MiMo-V2.6-Pro: Siêu phẩm hàng đầu nghìn tỷ tham số của Xiaomi, đọc từ thẻ

MiMo-V2.6-Pro là checkpoint chủ lực của dòng MiMo-V2.6 đến từ đội ngũ Xiaomi MiMo: một mô hình hỗn hợp chuyên gia thưa với tổng cộng khoảng 1,02 nghìn tỷ tham số và 42 tỷ tham số hoạt động trên mỗi token, đầu vào gốc dạng văn bản, hình ảnh, video và âm thanh, ngữ cảnh 1M token cùng trọng số được cấp phép theo MIT. Nó nằm trên MiMo-V2.6-Flash, checkpoint hiệu quả 309B, trong một dòng mà các phần là những lần huấn luyện riêng biệt chứ không phải một mô hình ở hai kích cỡ. Người đọc bắt gặp cái tên này được viết theo ba cách — mimo-v2.6-pro như định danh nền tảng, mimo v2.6 pro với dấu cách, và mimo v2 6 pro với phần phiên bản tách thành các chữ số — và cả ba đều trỏ đến cùng một checkpoint, chính là checkpoint có trọng số nằm tại XiaomiMiMo/MiMo-V2.6-Pro-RL.

Trang này là tài liệu tham chiếu cho chính mô hình. Các so sánh và phép tính chi phí đã có trên blog này và được liệt kê bên dưới thay vì nhắc lại; phần tiếp theo đây nói về mô hình là gì, những gì nó công bố về chính mình, và những con số nào trên thẻ đáng để tin cậy trong giới hạn mà nguồn của chúng cho phép.

Bản sắc: lab, lớp, và điều mà "Pro" phân biệt

Nhà phát hành là Xiaomi, thông qua nhóm ký các báo cáo kỹ thuật của mình với danh nghĩa Xiaomi MiMo Team. Các trọng số, tài liệu nền tảng và API đều đến từ cùng một tổ chức đó, điều này có ý nghĩa đối với nguồn gốc xuất xứ: mọi số liệu về năng lực dưới đây đều do nhà cung cấp tự mô tả checkpoint của chính họ, và không có phần nào trong đó được tái lập tại đây.

“Pro” là một vị trí trong dòng gồm ba mô hình, không phải một tính từ chỉ chất lượng. Ghi chú về dòng sản phẩm của chính Xiaomi gọi Pro là mô hình suy luận flagship mạnh nhất cho đến nay — đa phương thức toàn diện, hiệu năng siêu cao, nghìn tỷ tham số — được xây dựng cho các dự án phức tạp, tác vụ dài hạn, công việc có tính rủi ro cao và nghiên cứu; Flash là mô hình suy luận chi phí thấp, đầy đủ phương thức, còn Pro-UltraSpeed là một tầng phục vụ mang cùng checkpoint với tốc độ đầu ra nhanh gấp tối đa hai mươi lần cho các công việc nhạy cảm với độ trễ. Hướng dẫn chọn nhanh của nền tảng định tuyến các dự án phức tạp, tác vụ dài hạn và công việc giá trị cao đến Pro, các cuộc gọi văn phòng chuyên nghiệp tần suất cao đến Flash, và bất cứ thứ gì nhạy cảm với tốc độ phản hồi đến Pro-UltraSpeed. Ba vị trí được công bố, một dòng sản phẩm — không phải ba kích cỡ của một lần huấn luyện.

Phần nhắc đến phiên bản đáng được dành một dòng, vì đây chính là chỗ độc giả quay lại dễ mất phương hướng. MiMo-V2.5 Pro, mẫu flagship trước đó, đã được lên lịch ngừng hỗ trợ: nền tảng của X​iaomi đưa ra thời điểm ngừng hỗ trợ là 10:00 giờ Bắc Kinh ngày 21 tháng 10 năm 2026 cho cả mimo-v2.5 và mimo-v2.5-pro, đồng thời khuyến nghị chuyển sang phiên bản mới. Pro chính là phiên bản mới đó, nên một tìm kiếm "MiMo Pro" mà rơi vào tài liệu năm 2025 tức là đang rơi đúng vào mô hình mà phiên bản này thay thế.

