MiMo-V2.6-Pro：小米的兆級參數旗艦，從卡上看

MiMo-V2.6-Pro是小米 MiMo 團隊 MiMo-V2.6 系列的旗艦檢查點：一款稀疏專家混合模型，總參數量約 1.02 兆，每個 token 啟用 420 億參數，原生支援文字、圖像、影片與音訊輸入，具備 100 萬 token 上下文，權重以 MIT 授權釋出。在該系列中，它位居 MiMo-V2.6-Flash（309B 效率檢查點）之上；這個系列的各個部分是不同的訓練執行，而非同一模型的兩種規模。讀者看到這個名稱有三種拼法——mimo-v2.6-pro作為平台識別碼、mimo v2.6 pro帶空格，以及 mimo v2 6 pro把版本號拆成數字——三者都指向同一個檢查點，也就是權重位於 XiaomiMiMo/MiMo-V2.6-Pro-RL 的那一個。

本頁是該模型本身的參考資料。比較與成本計算早已存在於本部落格，並於下方建立索引而非重複；以下說明的是該模型是什麼、它發佈了哪些關於自身的資訊，以及在其來源允許的範圍內，卡片上哪些數字值得信賴。

身分：實驗室、類別，以及「Pro」所區辨的是什麼

發佈者為 Xiaomi，經由以其技術報告署名為 Xiaomi MiMo Team 的團隊。權重、平台說明文件和 API 全都來自同一個組織，這對來源追溯很重要：以下每一項容量數據都是廠商描述自家的檢查點，而這裡並未重現其中任何一項。

「Pro」是三模型系列中的一個定位，而非品質形容詞。Xiaomi 自家的系列說明將 Pro 稱為迄今最強大的旗艦推理模型——全模態、超高效能、兆級參數——專為複雜專案、長遠任務、高風險工作和研究而打造；Flash 是全模態、低成本的推理模型，而 Pro-UltraSpeed 是服務層級，承載相同檢查點，針對延遲敏感的工作，輸出速度最高可達二十倍。平台的快速選擇指南會將複雜專案、長期任務與高價值工作導向 Pro，將高頻率的專業辦公調用導向 Flash，並將任何對回應速度敏感的需求導向 Pro-UltraSpeed。三個已公布的定位，同一個系列——不是同一次訓練的三種規模。

版本承接值得寫上一行，因為這正是回訪讀者會踩空的地方。MiMo-V2.5 Pro，前一代旗艦，預定退役：Xiaomi 的平台為 mimo-v2.5 與 mimo-v2.5-pro 給出的棄用時間是北京時間 2026 年 10 月 21 日 10:00，並建議改用新版本。Pro 就是那個新版本，所以搜尋「MiMo Pro」若進到 2025 年的資料，便是進到這個版本所取代的模型。

規格，取自模型卡

這張卡片自身的摘要區塊，是對該模型最簡短且誠實的描述，而其中的每一行都出自廠商：

• 參數 — 總計 1.02T，每個 token 啟用 42B，屬於稀疏專家混合架構。儲存庫中介資料顯示，已發布的分片中共計有 1,024,216,603,392 個參數。

• 上下文與輸出 — 100 萬個 token 的上下文視窗，以及最多 128,000 個 token 的輸出。

• 模態 — 在單一模型中輸入文字、圖像、影片與音訊，視覺部分採用 681M 參數的 MiMo ViT，音訊部分則採用 308M 的 AudioTokenizer 加上 127M 的音訊 patch 編碼器。

• 主幹 — 70 層，60 層滑動視窗與 10 層全域；隱藏大小 6,144；384 個路由專家，啟用 8 個；滑動視窗 128。第一個區塊執行全域注意力並搭配稠密 FFN，且沒有任何區塊使用共享專家。

• 推測解碼 — 一種 5 層滑動視窗多符元預測草稿器，卡片將其描述為每次前向傳遞可預測另外七個符元。

關於閱讀那份清單的兩點備註。參數總數是廠商公布的數字，但它是外界能部分查核的一項，因為分片大小已公布在該儲存庫的檔案清單中；啟用數字則沒有這類交叉核對，應視為其宣稱的數字。而最後兩項彼此之間略顯不一致——以層數描述的草擬器，和以每次執行預測多少詞元來描述的草擬器，是同一元件的兩種不同量測方式，而架構表中只出現層數這一項。

