MiMo V2.6 Pro
9028°
Ejecutar este modelo
Ofertas / Anuncios
Xiaomi | contexto de 1,050,000 tokens | $0.43/M entrada, $0.87/M salida. MiMo-V2.6-Pro es el modelo base insignia desarrollado por Xiaomi. Construido a una escala de más de 1T parámetros, está diseñado para superar el límite de capacidad en las cargas de trabajo más exigentes. El modelo cuenta con una ventana de contexto de 1M tokens y capacidades multimodales nativas. Optimizado para flujos de trabajo agenticos, ofrece un rendimiento de primer nivel en escenarios de codificación, visuales, generales y de investigación, destacando en tareas complejas y de largo alcance con una robusta generalización en una amplia variedad de agentes.
Guías para este modelo
Cómo elegir un modelo de IA en octubre de 2026: las novedades de código cerrado y luego los pesos abiertos que vale la pena descargar
Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea
¿Cuánta VRAM necesito realmente para IA local?
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
Cómo instalar Ollama y ejecutar una IA local (Windows, Mac, Linux)
Notas del capitán
Notas del 2026-10-13
MiMo-V2.6-Pro es el modelo insignia de Xiaomi: un sistema sparse Mixture-of-Experts con 1.02 billones de parámetros totales (42 mil millones activados) que maneja texto, imagen, video y audio en un solo modelo. Su característica definitoria es una pipeline de aprendizaje por refuerzo diseñada para mejorar continuamente mediante exploración en lugar de fine-tuning separado por dominio. Es ideal para equipos que ejecutan flujos de trabajo agentes complejos, código con contexto largo o tareas de investigación, y para cualquiera que quiera un modelo de frontera con pesos abiertos a un precio inferior a un dólar por millón.
Conocido por
- Verdadero omnimodal: texto, imagen, video y audio manejados nativamente en un solo modelo
- Ventana de contexto de 1 millón de tokens — suficiente para repositorios completos o ejecuciones multi-sesión de agentes
- Una sola ejecución mixta de RL para tareas de codificación, visuales, generales y de ciberseguridad
- Pesos abiertos disponibles en Hugging Face para despliegue local o autoalojado
- Bucle de recompensa auto-mejorable que dirige hacia soluciones más cortas y de mayor calidad
Cuidado con
- Más de un billón de parámetros totales — ejecutarlo localmente requiere hardware serio que la mayoría no posee.
- Los términos de licencia no están detallados en la tarjeta del modelo; revisa el repositorio de Hugging Face antes de cualquier uso comercial.
- A esta escala, la latencia de inferencia en setups autoalojados será alta a menos que tengas un gran clúster multi-GPU.
Prompts para probar
Tarea de refactorización multi-archivo
Tienes un servicio Python dividido en tres archivos: un router FastAPI, un archivo de modelos SQLAlchemy y un archivo de tareas Celery. El router importa directamente del archivo de modelos y llama a tareas Celery en línea. Rediseña la estructura de dependencias para que el router dependa solo de una capa de servicio, escribe el código de la capa de servicio y explica cada cambio que hagas.
Plan de investigación a largo plazo
Necesito evaluar cinco bases de datos vectoriales open-source para un sistema RAG de producción que maneje 50 millones de documentos, latencia p95 menor a 100ms y búsqueda híbrida por palabra clave y semántica. Construye un plan de evaluación estructurado: define los criterios, propone una estrategia de dataset de benchmark, lista las pruebas específicas para cada criterio y describe cómo puntuarías y compararías resultados.
Depuración con imagen y código
Adjunto una captura de pantalla de un traceback Python o un gráfico con salida inesperada. Describe qué se supone que debe hacer el código, luego pregunta: ¿qué causa este error o anomalía y cuál es el cambio mínimo en el código que lo arregla? Explica tu razonamiento paso a paso antes de dar la solución.
Comparar con
- MiMo-V2.6-Pro-UltraSpeedModelo solo APIContexto de 1,048,576 tokens · $4.35/M entrada, $8.70/M salida
- MiMo-V2.6-FlashModelo con pesos abiertosContexto de 1,050,000 tokens · $0.14/M entrada, $0.28/M salida
- MiMo-V2.5Modelo con pesos abiertosContexto de 1,050,000 tokens · $0.14/M entrada, $0.28/M salida
- MiMo-V2.5-ProModelo con pesos abiertosContexto de 1,050,000 tokens · $0.43/M entrada, $0.87/M salida
Más modelos de texto de xiaomi
Preguntas frecuentes
- ¿Los pesos son abiertos y puedo ejecutar MiMo-V2.6-Pro localmente?