Thông số kỹ thuật, được lấy từ thẻ mô hình

Khối tóm tắt của chính thẻ là mô tả trung thực ngắn gọn nhất về mô hình, và mỗi dòng trong đó đều là của nhà cung cấp:

• Tham số — tổng cộng 1,02T, 42B hoạt động trên mỗi token, một hỗn hợp chuyên gia thưa. Siêu dữ liệu của kho lưu trữ ghi nhận 1.024.216.603.392 tham số trên các shard đã xuất bản.

• Ngữ cảnh và đầu ra — cửa sổ ngữ cảnh 1M token và tối đa 128.000 token đầu ra.

• Các phương thức — đầu vào văn bản, hình ảnh, video và âm thanh trong một mô hình, với MiMo ViT 681M tham số cho thị giác và AudioTokenizer 308M cùng bộ mã hóa patch âm thanh 127M cho âm thanh.

• Backbone — 70 lớp, 60 cửa sổ trượt và 10 toàn cục; kích thước ẩn 6.144; 384 chuyên gia định tuyến với 8 được kích hoạt; cửa sổ trượt 128. Khối đầu tiên chạy attention toàn cục với FFN dày đặc, và không khối nào sử dụng chuyên gia chia sẻ.

• Giải mã suy đoán — một bộ dự thảo dự đoán nhiều token dùng cửa sổ trượt 5 lớp, mà thẻ này mô tả là dự đoán thêm bảy token nữa trong mỗi lượt truyền xuôi.

Hai lưu ý khi đọc danh sách đó. Tổng số tham số là một con số của nhà cung cấp, nhưng đây là con số mà người ngoài có thể kiểm tra một phần, vì kích thước các shard được công bố trong danh sách tệp của kho lưu trữ; con số đã kích hoạt không có kiểm tra chéo như vậy và nên được coi là như đã tuyên bố. Và hai mục cuối hơi mâu thuẫn với nhau — một drafter được mô tả bằng số lớp của nó và một drafter được mô tả bằng số token mà nó dự đoán mỗi lượt là hai phép đo khác nhau của cùng một thành phần, và chỉ có số lớp xuất hiện trong bảng kiến trúc.

Pro so với bản base và Flash, trong cùng một nơi

Đây là những khác biệt mà độc giả thực sự mang theo khi đến, cả hai bên đều đọc từ cùng một tài liệu nhà cung cấp trong cùng một ngày:

• Quy mô — Pro có tổng cộng 1,02T tham số với 42B tham số hoạt động; Flash là một lần huấn luyện riêng biệt với tổng cộng 309B tham số và 15B tham số hoạt động.

• Độ sâu — Pro chạy 70 lớp với 384 chuyên gia định tuyến và 8 chuyên gia được kích hoạt; Flash chạy 48 lớp với 256 chuyên gia định tuyến và 8 chuyên gia được kích hoạt.

• Giá — Pro là 0,435 đô la Mỹ cho mỗi triệu token đầu vào và 0,87 đô la Mỹ cho mỗi triệu token đầu ra khi cache miss, với cache hit ở mức 0,0036 đô la Mỹ; Flash là 0,14 và 0,28 đô la Mỹ, với cache hit ở mức 0,0028 đô la Mỹ.

• Lựa chọn — Xiaomi định tuyến các công việc phức tạp, dài hạn và có giá trị cao đến Pro, và lưu lượng văn phòng chuyên nghiệp tần suất cao đến Flash.

• Dùng chung — cửa sổ ngữ cảnh 1M, giới hạn đầu ra 128.000 token và giấy phép MIT đều giống hệt nhau ở cả hai.

