MiMo-V2.6-Pro – 全模态旗舰模型

MiMo-V2.6-Pro 是小米推出的原生全模态开源旗舰大模型，属于 MiMo-V2.6 系列内定位高阶推理的版本，支持文本、图像、视频、音频四类信息同步输入，面向长周期复杂任务开发。模型具备百万级 token 上下文窗口，可一次性读取海量文档、多轮交互日志与多组媒体素材，在代码编写、图像解析、视频内容理解、网络安全分析方向表现突出，配套开放模型权重、推理接口与训练相关资料，适配云端调用和本地私有化部署两种运行形式，面向开发者、科研人员与企业业务团队开放使用。

MiMo-V2.6-Pro特点

采用 MoE 混合专家架构，总参数规模 1T，推理阶段激活参数为 42B，大批次任务下算力开销可控。

原生支持多模态融合理解，不同类型素材混合输入不会出现信息割裂。

1M 超长上下文承载能力，单次可容纳完整项目资料与多轮智能体交互轨迹。

兼容普通话、方言与中英混排文本，输出支持流式返回与结构化格式。

内置上下文缓存机制，重复素材二次调用时降低计费成本与响应时延。

适配各类 Agent 运行框架，可直接对接桌面自动化、测试评测环境。

MiMo-V2.6-Pro技术原理

依托 RSI 强化学习路径完成迭代训练，使用全异步 GRPO 算法执行大批次样本更新，单步训练承载数十亿 token 数据。

训练批次混合代码、视觉、网络安全、通用推理多类任务样本，不同方向能力形成互相迁移的效果。

引入分组对比打分机制，同批次生成结果横向排序，产出精细化奖励信号，搭建模型自我迭代的闭环流程。

采用全局注意力与滑动窗口注意力 1:7 混合排布方案，兼顾长距离信息关联与推理速度。

训练过程冻结路由模块，搭配校验交叉机制，缓解专家负载偏移与奖励欺骗问题，保障输出稳定性。

MiMo-V2.6-Pro功能

解析图文音视频混合素材，提取素材内部信息并输出文本结论。

调用外部搜索工具获取实时信息，辅助复杂问题推导。生成程序代码、执行代码调试与项目打包测试。

生成 JSON、表格等规整结构化内容，对接后端系统。执行长文档精读、资料归纳、逻辑推演。

接入自动化框架，完成电脑界面识别、操作指令下发。

支持多智能体协同调度，串联多个工具分步完成整套任务。

MiMo-V2.6-Pro应用场景

软件研发团队处理大型代码仓库，通读项目文档、截图日志完成排错与功能开发。

科研机构处理实验视频、文献、数据表格，整理实验结论与方案设计。

安全从业者开展样本分析、日志研判、漏洞验证工作。

内容团队解析视频脚本、配图素材，产出文案与内容规划方案。

企业搭建自动化办公智能体，读取多类文件、截图表单完成数据整理。

独立开发者搭建多模态对话产品、本地智能助手。

MiMo-V2.6-Pro如何使用

访问 MiMo 官方平台获取 API 密钥，或者下载开源权重文件。

选择调用方式，云端 API 直接配置请求参数，本地部署准备对应算力显卡与推理框架。

组装输入内容，上传图像、视频、音频或者粘贴长文本，设置上下文参数与输出格式。

发起推理请求，等待流式或者完整结果返回。

核验返回内容，需要工具检索的任务可开启联网参数。

落地到业务系统时，开启缓存开关减少 token 消耗，持续收集失败样本用于微调优化。