Apakah bobot terbuka dan bisakah saya menjalankan MiMo-V2.6-Flash secara lokal?

Ya, bobot terbuka dan dihosting di Hugging Face di XiaomiMiMo/MiMo-V2.6-Flash-RL. Menjalankan secara lokal mungkin tapi total 309B parameter berarti Anda membutuhkan perangkat keras besar; hanya 15B parameter yang diaktifkan per token, yang membantu biaya inferensi tapi tidak mengecilkan model di disk.

Berapa biaya MiMo-V2.6-Flash dan berapa jendela konteksnya?

Melalui API Xiaomi, harganya $0,14 per juta token input dan $0,28 per juta token output, dengan jendela konteks 1 juta token.

Apa perbedaan Flash dengan MiMo-V2.6-Pro?

Flash adalah checkpoint seimbang efisiensi dalam seri ini, menukar sedikit performa puncak untuk biaya inferensi lebih rendah; Pro adalah varian dengan kemampuan lebih tinggi. Keduanya berbagi arsitektur dan pendekatan pelatihan yang sama.

▲

43.2%

minggu ini

MiMo V2.6 Flash

9344°

#llm #xiaomi #visi #audio #video #penalaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Xiaomi | konteks 1.050.000 token | $0.14/M input, $0.28/M output. MiMo-V2.6-Flash adalah model fondasi open-source yang dikembangkan oleh Xiaomi. Dibangun di atas arsitektur Mixture-of-Experts dengan total 309B parameter dan 15B diaktifkan per token, model ini menggunakan mekanisme hybrid attention untuk efisiensi komputasi yang lebih besar. Model ini memiliki jendela konteks 1M token dan kemampuan multimodal native. Dioptimalkan untuk alur kerja agentik, model ini memberikan performa kuat dalam coding, visual, umum, dan skenario riset, unggul dalam tugas kompleks jangka panjang dengan generalisasi yang kuat di berbagai kerangka agen.

Panduan untuk model ini

Cara Menginstal Ollama dan Menjalankan AI Lokal (Windows, Mac, Linux)

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

MiMo-V2.6-Flash adalah model bobot terbuka seimbang efisiensi dari Xiaomi dalam seri MiMo-V2.6: MoE sparse 309B parameter yang hanya mengaktifkan 15B per token, dengan konteks 1 juta token dan dukungan native untuk teks, gambar, video, dan audio. Metode pelatihannya menskalakan reinforcement learning di pengkodean, agen, visual, dan tugas keamanan siber dalam satu sesi campuran, sehingga kemampuan dapat ditransfer antar agen daripada terisolasi. Dengan harga $0,14 per juta token input, ini jauh di bawah kebanyakan model multimodal frontier.

Dikenal untuk

Omnimodal dalam satu model: teks, gambar, video, dan audio secara native
Konteks 1 juta token menangani repositori panjang, jejak alat, dan sesi multi-run
Sesi RL campuran tunggal mentransfer strategi antar harness agen yang belum terlihat
15B parameter aktif menjaga inferensi tetap ringan meski bobot total 309B
Bobot terbuka tersedia di Hugging Face untuk hosting mandiri

Waspadai

309B total parameter berarti hosting mandiri membutuhkan perangkat keras serius; periksa VRAM sebelum berkomitmen.
Ketentuan lisensi tidak rinci dalam publikasi Xiaomi; verifikasi sebelum penyebaran komersial.
Flash adalah checkpoint efisiensi; varian Pro ada jika Anda butuh performa puncak, bukan harga.

Terbaik untuk

Agen dan penggunaan alat

Pemrograman

Penglihatan

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Agen refaktor multi-file

Anda bekerja dalam monorepo Python. Modul auth menggunakan dict konfigurasi global yang dapat diubah yang diteruskan dengan referensi di enam file. Usulkan rencana refaktor konkret: identifikasi situs panggilan berisiko, sarankan pola pengganti menggunakan dataclass bertipe, dan tulis versi auth.py inti yang diperbarui dengan pola baru.

Visi: diagram ke kode

Saya melampirkan tangkapan layar diagram entitas-relasi basis data. Baca entitas, atribut, dan hubungan yang ditampilkan, lalu tulis model ORM SQLAlchemy yang cocok persis, termasuk foreign key dan tabel junction yang diimplikasikan oleh hubungan many-to-many.

Audit repo konteks panjang

Saya menempelkan seluruh isi kode API REST Node.js di bawah ini. Baca setiap file, lalu buat audit keamanan: daftar setiap endpoint, autentikasi yang diterapkan, celah validasi input, dan versi dependensi dengan CVE yang diketahui. Urutkan temuan berdasarkan tingkat keparahan.

Bandingkan dengan

MiMo-V2.6-Pro-UltraSpeed
Model hanya API
konteks 1,048,576 token · $4.35/M input, $8.70/M output
MiMo-V2.5
Model dengan bobot terbuka
konteks 1,050,000 token · $0.14/M input, $0.28/M output
MiMo-V2.6-Pro
Model dengan bobot terbuka
konteks 1,050,000 token · $0.43/M input, $0.87/M output
MiMo-V2.5-Pro
Model dengan bobot terbuka
konteks 1,050,000 token · $0.43/M input, $0.87/M output

Model teks lain dari xiaomi

Pertanyaan yang sering diajukan

Apakah bobot terbuka dan bisakah saya menjalankan MiMo-V2.6-Flash secara lokal?: Ya, bobot terbuka dan dihosting di Hugging Face di XiaomiMiMo/MiMo-V2.6-Flash-RL. Menjalankan secara lokal mungkin tapi total 309B parameter berarti Anda membutuhkan perangkat keras besar; hanya 15B parameter yang diaktifkan per token, yang membantu biaya inferensi tapi tidak mengecilkan model di disk.
Berapa biaya MiMo-V2.6-Flash dan berapa jendela konteksnya?: Melalui API Xiaomi, harganya $0,14 per juta token input dan $0,28 per juta token output, dengan jendela konteks 1 juta token.
Apa perbedaan Flash dengan MiMo-V2.6-Pro?: Flash adalah checkpoint seimbang efisiensi dalam seri ini, menukar sedikit performa puncak untuk biaya inferensi lebih rendah; Pro adalah varian dengan kemampuan lebih tinggi. Keduanya berbagi arsitektur dan pendekatan pelatihan yang sama.

Putusan Kapten
Masuknya yang benar-benar murah ke wilayah agen omnimodal dengan konteks sejuta token, dan bobot terbuka membuatnya layak dipertimbangkan serius jika perangkat keras Anda mampu.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Also ranked: #4 Hottest Text / LLM model · #4 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tren popularitas MiMo V2.6 Flash

Skor panas sejak 21 Sep 2026

Skor panas

9,344°

Minggu ini

▲

43.2%

9,297° dulu, 9,344° sekarang

Bulan ini

n/a

Belum dirilis/dilacak

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,956°

Token OpenRouter

32,884,504,724,760 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 3,288,450; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

+388°

Tingkat adopsi

Sekitar 151,030 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 9,344°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
3,288,450 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,956°
8,956°
total berjalan
3
Tambahkan tingkat adopsi.
Sekitar 151,030 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+388°
9,344°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
9,344°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

MiMo V2.6 Flash adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm xiaomi visi audio video penalaran agen pemrograman

Jelajahi berdasarkan Keluarga Model