MiMo-V2.6-Flash：小米现在按 token 出售的 309B 开放检查点

MiMo-V2.6-Flash是小米2026年9月发布的效率检查点：一个稀疏混合专家模型，总参数量3090亿、每个token激活150亿，上下文长度100万token，权重以MIT许可发布于Hugging Face。它的定位低于MiMo-V2.6-Pro——1.02万亿参数的旗舰型号，位于同一个MiMo-V2.6系列之中——而且两者是两次独立的训练，而非同一个模型的两种规模。自本次发布的首轮报道以来，发生变化的不是模型，而是它周围的一切。小米自家平台如今针对确切标识符mimo-v2.6-flash公布了每token价格、公布的最大输出长度、速率限制配额，以及一个弃用日期——无论你是否迁移，它都会把V2.5的流量导向这个端点。以下是关于模型本身的一贯参考：有三个已发布的检查点共用它的名字，其中恰好只有一个才是读者所指的那个，而你可能见过的关于它的两个数字如今已经过时。

MiMo-V2.6-Flash 是什么——以及它不是的那两个名字

先从一个读者必须弄清楚的区分说起，因为来到这个页面的搜索者正是在这一点上分成了两派。MiMo-V2.6 是一个系列，而不是一个模型。小米的发布说明称，该系列“包含两个原生全模态模型，即 Pro 和 Flash”，因此单凭系列名称，会对应到两个已发布的检查点，它们各自拥有独立的训练过程、独立的基准测试表和独立的显存占用。Flash 是更小、更便宜、效率更均衡的那一个；Pro 则是旗舰型号。两者都不是对方的量化版本，它们之间也不存在第三个“普通版 V2.6”。

第二个需要区分开的名称更早，混淆起来的代价也更高。MiMo-V2-Flash于 2025 年 12 月发布，从纸面上看像是同一个模型：稀疏专家混合架构，总参数 309B、激活参数 15B，混合注意力交替使用滑动窗口块与全局块，且滑动窗口同样是 128 token。两者相隔九个月，但除此之外几乎一切都不同。2025 年那个检查点声称支持 256K 上下文；这一个则声称支持 1M。它们是不同的下载包、不同的服务配置方案，能力画像也不同，而搜索“MiMo V2.6 Flash”仍会毫无障碍地把 2025 年的页面递到你面前。

小米没有发布的，是以裸名称命名的第二个权重仓库。请求XiaomiMiMo/MiMo-V2.6-Flash从 Hub 时会返回授权错误，因为不存在这样的仓库；规范工件是XiaomiMiMo/MiMo-V2.6-Flash-RL。关于该后缀的含义，详见下文，因为它是这个模型命名中最容易被误读的部分。

谁发布它、依据什么许可证，以及通过谁的端点？

小米 MiMo 团队将其发布在自家的 Hugging Face 组织下，许可证为 MIT——今日已对照仓库元数据核实，其中标注了license:mit，且没有任何门控。这是一种宽松许可证，不设收入门槛、研究条款或可接受使用限制，因此商业部署、修改和再分发均被允许，无需与小米进行任何沟通。模型卡声明其语言为英语和中文。

同一个组织在这一主干上发布了三个工件，而对任何规划部署的人来说，这一区别都至关重要：

• MiMo-V2.6-Flash-RL—— 正式发布的规范检查点，创建于 2026 年 9 月 21 日，共 90 个文件。这正是 API 所提供的那一个，也是本页所有基准测试所指的那一个。

• MiMo-V2.6-Flash-MOPD — 于2026年9月27日发布，并在其自己的说明卡中被描述为“MiMo-V2.6-Flash-RL 检查点的 MOPD 升级版”，而非另一个不同的模型。它是第二个后训练阶段的产物，该阶段将多个领域专用教师模型融合为一个模型。如果你已经拉取了 RL 检查点，那么这是同一谱系上的较新制品，而不是一个独立的同级模型。

