MiMo V2.6 Pro
9028°
Modell ausführen
Angebote / Werbung
Xiaomi | 1.050.000 Token Kontext | $0,43/M Eingabe, $0,87/M Ausgabe. MiMo-V2.6-Pro ist das Flaggschiff-Grundlagenmodell von Xiaomi. Entwickelt mit über 1 Billion Parametern, ist es darauf ausgelegt, die Leistungsgrenze für die anspruchsvollsten Arbeitslasten zu verschieben. Das Modell verfügt über ein 1M-Token-Kontextfenster und native multimodale Fähigkeiten. Optimiert für agentische Workflows liefert es Spitzenleistungen in den Bereichen Programmierung, visuelle Verarbeitung, allgemeine und Forschungsanwendungen und glänzt bei komplexen, langfristigen Aufgaben mit robuster Generalisierung über eine Vielzahl von Agenten-Anwendungen.
Anleitungen zu diesem Modell
Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen
Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe
Wie viel VRAM brauche ich eigentlich für lokale KI?
Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst
Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)
Captain's Notizen
Notizen vom 2026-10-13
MiMo-V2.6-Pro ist Xiaomis Flaggschiffmodell: ein sparsames Mixture-of-Experts-System mit insgesamt 1,02 Billionen Parametern (42 Milliarden aktiviert), das Text, Bild, Video und Audio in einem einzigen Modell verarbeitet. Sein herausragendes Merkmal ist eine Reinforcement-Learning-Pipeline, die sich durch Exploration selbst verbessert, statt separate Domänen-Finetunings durchzuführen. Es eignet sich für Teams mit komplexen agentenbasierten Workflows, langem Kontext bei Code oder Forschungsaufgaben und alle, die ein leistungsfähiges Open-Weights-Frontier-Modell zu Preisen unter einem Dollar pro Million suchen.
Bekannt für
- Echtes Omnimodal: Text, Bild, Video und Audio werden nativ in einem Modell verarbeitet
- 1-Million-Tokens-Kontextfenster – lang genug für komplette Repositories oder mehrfache Agentensitzungen
- Ein einziger gemischter RL-Lauf über Coding-, visuelle, allgemeine und Cybersicherheitsaufgaben
- Offene Gewichte auf Hugging Face für lokale oder selbstgehostete Bereitstellung verfügbar
- Selbstverbessernde Belohnungsschleife, die auf kürzere, qualitativ hochwertigere Lösungen steuert
Achte auf
- Über eine Billion Gesamtparameter – lokale Ausführung erfordert ernsthafte Hardware, die die meisten nicht besitzen.
- Lizenzbedingungen sind im Model Card nicht detailliert; vor kommerzieller Nutzung das Hugging Face-Repo prüfen.
- Bei dieser Größenordnung ist die Latenz bei selbstgehosteter Inferenz hoch, sofern kein großer Multi-GPU-Cluster vorhanden ist.
Prompts zum Ausprobieren
Refaktorierung über mehrere Dateien
Du hast einen Python-Dienst, aufgeteilt in drei Dateien: einen FastAPI-Router, eine SQLAlchemy-Modelldatei und eine Celery-Task-Datei. Der Router importiert direkt aus der Modelldatei und ruft Celery-Tasks inline auf. Gestalte die Abhängigkeitsstruktur so um, dass der Router nur von einer Service-Schicht abhängt, schreibe den Code für die Service-Schicht und erkläre jede Änderung.
Langfristiger Forschungsplan
Ich muss fünf Open-Source-Vektordatenbanken für ein produktives RAG-System mit 50 Millionen Dokumenten, einer p95-Latenz unter 100 ms und hybrider Keyword- plus semantischer Suche bewerten. Erstelle einen strukturierten Evaluationsplan: definiere Kriterien, schlage eine Benchmark-Datensatzstrategie vor, liste spezifische Tests für jedes Kriterium auf und beschreibe, wie du Ergebnisse bewerten und vergleichen würdest.