Hai phép so sánh mà blog này đã thực hiện đi sâu hơn danh sách đó và không được trình bày lại ở đây. Bài so sánh Pro với tên dòng trần lý giải vì sao "MiMo-V2.6" là một bộ sưu tập có nhiều hơn một thành viên chứ không phải một checkpoint thứ ba nằm giữa Pro và Flash. Bài so sánh Pro với Flash trình bày toàn bộ đối chiếu kiến trúc, từng lớp một, dành cho độc giả đang lựa chọn giữa hai mô hình trên một workload thực tế.

Trọng lượng và giấy phép cho bản dựng này

Có một kho lưu trữ cho checkpoint này, XiaomiMiMo/MiMo-V2.6-Pro-RL, và siêu dữ liệu của nó rõ ràng đến mức không thể nhầm lẫn: giấy phép MIT, không hạn chế truy cập, được tạo ngày 21 tháng 9 năm 2026, sửa đổi lần cuối vào ngày 9 tháng 10 năm 2026, với hơn 96.000 lượt tải xuống được ghi nhận tại thời điểm viết bài. Các tham số được phân bổ theo các dtype lưu trữ thành khoảng 1.000,2 tỷ ở U8, 13,4 tỷ ở FP8 (E4M3), 10,6 tỷ ở BF16 và một lượng nhỏ ở F32 — đúng dáng dấp của một checkpoint phân phối trọng số expert ở định dạng độ chính xác thấp và giữ phần còn lại ở BF16. Các shard có kích thước lớn: một tệp expert-parallel duy nhất lên tới khoảng 4,15 GB, và toàn bộ gói tải xuống vào cỡ vài trăm gigabyte.

Hậu tố -RL là một dấu chỉ dòng phả hệ, không phải adapter và cũng không phải lượng tử hóa. Cả hai checkpoint V2.6 đều mang nó, và thẻ mô hình định vị toàn bộ dòng sản phẩm xoay quanh học tăng cường ở quy mô lớn — một lần chạy hỗn hợp trải khắp lập trình, agent tổng quát, công việc thị giác và an ninh mạng thay vì các lần chạy riêng theo từng lĩnh vực, với một giai đoạn đánh giá theo nhóm xếp hạng các quỹ đạo đạt chuẩn thay vì cho điểm đạt/không đạt. Không điều nào trong số đó thay đổi bản chất của các trọng số; nó giải thích vì sao kho lưu trữ được đặt tên như vậy.

Chạy nó: những gì thực sự được xuất bản

Thẻ này đưa ra hai đường triển khai và không hơn. SGLang được phục vụ bằng lệnh gọi python3 -m sglang.launch_server thông thường trỏ vào đường dẫn kho lưu trữ, và ví dụ của chính thẻ này dùng bố cục hai nút với song song chuyên gia. vLLM được phục vụ bằng vllm serve cùng các cờ chỉ định bộ phân tích của mô hình này, --reasoning-parser mimo và --tool-call-parser mimo, với tự động chọn công cụ được bật và cấu hình sinh được đọc từ thư mục mô hình. Lấy mẫu trên thẻ là temperature 1.0 và top_p 0.95 — những thiết lập ấm, kèm một cảnh báo thỏa đáng rằng mức 0.7 mà nhiều harness mặc định không phải là mức mà nhà cung cấp đã kiểm thử.

Song song với các tuyến tự vận hành, nền tảng của X​iaomi công bố phạm vi vận hành cho endpoint được lưu trữ của mình: cửa sổ ngữ cảnh 1M, đầu ra tối đa 128.000 token và hạn mức tần suất 100 yêu cầu cùng 10 triệu token mỗi phút. Nền tảng cũng liệt kê một Batch API bao phủ mô hình này cho công việc không theo thời gian thực với mức giá thấp hơn. Điều không được công bố là bất kỳ con số thông lượng hay bộ nhớ nào từ chính X​iaomi, vì vậy trang này không đưa ra con số nào — những con số tốc độ đang lưu hành đến từ bên thứ ba, đo phần cứng của họ chứ không phải của bạn, và nên được gắn kèm với các điều kiện đo lường của họ.