• MiMo-V2.6-Distill-Qwen-9B——同日发布的 9.4B MIT 许可模型，发布说明将其列为开源 RL 训练运行的起点，而非产品检查点。

小米也直接销售该模型，而这也正是这一图景中在十月发生变动的部分。托管标识符为小写且不带后缀——mimo-v2.6-flash——它出现在平台自身的/v1/models列表中，与mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed以及 V2.5 代并列出现。

架构，从配置而非摘要中读取

模型卡片的摘要行是大多数二手报道止步的地方，而它并不是那些有用数字所在之处。根据小米自己的架构表以及该仓库的config.json，二者均于今日读取：

• 主干 — 48 层分为 39 层滑动窗口注意力和 9 层全局注意力，隐藏大小为 4096，256 个路由专家且每个 token 激活 8 个，128 token 的滑动窗口，且没有共享专家。第一个块是全局注意力，配有稠密前馈网络；其后的所有部分交错排列。

• 注意力头——两个块中均有 64 个查询头，滑动窗口块上有 8 个键/值头，而全局块上则为 4 个。正是这种形态让 1M 上下文变得可负担：混合模式正是防止 KV 缓存随完整序列扩展的机制。

• 编码器 — 一个 6.81 亿参数的 MiMo ViT（28 层，24 层滑动窗口加 4 层全注意力）、一个 3.08 亿参数的音频分词器，具有 24 层和 20 个残差向量量化码本，以及一个 1.27 亿参数的音频 patch 编码器，可将四帧合并为一帧。

• 推测解码 — 一个5层滑动窗口多令牌预测草稿模型，DFlash风格，具有1024令牌窗口，被描述为每次前向传递预测7个后续令牌。

• 磁盘上的权重——该仓库目前在 Hub 上的文件列表总计约 178 GB，分布在 90 个文件中，这些分片采用 FP8（e4m3）以及动态激活方案。这就是你要在 VRAM 中付出的数字，它并不关心参数是如何计数的。

这里会出现两个计数问题，而它们如今的答案已与九月时不同。第一个：Hub 上该仓库的 safetensors 元数据报告总计为310,756,322,688 个参数——约 310.8B，正好接近模型卡中的 309B 总量。早前的文章，包括我们自己的，都采用了从同一仓库面板读出的 159B 数字。那个数字已经变了，当前这个才是应采用的数字。第二个问题尚未得到解决：模型卡描述的是一个预测七个 token 的五层草稿模型，而同一仓库中的 config.json 将 num_nextn_predict_layers 设为 3。两者不可能描述同一个产物，而运行时读取的是配置。请根据配置为草稿模型估算内存，并在加载后进行验证。

配置文件确实清晰地印证了其中一项主打宣传，这一点值得一说，因为其余大多数都需要附加说明：max_position_embeddings被设置为 1,048,576，而这恰好就是宣传页上所标的 100 万 token 上下文。

上下文、输出上限，以及一项将范围缩小到非厂商的模态声明

上下文是最简单的。Xiaomi 宣称支持 1M tokens，配置也支持，平台的模型摘要也重复了这一点。最大输出是大多数参考页面仍会因遗漏而搞错的那个数字，但它其实是公开的：平台的模型页面给出 最大输出 128K tokens，相对于 1M 上下文，对于mimo-v2.6-flash和mimo-v2.6-pro 都是如此。这里还附带一个行为上的陷阱。深度思考默认开启，而 max_completion_tokens 会同时限制思考内容和最终答案——因此一段很长的推理过程会消耗与答案相同的预算，而厂商自己的建议是把它设置得宽松一些。在思考模式下，自定义的 temperature和top_p 会被忽略：无论你发送什么，有效值都会被强制为 1.0 和 0.95。

模态正是厂商材料与独立测量出现分歧的地方，值得把两者都陈述出来，而不选出一个胜者。小米的模型卡和平台都声称该系列具备原生全模态输入面——文本、图像、视频和音频进入同一个模型，而不是三条硬拼接在一起的流水线。独立测量给出的范围更窄。在 Artificial Analysis 的 MiMo-V2.6-Flash 模型页面上，技术规格将输入模态列为“文本和图像”，输出列为“文本”，而同一网站上的 MiMo-V2.6-Pro 页面则将输入列为“文本、图像、语音和视频”。同一家族、同一厂商文档，却只有两个检查点中的一个有独立记录的音频和视频输入面。已发布的内容没有解释这一差异，我们也无法从外部判定。在别的东西证实之前，应把音频和视频输入视为 Flash 上的厂商声明。