- Sí, los pesos están publicados en Hugging Face bajo el repositorio XiaomiMiMo/MiMo-V2.6-Pro-RL. Ejecutarlo localmente es técnicamente posible pero requiere hardware multi-GPU sustancial dado el conteo total de 1.02 billones de parámetros.
- ¿Cuánto cuesta MiMo-V2.6-Pro y cuál es su ventana de contexto?
- Por la API de Xiaomi cuesta $0.43 por millón de tokens de entrada y $0.87 por millón de tokens de salida, con una ventana de contexto de 1,050,000 tokens.
- ¿En qué se diferencia MiMo-V2.6-Pro de MiMo-V2.6-Flash?
- Ambos provienen de la misma ejecución de entrenamiento RL; Flash es el hermano menor y más rápido. Pro es el checkpoint insignia optimizado para máxima capacidad en tareas exigentes, no para velocidad o costo.
Veredicto del capitánUn modelo serio de frontera con pesos abiertos para trabajo agente y con contexto largo — el precio es adecuado, pero el requerimiento de hardware no es trivial.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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
Tendencia de popularidad de MiMo V2.6 Pro
Puntuación de calor desde 21 Sep 2026
Puntuación de popularidad
9,028°
Esta semana
▲
50.4%
8,974° entonces, 9,028° ahora
Este mes
n/a
No fue lanzado/seguido
Último año
n/a
No fue lanzado/seguido
7,000°
Piso
La escala va de 0° a 9,999°. Todo lo que está por debajo de 7,000° se reserva para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas. 7,000° es donde empiezan los datos medidos: un modelo con datos reales pero casi sin descargas se sitúa en el piso, y las mediciones llenan los grados por encima. El piso no dice nada sobre el modelo; solo los grados por encima lo hacen, y son los que separan un modelo de otro.
+1,699°
Tokens de OpenRouter
4,616,159,113,192 tokens procesados por este modelo a través de OpenRouter en los últimos 30 días, sumando prompts y respuestas. Cada 10,000,000 tokens cuentan como una descarga en el periodo de descargas, 461,615 en total; los tokens del último día se suman a la tasa de adopción. Fuente: OpenRouter (openrouter.ai/rankings).
+329°
Tasa de adopción
Unos 24,039 descargas al día, medidos entre dos lecturas de las fuentes, nunca estimados a partir de un promedio de toda la vida. La velocidad pesa un cuarto del término de descargas, así que un aumento reciente se nota sin que un pico de un día supere años de uso.
Mostrar desglose detallado
Cada número en este sitio se puede verificar. La puntuación de popularidad de este modelo es 9,028°, y aquí se construye un ingrediente a la vez, con el total acumulado después de cada uno: el piso, los grados que añade cada fuente, el bono por el tipo de modelo y lo que la antigüedad de sus pesos resta. Los colores son las bandas del gráfico de arriba. El glosario al final define cada término.
- 1Empieza en el piso.Por qué 7,000° y no cero: la escala va de 0° a 9,999°, y la parte por debajo de 7,000° está reservada para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas y nunca superen a un modelo con datos. 7,000° es donde empiezan los datos medidos. Un modelo con datos reales pero casi sin descargas está aquí; todo lo que sigue es medición, y el espacio sobre el piso tiene diez pasos de diez veces más descargas a 300° cada uno. El piso es igual para todos los modelos, así que no decide nada; los grados por encima sí.7,000°total acumulado
- 2Suma las descargas.461,615 equivalentes a descargas en total, de Tokens de OpenRouter. Diez veces las descargas suman el mismo 300°, así que el tamaño importa pero nunca domina la puntuación.+1,699°8,699°total acumulado
- 3Añade la tasa de adopción.Unos 24,039 descargas al día ahora mismo, medido entre dos lecturas, con un cuarto del peso.+329°9,028°total acumulado
- =La puntuación heat.Dónde está este modelo en cada lista de este sitio. Nada más la ajusta.9,028°
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Cómo se ha movido la popularidad de este modelo frente al resto del catálogo: su crecimiento en descargas, likes y uso en cada periodo, medido contra el crecimiento típico de un modelo en el mismo periodo, con su puntuación de calor en ese momento. Por encima del crecimiento típico se lee como un aumento, por debajo como una caída. El pasado se reconstruye a partir de los totales de hoy, el primer día del modelo y su velocidad de descarga medida cuando hay dos lecturas; un modelo que no existía al inicio de un periodo muestra n/a.
MiMo V2.6 Pro es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmxiaomivisiónaudiovideorazonamientoagentesprogramación
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153