MiMo-V2.6-Flash

Fiche modèle · Xiaomi · mimo-v2.6-flash

MiMo-V2.6-Flash is Xiaomi's MIT-licensed omnimodal sparse Mixture-of-Experts model with 309B total parameters and 15B active parameters. It supports text, image, video, and audio understanding with a 1,048,576-token context window and text output. MiMo-V2.6 scales reinforcement learning across coding, general agents, visual tasks, and cybersecurity. Xiaomi's launch article is dated September 22, 2026; released weights are named MiMo-V2.6-Flash-RL. Benchmark results are Xiaomi-reported release evaluations, distinct from intermediate live-training checkpoints.

Fiches modèles

Identité

Organisation	Xiaomi
Pays	—
Famille	—
Type	llm
Date de sortie	2026-09-22
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 309 Md > 107 Md
Modalités	audio\|image\|text\|video
Fenêtre de contexte	1 048 576
KV cache / token (Q8)	73.7 ko/token
Paramètres totaux	309 B
Paramètres actifs (session)	15 B
Source des paramètres actifs	web : https://mimo.mi.com/models/en-US/mimo-v2.6-flash
Curation des paramètres actifs	2026-11-04
Prix par session	0.20 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	1.65 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-09-21T21:42:06.598866Z
Mis à jour le	2026-11-04T06:05:13.697538Z
Source	LLM Stats
URL	https://llm-stats.com/models/mimo-v2.6-flash

Tokens/tâche

IA Act — preuves fournisseur

ICA 78/100 · open source · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	5,0	35 %
Conformité droit d'auteur	5,0	35 %
Code of Practice GPAI	1,2	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-21.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Xiaomi	llm-stats	non	0.14 $	0.28 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
knowledge	0.60
multimodal	0.80
productivity	0.60
reasoning	0.50
safety	0.40
general	0.50
agents	0.50
code	0.50
tool_calling	0.50
vision	0.80

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
agents-last-exam	agents	0.28	1.00	0.28	non	oui	2026-11-04T06:05:13.715897Z
automationbench-1.0.6	agents	0.52	1.00	0.52	non	oui	2026-11-04T06:05:13.712907Z
cybergym	code	0.95	1.00	0.95	non	oui	2026-11-04T06:05:13.734582Z
deepswe-1.1	code	0.68	1.00	0.68	non	oui	2026-11-04T06:05:13.700801Z
exploitbench	code	0.25	1.00	0.25	non	oui	2026-11-04T06:05:13.740604Z
exploitgym	agents	0.06	1.00	0.06	non	oui	2026-11-04T06:05:13.737423Z
jobbench	agents	0.61	1.00	0.61	non	oui	2026-11-04T06:05:13.728168Z
mimo-coding-bench	code	0.61	1.00	0.61	non	oui	2026-11-04T06:05:13.706572Z
mimo-cyber-bench	code	0.77	1.00	0.77	non	oui	2026-11-04T06:05:13.746327Z
mimo-visual-coding	code	0.71	1.00	0.71	non	oui	2026-11-04T06:05:13.731181Z
osworld-verified	multimodal	0.81	1.00	0.81	non	oui	2026-11-04T06:05:13.725413Z
program-bench	agents	0.26	1.00	0.26	non	oui	2026-11-04T06:05:13.703828Z
sec-bench-pro	agents	0.47	1.00	0.47	non	oui	2026-11-04T06:05:13.743492Z
terminal-bench-2.1	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:05:13.722373Z
terminal-bench-4.0	reasoning	0.29	1.00	0.29	non	oui	2026-11-04T06:05:13.719348Z
toolathlon-verified	agents	0.74	1.00	0.74	non	oui	2026-11-04T06:05:13.709587Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	43	0.50	32.13	14	trueskill	2026-11-04T08:08:47.839150Z	rankings
code	42	0.50	34.46	9	trueskill	2026-11-04T08:08:39.742311Z	rankings
knowledge	35	0.60	-2.66	1	trueskill	2026-11-04T08:08:45.139626Z	rankings

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04