小米报告的内容，以及第三方测得的那一个数字

Xiaomi 为这款机型发布的每一项基准测试成绩，都来自 Xiaomi 自己的测试框架运行结果，并且尚未在那些测试框架上得到独立复现。这不是指控，而是证据的现状；这一点值得牢记，因为厂商自己对外呈现的各个口径彼此矛盾，而这种矛盾很容易被忽略。

• 代码智能体 — DeepSWE v1.1：Flash 67.9，Pro 71.9，在小米的测试中对比 Claude Opus 5 的 74.0 与 GPT-5.6 Sol 的 73.0。Terminal Bench 2.1：Flash 87.6。Terminal Bench 4.0：Flash 28.8。ProgramBench 26.0。

• 通用智能体 —— AutomationBench v1.0.6：Flash 52.3，在同一厂商测试中高于 GPT-5.6 Sol（45.8）和 Claude Opus 5（50.3）。Toolathlon-Verified 73.6，OSWorld-Verified 80.8，Agents' Last Exam 27.6。

• 网络安全——小模型胜出的那一项。CyberGym：Flash 95.1，Pro 为 94.0。随后便断崖式下跌：ExploitGym 6.0，ExploitBench 25.3，SEC Bench Pro 47.5。

• 视觉智能体 — MiMo VisualCoding：Flash 71.5，Pro 72.3。

分歧出在 DeepSWE v1.1 这一列，而且贯穿小米的多个发布渠道。小米平台上的发布说明称，Flash 在 RL 运行中提升了“约 17 分（从 48.8 到 65.7）”。模型卡为已发布的权重标注的是67.9。运行至 9 月的流式 RL 仪表盘在 mini-swe-agent 测试框架下、取三次平均值，基于训练快照发布了65.68。同一个模型、同一个基准，出现了三个厂商数字，而小米之外目前没人能说清哪一个描述的是你下载到的那个产物。如果你从 9 月起一直引用 65.68，它在当时描述的是一个训练快照，而如今对已发布的检查点来说，它已经是一个过时的数字。

与这一切相对，只有一项独立测评，而它并不像厂商的表格那样好看。Artificial Analysis 给 MiMo-V2.6-Flash 的评分为38，依据是其 Intelligence Index v4.3.2——在该类别的 117 个模型中排名第八——输出速度为每秒 49.2 个输出 token，此次指数测试运行生成了 2.4 亿 token，被该网站标注为“非常冗长”，而中位数是 1.4 亿，此外每个 Intelligence Index 任务的成本为 0.06 美元。它的总结句是：该模型“在智能水平上位居领先模型之列，且定价合理”，但“速度低于平均水平，且非常冗长”。作为对比，同一网站给 MiMo-V2.6-Pro 打了 46 分，并将其排在 117 个模型中的第一位——这正是小米自己在发布说明中引用的那个数字，而且针对的是 Pro，而非 Flash。

代价是什么，以及那个令人动容的身影

这是发布报道之后发生变化的那部分情况，因此需要直说：此前认为小米没有公布这一代模型每 token 费率的解读已经过时。该厂商的按量付费页面上有一份完整的费率表，更新日期标注为 2026 年 10 月 8 日，而相关模型在其中单独占一行。

• 海外，每百万 tokens — mimo-v2.6-flash缓存命中时为 $0.0028，缓存未命中时为 $0.14，输出为 $0.28。mimo-v2.6-pro为 $0.0036 / $0.435 / $0.87，mimo-v2.6-pro-ultraspeed为 $0.036 / $4.35 / $8.70。

• 中国大陆定价，每百万 token —— flash ¥0.02 / ¥1.00 / ¥2.00，pro ¥0.025 / ¥3.00 / ¥6.00，ultraspeed ¥0.25 / ¥30.00 / ¥60.00。平台在中国大陆以人民币计费，在海外以美元计费。