Bild plus Code-Debugging
Füge einen Screenshot eines Python-Tracebacks oder eines Diagramms mit unerwarteter Ausgabe an. Beschreibe, was der Code tun soll, und frage: Was verursacht diesen Fehler oder diese Anomalie, und welche minimale Codeänderung behebt sie? Erkläre deine Überlegungen Schritt für Schritt, bevor du die Lösung gibst.
Vergleichen mit
- MiMo-V2.6-Pro-UltraSpeedNur API-Modell1,048,576 Token Kontext · $4.35/M Eingabe, $8.70/M Ausgabe
- MiMo-V2.6-FlashModell mit offenen Gewichten1,050,000 Token Kontext · $0.14/M Eingabe, $0.28/M Ausgabe
- MiMo-V2.5Modell mit offenen Gewichten1,050,000 Token Kontext · $0.14/M Eingabe, $0.28/M Ausgabe
- MiMo-V2.5-ProModell mit offenen Gewichten1,050,000 Token Kontext · $0.43/M Eingabe, $0.87/M Ausgabe
Mehr Textmodelle von xiaomi
Häufig gestellte Fragen
- Sind die Gewichte offen und kann ich MiMo-V2.6-Pro lokal ausführen?
- Ja, die Gewichte sind auf Hugging Face unter dem Repository XiaomiMiMo/MiMo-V2.6-Pro-RL veröffentlicht. Die lokale Ausführung ist technisch möglich, erfordert aber aufgrund der 1,02 Billionen Gesamtparameter erhebliche Multi-GPU-Hardware.
- Was kostet MiMo-V2.6-Pro und wie groß ist das Kontextfenster?
- Über Xiaomis API kostet es 0,43 $ pro Million Eingabetokens und 0,87 $ pro Million Ausgabetokens, mit einem Kontextfenster von 1.050.000 Tokens.
- Wie unterscheidet sich MiMo-V2.6-Pro von MiMo-V2.6-Flash?
- Beide stammen aus demselben RL-Trainingslauf; Flash ist das kleinere, schnellere Geschwistermodell. Pro ist der Flaggschiff-Checkpoint, optimiert für maximale Leistungsfähigkeit bei anspruchsvollen Aufgaben statt für Geschwindigkeit oder Kosten.
Captain's UrteilEin ernstzunehmendes Open-Weights-Frontier-Modell für agentenbasierte und langkontextuelle Arbeit – der Preis stimmt, aber die Hardwareanforderungen sind nicht ohne.
Model Card auf Hugging Face
Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #22 Hottest Text / LLM model · #22 Hottest Text / LLM text model
Not this creator?
Get your own badge
Beliebtheitstrend von MiMo V2.6 Pro
Heat-Score seit 21 Sep 2026
Heat-Score
9,028°
Diese Woche
▲
50.4%
8,974° damals, 9,028° jetzt
Diesen Monat
n/a
Noch nicht veröffentlicht/erfasst
Vergangenes Jahr
n/a
Noch nicht veröffentlicht/erfasst
7,000°
Grundwert
Die Skala reicht von 0° bis 9.999°. Alles unterhalb von 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben. 7,000° ist der Punkt, an dem gemessene Daten beginnen: Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt auf dem Grundwert, und die Messungen füllen die Grade darüber. Der Grundwert sagt nichts über das Modell aus; nur die Grade darüber tun das und trennen ein Modell vom anderen.
+1,699°
OpenRouter Tokens
4,616,159,113,192 Tokens hat dieses Modell in den letzten 30 Tagen über OpenRouter verarbeitet, Eingaben und Antworten zusammen. Je 10,000,000 Tokens zählen als ein Download im Download-Zeitraum, insgesamt 461,615; die Tokens des letzten Tages fließen in die Adoptionsrate ein. Quelle: OpenRouter (openrouter.ai/rankings).
+329°
Verbreitungsrate
Etwa 24,039 Downloads pro Tag, gemessen zwischen zwei Abfragen der Quellen, nie geschätzt aus einem Durchschnitt über die gesamte Lebenszeit. Die Geschwindigkeit zählt ein Viertel des Download-Werts, sodass ein frischer Anstieg sichtbar wird, ohne dass ein eintägiger Spitzenwert jahrelange Nutzung übertrumpft.