Các điểm số, và ai đã đo chúng

Thẻ của Xiaomi có một bảng benchmark, và mọi thứ trong đó đều do nhà cung cấp tự báo cáo: DeepSWE v1.1 đạt 71.9, Terminal Bench 2.1 đạt 89.9, Agents' Last Exam đạt 31.6, OSWorld-Verified đạt 82.0, GDPval-AA 2.1 đạt 1673, AutomationBench v1.0.6 đạt 53.1, và ở các hàng an ninh mạng, CyberGym đạt 94.0 còn MiMo Cyber Bench của chính nhà cung cấp đạt 80.2. Đó là những con số để trích dẫn khi câu hỏi đặt ra là phòng thí nghiệm tuyên bố những gì. Cùng bảng đó cũng in các số liệu cho Flash, cho MiMo-V2.5 Pro trước đó và cho ba mô hình đóng, một lời nhắc đáng ghi nhớ: các hàng so sánh của bảng do nhà cung cấp tạo là lựa chọn của nhà cung cấp, được chạy trên các lựa chọn harness của nhà cung cấp.

Con số độc lập lại là một câu chuyện khác, và chính nó đã thay đổi kể từ các bài đưa tin ra mắt. Artificial Analysis cho MiMo-V2.6-Pro 46 điểm trên Intelligence Index của mình, được đo trên phiên bản 4.3.2 của chỉ số đó — mức điểm cao nhất mà trang đó ghi nhận cho một mô hình có trọng số mở, cao hơn GLM-5.3 một điểm, cao hơn Kimi K3 hai điểm, và xếp sau những mô hình đóng dẫn đầu mà nó cũng đánh giá. Cùng trang đó định giá một lần chạy toàn bộ chỉ số ở khoảng US$206.66, ghi nhận mức chiết khấu cache 99% so với giá niêm yết, và đưa ra chi phí cho mỗi tác vụ chỉ số vào khoảng US$0.13. Đọc hai nguồn cùng nhau, hình dạng của mô hình trở nên rõ ràng mà không cần bên nào phải được quảng bá: một nhà cung cấp có bảng số liệu của chính mình thì hào phóng, và một bên thứ ba với chỉ số duy nhất vẫn đặt nó ở vị trí dẫn đầu trong lĩnh vực trọng số mở.

Công việc chi phí, được lập chỉ mục thay vì lặp lại

Ba bài viết đã xuất bản đã mang lập luận về khoảng cách giá và giá trị cho mô hình này, và mỗi bài trả lời một câu hỏi khác nhau:

• Bài viết về biên Pareto đặt câu hỏi MiMo-V2.6-Pro nằm ở đâu khi chi phí trên mỗi đơn vị năng lực được đo lường được tính lại trên toàn bộ phạm vi rộng hơn thay vì chỉ so với một đối thủ.

• Phần về chênh lệch chi phí theo từng tác vụ đặt câu hỏi rằng cùng một năng lực được đo lường sẽ tốn bao nhiêu khi bên rẻ hơn lại chính là bên có trọng số mở.

• Phần cùng điểm lấy trường hợp hai checkpoint kết thúc chỉ cách nhau một phần nhỏ của một điểm trên một chỉ số, còn chi phí chạy chỉ số đó đối với từng checkpoint lại khác nhau hơn một bậc độ lớn.

Điều thuộc về đây thay vào đó là giá như một dữ kiện về mô hình, chứ không phải như một lập luận. X​iaomi công bố hai bảng giá, và chúng là hai con số được công bố chứ không phải một con số được quy đổi thành con số kia: bảng giá đại lục liệt kê ¥0.025 cho mỗi triệu token đầu vào khi trúng bộ nhớ đệm, ¥3.00 khi trượt và ¥6.00 cho đầu ra, trong khi bảng giá hải ngoại liệt kê US$0.0036, US$0.435 và US$0.87 cho cùng ba dòng đó. Ghi bộ nhớ đệm được miễn phí trong một thời gian khuyến mãi có hạn trên cả hai. Việc hóa đơn của một khối lượng công việc nhất định giống dòng trúng bộ nhớ đệm hay dòng trượt bộ nhớ đệm là một câu hỏi về chính khối lượng công việc đó, và ba phần ở trên là nơi câu hỏi ấy được đem ra tranh luận.