• 批处理 API——恰好是实时费率的一半：flash 为 $0.0014 / $0.07 / $0.14，pro 为 $0.0018 / $0.2175 / $0.435，且批处理基础 URL 与实时基础 URL 分开。小米表示，批处理不支持 mimo-v2.6-pro-ultraspeed或 V2.5 标识符。

• 缓存写入 — 限时免费，如今日价目表所述。缓存命中才是经济账发生变化的地方：在 $0.0028 对 $0.14 的情况下，一次命中仅为一次未命中的 2%，而 Artificial Analysis 根据其自身的提供商读数记录到 98% 的缓存折扣，以及同样的 $0.14/$0.28 价格对。

• 网络搜索 — 与 token 分开计费，海外每 1,000 次调用 $5，中国每 1,000 次 ¥16，随后获取的页面内容按普通输入 token 计费。单轮搜索可同时触发多个关键词，因此供应商提供了一个 max_keyword 上限来限制支出。

• 订阅制 —— 小米还按月出售 Token Plan 套餐，按档位提供额度，并包含“V2.6 Flagship Model Access”——这是一种与按量付费密钥不同的独立凭据格式；此外，在 UTC+8 的 00:00 至 08:00 之间还有夜间额度倍率。订阅与按量付费余额明确不可互换。

怎么称呼它

共有三种途径，它们各自需要不同的凭证。

• 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.

• 速率限制 — 公开的每分钟 100 次请求和每分钟 1000 万个 token，适用于 mimo-v2.6-flash，按账户统计、涵盖所有 API 密钥，而非按单个密钥计算。ultraspeed 标识符是例外，它作为定制服务出售，而非按量计费。

• 自托管——该卡片附带一个 SGLang 配方，采用张量并行度 8、数据并行度 2，并启用 DP attention 以及多层 EAGLE 推测路径（--speculative-num-steps 3、--speculative-eagle-topk 1、--speculative-num-draft-tokens 4），静态内存比例为 0.65，分块预填充为 16384，另外还有一个张量并行度 4 的 vLLM 配方。二者都需要 --reasoning-parser mimo --tool-call-parser mimo 才能正确解析思考输出和工具调用。这些配方中的并行宽度自本版本的首次撰写以来已经过编辑；请使用该卡片当前所述的内容。推荐的采样参数为 temperature 1.0、top_p 0.95。

任何关于此模型的参考文档都应包含一条带日期的条目，因为它会自行改变现有集成的行为。小米的迁移通知指出，自2026 年 10 月 14 日 18:00 UTC+8起，发往mimo-v2.5-pro和mimo-v2.5的请求将自动路由至 V2.6 系列，并且自2026 年 10 月 21 日 10:00 UTC+8起，旧模型标识符将停止工作。因此，固定到 V2.5 标识符的流量已经在无需更改代码的情况下被重新指向——这值得检查，因为同一份通知称，发往这两个 ID 的请求会分别被发送至 Pro 和 Flash，这在成本上并非同类替换。

如果你读到这里的原因是，你需要的是一个可调用的前沿模型，而不是一次下载，那么坦诚地说，MiMo-V2.6-Flash 在这里并不属于其中之一。我们不路由任何小米模型，而小米自己的卡片将其可用性指向其第一方入口——Open Platform API、其工作室应用、其编码工具和其桌面客户端。不过，小米在自己的表格中作为基准对比的那些模型是可调用的，其中几个就在 OrcaRouter 上，使用一个 API 密钥，按提供商标价，0% 加价转嫁，因此供应商的价格变动会在当天落到你的账单上，而不是等到续订时。在像这样的页面上，这一点比平常更重要：费率卡是在中途发布的，而总额会变动。