Pro 對比 base 與 Flash，盡在一處

這些是讀者實際上帶著的差異，雙方在同一天閱讀同一份供應商文件：

• 規模 — Pro 總參數量為 1.02T，其中 42B 為啟用參數；Flash 則是另一次獨立的訓練，總計 309B，啟用參數為 15B。

• 深度 — Pro 執行 70 層，配備 384 個路由專家、啟用 8 個；Flash 執行 48 層，配備 256 個路由專家、啟用 8 個。

• 價格 — Pro 在快取未命中時，每百萬輸入 token 為 US$0.435，每百萬輸出 token 為 US$0.87；快取命中時為 US$0.0036。Flash 則為 US$0.14 和 US$0.28，快取命中時為 US$0.0028。

• 選擇 — Xiaomi 將複雜、長期且高價值的工作分配給 Pro，並將高頻率的專業辦公流量分配給 Flash。

• {{1}}共用{{/1}} — 1M 上下文視窗、128,000 token 輸出上限以及 MIT 授權在兩者之間完全相同。

這個部落格已經刊載的兩組比較，比那份清單深入得多，且不在此處重現。那篇「Pro 對上裸系列名稱」的文章，詳細探討了為何「MiMo-V2.6」是一個包含不止一個成員的集合，而不是介於 Pro 與 Flash 之間的第三個檢查點。那篇「Pro 對上 Flash」的文章，則為正在實際工作負載上於兩者之間做選擇的讀者，逐層呈現完整的架構對比。

此組建的權重與授權

這個檢查點只有一個儲存庫，XiaomiMiMo/MiMo-V2.6-Pro-RL，其中介資料毫無疑義：MIT 授權、無須申請即可取用、建立於 2026 年 9 月 21 日、最後修改於 2026 年 10 月 9 日，撰稿時記錄到的下載次數略超過 96,000 次。參數依儲存資料型別拆分，大致為 U8 約 1,000.2 十億、FP8（E4M3）約 13.4 十億、BF16 約 10.6 十億，以及極少量以 F32 儲存——這正是把專家權重以低精度格式發布、其餘維持 BF16 的檢查點樣貌。分片很大：單一專家平行檔案約達 4.15 GB，而完整下載量約在數百 GB 之譜。

`-RL` 後綴是譜系標記，不是適配器，也不是量化。兩個 V2.6 checkpoint 都帶有它，而模型卡將整個系列定位為大規模強化學習——一場橫跨程式設計、通用代理、視覺工作與網路安全的混合訓練，而非各領域分開訓練，並有一個分組評分階段，會對通過的軌跡進行排名，而不是將它們評為通過或失敗。這些都不會改變權重本身；它只是解釋了該儲存庫為何如此命名。

執行它：實際發佈的是什麼

這張模型卡提供兩條部署路徑，別無其他。SGLang 是以一般的 python3 -m sglang.launch_server 呼叫、指向儲存庫路徑來提供服務，而模型卡本身的範例採用雙節點配置與專家平行。vLLM 則以 vllm serve 加上用來指定此模型解析器的旗標來提供服務，也就是 --reasoning-parser mimo 與 --tool-call-parser mimo，並啟用自動工具選擇，生成設定則從模型目錄讀取。模型卡上的取樣設定為 temperature 1.0 與 top_p 0.95——偏暖的設定，同時也明白警告：許多測試框架預設的 0.7 並非廠商所實測的值。

除了自架部署的途徑之外，Xiaomi 的平台也公布了其託管端點的運作範疇：100 萬上下文視窗、128,000 個 token 的最大輸出，以及每分鐘 100 次請求和 1,000 萬個 token 的速率配額。平台亦列出涵蓋此模型的 Batch API，可處理非即時工作，費率較低。並未公布的是 Xiaomi 本身提供的任何吞吐量或記憶體數據，因此本頁並未刊載此類數字——坊間流通的速度數字來自第三方，測量的是他們的硬體而非你的，必須連同其測量條件一併看待。

分數，以及測量它們的人

小米的說明卡上附有一張基準測試表，表裡的一切都是廠商自行報告的數據：DeepSWE v1.1 為 71.9、Terminal Bench 2.1 為 89.9、Agents' Last Exam 為 31.6、OSWorld-Verified 為 82.0、GDPval-AA 2.1 為 1673、AutomationBench v1.0.6 為 53.1，而在資安相關列上，CyberGym 為 94.0，廠商自家的 MiMo Cyber Bench 則為 80.2。當問題是這家實驗室聲稱了什麼時，這些就是該引用的數字。同一張表也印出了 Flash、先前的 MiMo-V2.5 Pro，以及三個封閉模型的數據，這點值得牢記：廠商表格中的比較列，是廠商挑選出來的，且是在廠商選定的測試框架上跑出來的。

