Är vikterna öppna och kan jag köra MiMo-V2.6-Flash lokalt?

Ja, vikterna är öppna och finns på Hugging Face under XiaomiMiMo/MiMo-V2.6-Flash-RL. Lokal körning är möjlig men med 309 miljarder totala parametrar behöver du betydande hårdvara; endast 15 miljarder parametrar aktiveras per token, vilket hjälper inferenskostnaden men krymper inte modellen på disk.

Vad kostar MiMo-V2.6-Flash och hur stort är dess kontextfönster?

Via Xiaomis API kostar det $0,14 per miljon inmatningstokens och $0,28 per miljon utmatningstokens, med ett kontextfönster på en miljon tokens.

Hur skiljer sig Flash från MiMo-V2.6-Pro?

Flash är effektivitetsbalanserad i serien och byter bort en del topprestanda för lägre inferenskostnad; Pro är varianten med högre kapacitet. Båda delar samma arkitektur och träningsmetod.

▲

43.2%

den här veckan

MiMo V2.6 Flash

9344°

#llm #xiaomi #vision #ljud #video #resonemang

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Xiaomi | 1 050 000 tokens kontext | $0.14/M input, $0.28/M output. MiMo-V2.6-Flash är en öppen källkodsbaserad grundmodell utvecklad av Xiaomi. Byggd på en Mixture-of-Experts-arkitektur med totalt 309 miljarder parametrar och 15 miljarder aktiverade per token, använder den en hybrid uppmärksamhetsmekanism för större beräknings-effektivitet. Modellen har ett kontextfönster på 1 miljon tokens och inbyggda multimodala möjligheter. Optimerad för agentbaserade arbetsflöden levererar den stark prestanda inom kodning, visuella, generella och forskningsscenarier, och utmärker sig i komplexa, långsiktiga uppgifter med robust generalisering över ett brett spektrum av agentramverk.

Guider för denna modell

Hur man installerar Ollama och kör en lokal AI (Windows, Mac, Linux)

Ollama vs LM Studio (2026): vilken lokal AI-app du ska använda och vilka toppmodeller varje kör

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Hur mycket VRAM behöver jag egentligen för lokal AI?

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

MiMo-V2.6-Flash är Xiaomis effektivitetsskalade modell med öppna vikter från MiMo-V2.6-serien: en sparsam MoE med 309 miljarder parametrar som aktiverar endast 15 miljarder per token, med ett kontextfönster på en miljon tokens och inbyggt stöd för text, bild, video och ljud. Träningsmetoden skalar förstärkningsinlärning över kodning, agenter, visuella och cybersäkerhetsuppgifter i en enda blandad körning, så kapaciteter överförs mellan agentmiljöer istället för att vara isolerade. Med $0,14 per miljon inmatningstokens ligger den långt under de flesta frontlinjemodeller med multimodalitet.

Känd för

Omnimodal i en modell: text, bild, video och ljud inbyggt
1 miljon tokens kontext klarar långa repos, verktygsspår och flersessioner
En enda blandad RL-körning överför strategier mellan nya agentmiljöer
15 miljarder aktiverade parametrar håller inferensen slank trots 309 miljarder totalt
Öppna vikter tillgängliga på Hugging Face för självhostning

Se upp för

309 miljarder totala parametrar innebär att självhostning kräver seriös hårdvara; kontrollera VRAM innan du börjar.
Licensvillkoren är inte detaljerade i Xiaomis publicering; verifiera innan kommersiell användning.
Flash är effektivitetskontrollpunkten; Pro-varianten finns om du behöver maximal prestanda, inte till lägre pris.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Agent för refaktorering över flera filer

Du arbetar i ett Python-monorepo. Auth-modulen använder en global muterbar konfigurationsdict som skickas med referens över sex filer. Föreslå en konkret refaktorplan: identifiera riskfyllda anropsställen, föreslå ett ersättningsmönster med en typad dataklass och skriv den uppdaterade versionen av kärnfilen auth.py med det nya mönstret.

Vision: diagram till kod

Jag bifogar en skärmdump av ett ER-diagram för en databas. Läs entiteterna, deras attribut och relationerna som visas, och skriv sedan SQLAlchemy ORM-modeller som exakt matchar det, inklusive främmande nycklar och eventuella junction-tabeller som antyds av många-till-många-relationer.

Lång kontext repo-granskning

Jag klistrar in hela innehållet i en Node.js REST API-kodbas nedan. Läs varje fil och gör en säkerhetsgranskning: lista varje endpoint, vilken autentisering som används, eventuella brister i inmatningsvalidering och beroendeversioner med kända CVE:er. Rangordna fynden efter allvarlighetsgrad.

Jämför med

MiMo-V2.6-Pro-UltraSpeed
Endast API-modell
1,048,576 tokens kontext · $4.35/M indata, $8.70/M utdata
MiMo-V2.5
Öppen vikt-modell
1,050,000 tokens kontext · $0.14/M indata, $0.28/M utdata
MiMo-V2.6-Pro
Öppen vikt-modell
1,050,000 tokens kontext · $0.43/M indata, $0.87/M utdata
MiMo-V2.5-Pro
Öppen vikt-modell
1,050,000 tokens kontext · $0.43/M indata, $0.87/M utdata

Fler textmodeller från xiaomi

Vanliga frågor

Är vikterna öppna och kan jag köra MiMo-V2.6-Flash lokalt?: Ja, vikterna är öppna och finns på Hugging Face under XiaomiMiMo/MiMo-V2.6-Flash-RL. Lokal körning är möjlig men med 309 miljarder totala parametrar behöver du betydande hårdvara; endast 15 miljarder parametrar aktiveras per token, vilket hjälper inferenskostnaden men krymper inte modellen på disk.
Vad kostar MiMo-V2.6-Flash och hur stort är dess kontextfönster?: Via Xiaomis API kostar det $0,14 per miljon inmatningstokens och $0,28 per miljon utmatningstokens, med ett kontextfönster på en miljon tokens.
Hur skiljer sig Flash från MiMo-V2.6-Pro?: Flash är effektivitetsbalanserad i serien och byter bort en del topprestanda för lägre inferenskostnad; Pro är varianten med högre kapacitet. Båda delar samma arkitektur och träningsmetod.

Kaptens omdöme
Ett genuint billigt inträde i miljon-token omnimodala agentterritorier, och de öppna vikterna gör den värd seriös övervägning om din hårdvara klarar det.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Popularitetstrend för MiMo V2.6 Flash

Värmenpoäng sedan 21 Sep 2026

Värmescore

9,344°

Den här veckan

▲

43.2%

9,296° då, 9,344° nu

Den här månaden

n/a

Inte släppt/spårad än

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,956°

OpenRouter-token

32,884,504,724,760 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 3,288,450; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+388°

Adoptionshastighet

Ungefär 151,030 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 9,344°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
3,288,450 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,956°
8,956°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 151,030 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+388°
9,344°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
9,344°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

Seed 2.0 Code

TEXT / LLM

Llama 3.2 3B Instruct

TEXT / LLM

Mixtral 8x22B Instruct

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

MiMo V2.6 Flash är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm xiaomi vision ljud video resonemang agenter kodning

Bläddra efter modellfamilj