仓库名称中的“-rl”，以及基于同一词干的其他产物

读者搜索该模型时使用 mimo-v2.6-flash-rl 的频率与不带后缀时一样高，因此值得精确表述。厂商并没有将“RL 变体”命名为一个独立模型。该后缀是规范产物自身名称的一部分：XiaomiMiMo/MiMo-V2.6-Flash-RL 是已发布的检查点，而 -RL 标记的是后训练谱系——小米在 9 月持续直播的混合强化学习运行的产物，而不是依附于某个其他基础模型上的强化学习适配器。支持性证据是结构性的，而非修辞性的：该仓库包含数万个张量，覆盖整个主干网络、视觉编码器、音频栈和推测式草稿模型，文件列表约为 178 GB。而适配器只有数 MB。还要注意厂商 API 对它的称呼——mimo-v2.6-flash，完全没有后缀。因此，“-rl”是权重仓库的一种命名惯例，把它输入到托管请求中根本不会解析。

这个主干上的另外三个后缀很普通，却值得了解：-MOPD是六天后发布的进一步后训练升级，-Pro是旗舰型号，而不是更大的 Flash，-ultraspeed是一种作为定制化服务出售的速度模式。9B 蒸馏版和 RL 任务环境完全位于不同的代码仓库中。它们都不是 Flash 的量化版本，而这正是这些后缀容易让人产生的假设。

读者带着三个问题而来

这是与 MiMo-V2-Flash 相同的模型吗？不是，而且这种混淆带来的是高昂代价，而非无关痛痒的表面问题。2025 年 12 月的那版检查点与这一版在总体规格上看似一致——总参数 309B、激活 15B、混合注意力、128 token 滑动窗口——但它们是相隔九个月的两次独立训练，上下文宣称不同（256K 对 1M），基准测试表不同，服务方案也不同。依照旧模型的数字来规划节点容量，或是引用它的价格，都会在两个方向上出错。

它能装在我现有的硬件上吗？单张 GPU 不行，厂商也没有假装它可以。公开的权重数据在 FP8 下约为 178 GB，这还不含任何 KV 缓存，而小米自家的方案在 vLLM 上起步就要四张 GPU，SGLang 则要八张。请把部署章节当作厂商给出的最低要求，而不是建议，并且要注意，这些方案需要显式的推理解析器和工具调用解析器——没有它们，模型仍能生成内容，但你会失去思维链通道和结构化工具调用，而该模型大多数 agent 基准测试都依赖这两者。

我到底应该拉取哪个 Flash 产物？如果你想要基准测试和 API 所描述的那个，就拉取 RL checkpoint；如果你想要更晚的后训练阶段——它自己的模型卡称其为前者的升级版——就拉取 MOPD 仓库。不要以为两者存在大小差异而把两个都拉下来；它们同源、同规模，相隔六天，而 MOPD 模型正是小米领域教师融合的落脚之处。

什么会改变这个页面

三件事，大致按它们会影响一项决策的程度排序。由第三方在厂商自家测试框架——DeepSWE v1.1 或 Terminal Bench——上运行，并且是提交结果而非自报，将能判定 67.9 是真实水平还是有利配置，也能解释为什么小米的三个界面对同一列给出三个不同数字。对音频和视频输入界面进行独立测试，将能弥合该卡片的全模态宣称与第三方页面上口径更窄的技术说明之间的差距。再有一个厂商界面，把摘要中的五层、七 token 草稿器与配置中的三层协调一致，就能消除容量规划者不得不绕开的最后一个不一致之处。

在那之前，这份参考解读范围**窄**、却切实可用。MiMo-V2.6-Flash 是一个 309B 参数、15B 激活、采用 MIT 许可的稀疏专家混合（MoE）检查点，具备 100 万 token 上下文与 128K 输出上限，于 2026 年 9 月 21 日以 FLASH-RL 后缀发布，小米为其定价为缓存未命中时每百万输入 token 0.14 美元、每百万输出 token 0.28 美元，并且——截至 10 月——可通过厂商自有端点以标识符 mimo-v2.6-flash 调用。其厂商基准测试结果无人复现，唯一一项独立评分是在某个指数上拿到 38 分，而它自家块头更大的同门模型在该指数上得 46 分；此外，它最醒目的参数规模，是围绕这款模型为数不多、确实说得清的数字之一。