Detaillierte Aufschlüsselung anzeigen
Jede Zahl auf dieser Seite kann überprüft werden. Der Heat-Score dieses Modells beträgt 9,028°, und hier wird er Schritt für Schritt aufgebaut, mit dem laufenden Gesamtwert nach jedem Schritt: der Grundwert, die Grad, die jede Quelle hinzufügt, der Bonus für die Art des Modells und was das Alter seiner Gewichte abzieht. Die Farben entsprechen den Bereichen der obigen Grafik. Das Glossar am Ende erklärt jeden Begriff.
- 1Starte beim Grundwert.Warum 7,000° und nicht null: Die Skala reicht von 0° bis 9.999°, und der Bereich unter 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben und niemals über einem Modell mit Daten stehen. 7,000° ist der Punkt, an dem gemessene Daten beginnen. Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt hier; alles, was folgt, ist Messung, und der Bereich über dem Grundwert enthält zehn zehnfache Schritte bei Downloads zu je 300°. Der Grundwert ist für jedes Modell gleich, er entscheidet also nichts; die Grade darüber tun das.7,000°laufende Summe
- 2Füge die Downloads hinzu.461,615 Download-Äquivalente insgesamt, von OpenRouter Tokens. Zehnmal die Downloads ergeben denselben 300°, also zählt die Größe, aber sie dominiert die Bewertung nie.+1,699°8,699°laufende Summe
- 3Füge die Verbreitungsrate hinzu.Momentan etwa 24,039 Downloads pro Tag, gemessen zwischen zwei Messungen, mit einem Viertel der Gewichtung.+329°9,028°laufende Summe
- =Der Heat-Score.Wo dieses Modell auf jeder Liste dieser Seite steht. Nichts anderes beeinflusst ihn.9,028°
Glossar: die hier verwendeten Begriffe
- Heat-Score
- Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
- Grundwert
- Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
- Download-Äquivalente
- Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
- Logarithmische Skala
- Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
- Likes
- Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
- Verbreitungsrate
- Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
- Gemessen und geschätzt
- Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
- Seeder
- Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
- AI Horde
- Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
- Generierungsseiten
- Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
- OpenRouter Tokens
- Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Vollständiges Modell (Checkpoint)
- Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
- LoRA und Embedding
- Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
- Familie und Gewichte
- Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
- Alter
- Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
- Familien-Boost
- Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
- Stand-in-Wert
- Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
- Neu! (Schonfrist)
- Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
- Trend
- Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
- Typisches Modell
- Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.
Wie sich die Beliebtheit dieses Modells im Vergleich zum Rest des Katalogs entwickelt hat: sein Wachstum bei Downloads, Likes und Nutzung in jedem Zeitraum, gemessen am typischen Wachstum eines Modells im gleichen Zeitraum, mit dem Heat-Score zu diesem Zeitpunkt. Über dem typischen Wachstum bedeutet ein Anstieg, darunter ein Rückgang. Die Vergangenheit wird aus den heutigen Gesamtzahlen, dem ersten Tag des Modells und seiner gemessenen Download-Geschwindigkeit rekonstruiert, wenn zwei Messungen vorliegen; ein Modell, das zu Beginn eines Zeitraums nicht existierte, zeigt n/a an.
MiMo V2.6 Pro ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.
Nach Modellfamilie stöbern
Text / LLM-Modelle
434
Anima-Modelle
528
Chroma-Modelle
19
Fibo-Modelle
2
Flux-Modelle
1,496
Flux 2 / Klein-Modelle
1,239
Flux 3-Modelle
3
Moss-Modelle
3
Iris-Modelle
1
MiniMax H3-Modelle
364
Hunyuan-Modelle
204
Ideogram-Modelle
20
Krea2-Modelle
717
Qwen-Modelle
20
Qwen2-Modelle
47
Ltx2-Modelle
153