Pro är inte ett val mellan två ändpunkter med olika mätare. Det är ett val mellan två GPU-räkningar, och den mindre är ungefär en tredjedel av den större. Det är hela det kommersiella argumentet för Flash, och det är starkare än benchmarktabellen antyder, eftersom de två modellerna ligger inom några poäng från varandra på de uppgifter som de flesta köper dem för.

Det som återstår är den välbekanta tredelningen. Hyr frontlinjen, äg en liten modell eller äg en stor. Frontier-kolumnen är den som Xiaomi jämför mot i sina egna tabeller – Claude Opus 5, GPT-5.6 Sol och Claude Fable 5 ligger alla några poäng över Pro på DeepSWE i leverantörens egen jämförelse, och alla tre går att anropa i dag via en enda API-nyckel på OrcaRouter till leverantörens listpris med 0 % påslag som förs vidare. Det spelar roll för det specifika beslut du står inför: en prisändring från leverantören slår igenom hos dig samma dag i stället för vid nästa avtalsförnyelse, så kalkylen hyra kontra äga förblir ärlig när de hostade priserna rör sig. Automatisk redundans innebär också att en modell som du fortfarande utvärderar aldrig behöver ligga ensam på en produktionsväg medan du bestämmer dig.

Det du inte kan göra på någon router i dag – inklusive vår – är att anropa MiMo-V2.6-Flash eller MiMo-V2.6-Pro. Vi routar ingen Xiaomi-modell, och tillgänglighetsraden i Xiaomis eget kort pekar på Xiaomis egna kanaler: MiMo API-plattformen, AI Studio, MiMo Code och skrivbordsappen.

Vilken kontrollpunkt, och när

Ta MiMo-V2.6-Flash om du vill ha MiMo-V2.6-generationen och hårdvaran är den begränsande faktorn. Du avstår från ungefär fyra DeepSWE-poäng och en eller två poäng på de flesta agent-benchmarks jämfört med flaggskeppet. Du får en checkpoint som är ungefär en tredjedel av minnet, som leder över Pro på CyberGym i Xiaomis egen tabell och som delar samma licens, samma påstående om 1M-tokens kontextfönster och samma multimodalitet. För ett team som arbetar med cybersäkerhetsutvärdering är den där CyberGym-kolumnen inte någon marginell detalj.

Välj MiMo-V2.6-Pro om arbetsbelastningen är kodning eller långsiktigt agentiskt arbete och noden redan är betald. Det är den bättre modellen i nästan varje kolumn, det är den som Artificial Analysis faktiskt har mätt — ett Intelligence Index på 46 på den omkalibrerade v4.3-skalan, etta bland de 114 modellerna i sin open-weights-klass, 134,3 utdatatoken per sekund, och listad till $0,435 per miljon indatatoken och $0,87 per miljon utdatatoken — och oberoende mätning är värd mer än en leverantörstabell när du planerar produktion.

Lita inte på någon av dem förrän du har läst konfigurationsfilerna i stället för sammanfattningarna. Flash-kortet beskriver en spekulativ draftmodell med fem lager som förutsäger sju token per pass; config.json i samma repository anger num_nextn_predict_layers till 3. Kortets sammanfattning är inte vad runtime läser. Och Safetensors-blocket på repository-sidan rapporterar 159B parametrar för Flash och 524B för Pro; ingen av dem stämmer med vare sig totalen eller antalet aktiva i något av modellkorten. Xiaomi har inte förklarat avvikelsen. Dimensionera i stället utifrån det publicerade viktdatat, eftersom det är den siffran du betalar för i VRAM oavsett hur parametrarna räknas.

Vad skulle avgöra det

Tre saker, i grov ordning efter användbarhet. En tredjepartskörning på samma testramverk – DeepSWE eller Terminal Bench, inlämnad i stället för självrapporterad – skulle visa om gapet på fyra poäng mellan Flash och Pro är en verklig position eller en gynnsam konfiguration. En publicerad prislista skulle förvandla hela jämförelsen från ett hårdvaruprojekt till en kalkylpost som du kan ställa bredvid den hostade frontlinjen. Och RL-miljöerna, som Xiaomi har sagt att de kommer att släppa som öppen källkod, är den artefakt som de flesta team faktiskt skulle vilja ha, eftersom de är vad du skulle behöva för att återskapa loopen på dina egna spår.

Fram till dess är den praktiska tolkningen snäv. MiMo-V2.6 är två checkpoints, inte en, och enbart namnet avser oftast den dyra varianten. Om du ska välja inom serien i dag är det ärliga standardvalet Flash om inte en benchmark-kolumn som du särskilt bryr dig om säger något annat – och om du inte är redo att köpa en nod är ingendera rätt svar ännu.