Một điểm mang tính cấu trúc tồn tại lâu hơn bất kỳ bảng giá đơn lẻ nào: một mức giá được công bố chỉ hữu ích nếu đó là mức giá bạn thực sự được tính. Đó là lý do danh mục đằng sau blog này có 200+ mô hình theo giá niêm yết của nhà cung cấp với 0% markup được chuyển thẳng, thay vì cộng thêm biên lợi nhuận lên trên mức mà nhà cung cấp đã đặt — một thay đổi mà nhà cung cấp thực hiện sẽ là thay đổi trên hóa đơn của bạn ngay trong cùng ngày, chứ không phải đến lúc gia hạn.

Điều gì chưa được giải quyết

Hai vấn đề còn bỏ ngỏ, không vấn đề nào là lỗi, cả hai đều đáng để biết trước khi bạn trích dẫn bảng thông số kỹ thuật. Bộ giải mã suy đoán của thẻ được mô tả theo hai đơn vị khác nhau — năm lớp trong bảng kiến trúc, bảy token dự đoán mỗi lượt trong phần văn xuôi — và chỉ đơn vị đầu tiên được nêu là cấu hình. Và tuyên bố về phương thức trên thẻ rộng hơn mức mà các bên thứ ba hiện ghi nhận cho endpoint được phục vụ: các trọng số chấp nhận bốn loại đầu vào, trong khi một trang đánh giá đo lường một API được host có thể cho thấy một bề mặt hẹp hơn. Đó là khoảng cách thông thường giữa những gì một checkpoint có thể làm và những gì một endpoint nhất định cung cấp, và bất kỳ ai đang lên kế hoạch cho công việc âm thanh hoặc video nên xác nhận điều đó với endpoint mà họ định gọi, thay vì với trang này.

Đang đọc lại trang

Phiên bản ngắn gọn, dành cho độc giả đến từ ô tìm kiếm và muốn câu trả lời thay vì lập luận: MiMo-V2.6-Pro là mô hình chủ lực nghìn tỷ tham số của Xiaomi — mixture of experts thưa với tổng khoảng 1,02T tham số và 42B tham số hoạt động, đầu vào văn bản, hình ảnh, video và âm thanh gốc, ngữ cảnh 1M token với 128.000 token đầu ra, trọng số theo giấy phép MIT tại XiaomiMiMo/MiMo-V2.6-Pro-RL, 46 trên Intelligence Index nơi chính chỉ số đó là nguồn và 71,9 trên DeepSWE v1.1 nơi Xiaomi là nguồn, có giá 0,435 USD và 0,87 USD mỗi triệu token trên bảng giá quốc tế với giá cache hit là 0,0036 USD, và được phân biệt với MiMo-V2.6-Flash bởi quy mô, độ sâu, giá cả và khối lượng công việc dự kiến chứ không phải bởi thế hệ.

Một lưu ý cho toàn bộ trang này, vì đây là tài liệu tham khảo chứ không phải một tin tức: mọi số liệu ở đây đều đúng như được công bố vào ngày 13 tháng 10 năm 2026 bởi các nguồn được nêu bên cạnh, và các con số do nhà cung cấp báo cáo được ghi rõ là do nhà cung cấp báo cáo ở những chỗ chúng xuất hiện. Bảng giá dịch vụ, giá bộ nhớ đệm, giới hạn ngữ cảnh và điểm chỉ số của bên thứ ba đều là những thứ có thể thay đổi mà không cần thông báo, vì vậy bất kỳ ai dựa vào một trong số đó để ra quyết định nên kiểm tra dòng đó với nguồn của nó thay vì dựa vào trang này.