獨立數字則是另一回事，而且自發布報導以來，有所變動的就是它。Artificial Analysis 在其 Intelligence Index 上給 MiMo-V2.6-Pro 打了 46 分，測量基準為該指數的 4.3.2 版——這是該頁面所記錄、開放權重模型的最高分，比 GLM-5.3 高一分，比 Kimi K3 高兩分，但落後於它同樣評估的封閉領導者。同一頁面將完整指數跑一次定價為約 US$206.66，記錄了相對定價的 99% 快取折扣，並給出每項指數任務的成本約為 US$0.13。把這兩個來源放在一起讀，這款模型的輪廓便清晰可辨，無須任何一方被吹捧：一個自家表格給分大方的供應商，以及一個僅憑單一指數仍將其置於開放權重領域前端的第三方。

成本工作，以索引而非重複

已有三篇已發表的文章為這個模型承載了價格差距與價值的論述，而每一篇各自回答了不同的問題：

• 帕雷托前沿那篇文章問道：當每單位可衡量能力的成本是在更廣泛的領域中重新計算，而非只與單一對手相比時，MiMo-V2.6-Pro 會落在哪裡。

• 每項任務成本差距這篇文章所問的是：當較便宜的一方是開放權重的那一方時，相同的實測能力要付出多少成本。

• 同分的那篇探討的情境是：兩個檢查點在某項指標上的最終分數差距不到一分，但對兩者分別執行該指標的費用卻相差超過一個數量級。

這裡真正該放的，是價格作為模型的一項事實，而不是一項論點。X​iaomi 公布了兩份價目表，而它們是兩個各自公布的數字，而不是由其中一個換算成另一個：中國大陸的價目表列出快取命中時每百萬輸入 token 為 ¥0.025、未命中為 ¥3.00，輸出為 ¥6.00，而海外價目表則對同樣這三項列出 US$0.0036、US$0.435 和 US$0.87。兩份價目表在有限促銷期間內都快取寫入免費。某個特定工作負載的帳單會比較像快取命中那一列還是快取未命中那一列，這是關於該工作負載的問題，而上述三篇文章正是這個問題被論證的地方。

有一個結構性重點，比任何單一價目表都更為長久：唯有當公布的價格就是你實際被收取的價格，這個價格才有意義。這正是為什麼這個部落格背後的型錄提供200 多個模型，一律採用供應商定價、零加價直接轉嫁，而不是在供應商設定的任何價格之上再加收利潤——供應商所做的變更，當天就會反映在你的帳單上，而不是等到續約時才調整。

什麼尚未確定？

兩個懸而未決的枝節，兩者都不是缺陷，但在你引用規格表之前都值得先知道。這張卡片的推測解碼器以{{1}}兩種不同的單位{{/1}}描述——架構表中是五層，行文中則是每次傳遞預測七個詞元——而且只有前者被列為配置。此外，卡片上的模態宣稱比第三方目前對提供服務的端點所記錄的更廣：權重接受{{2}}四種輸入類型{{/2}}，而評估網站若量測的是代管的 API，可能呈現較窄的表面。這是檢查點能做到的事與特定端點所暴露的內容之間常見的落差，任何規劃音訊或視訊工作的人，都應向自己打算呼叫的端點確認，而不是向本頁面確認。

正在讀取頁面

給從搜尋框進來、想要答案而不是論證的讀者，先說簡短版本：MiMo-V2.6-Pro 是小米的兆級參數旗艦——稀疏專家混合模型，總參數約 1.02T、活躍參數 42B，原生支援文字、圖像、影片與音訊輸入，具備 1M token 上下文與 128,000 token 輸出，以 MIT 授權的權重位於 XiaomiMiMo/MiMo-V2.6-Pro-RL，在 Intelligence Index 上為 46（以該指數為來源），在 DeepSWE v1.1 上為 71.9（以小米為來源），海外價目表上每百萬 token 定價為 US$0.435 與 US$0.87，快取命中為 US$0.0036，並且與 MiMo-V2.6-Flash 的區別在於規模、深度、價格與預期工作負載，而非世代。

關於整頁內容的一點提醒：由於這是參考資料而非新聞報導，此處每一項數字都是其旁註明的來源於 2026 年 10 月 13 日所發布的版本，而廠商自行回報的數字在出現之處均已標示為「廠商回報」。價目表、快取價格、上下文上限，以及第三方指數評分，這些都是可能在毫無公告的情況下變動的東西，因此任何要依據其中某一項做決策的人，都應該對照其原始來源查核該筆資料，而不是對照本頁。