在线AI教程 / AI入门
[DeepInfra] MiMo-V2.6-Pro：模型文档与集成指南
MiMo V2.6 Pro：模型文档与集成指南 由 DeepInfra 发布于 2026.11.04 MiMo V2.6 Pro 是一款为全模态智能与自主 agentic 工作流打
MiMo-V2.6-Pro：模型文档与集成指南
由 DeepInfra 发布于 2026.11.04
MiMo-V2.6-Pro 是一款为全模态智能与自主 agentic 工作流打造的旗舰稀疏 Mixture-of-Experts（MoE）模型。它的总参数为 1.02 万亿，推理时激活 420 亿参数，原生即为在单一、统一的架构内处理文本、图像、视频和音频而构建。
MiMo-V2.6-Pro 有 1,048,576 token（1M）的上下文窗口，并通过大规模混合强化学习做了优化，为高要求的技术任务而设计，包括长时程编码、复杂的多工具交互，以及企业级的网络安全分析。
关键创新与近期更新
Xiaomi 把 MiMo-V2.6-Pro 定位为 V2.6 系列的旗舰，并引入了几项面向 AI 自我改进与多模态推理的方法。
混合强化学习：「You Only RL Once」
MiMo-V2.6-Pro 的核心是 Xiaomi 称为「You Only RL Once」的训练思路。它不是为不同领域分别跑一遍强化学习（RL），而是在编码、通用 agent 任务、视觉处理与网络安全上，用一次混合的 RL 训练完成。这让各项能力彼此加强，目标是把策略迁移到训练中没有直接覆盖的场景里去。
与之配套的是一套 Xiaomi 称为 Groupwise Agentic Grading 的自我改进回路，它使用完全异步的 Group Relative Policy Optimization（GRPO）。这套系统评估并排序模型自己的 trajectory，把它引向更高效的解题路径，同时在对齐上施加对抗性筛查。
全模态能力
MiMo-V2.6-Pro 内置一个专门的 6.81 亿参数 MiMo Vision Transformer（ViT）以及独立的音频编码器，因而可以同时分析多种数据类型。配上 1M token 的上下文窗口，模型可以吃下整个代码仓库、超长的工具轨迹和多会话的 agent 运行而不丢上下文。
生态集成
权重在 Hugging Face 与 ModelScope 上可得。模型已集成进 Xiaomi 自家的 AI Studio 和 MiMo Code，并支持通过 SGLang 与 vLLM 服务框架部署。
性能基准
下表反映的是 Xiaomi 自己发布的、针对 Claude Opus 5 与 GPT-5.6 Sol 的 benchmark 对比；这些是厂商自报的数字，而不是第三方独立复现的结果，阅读时应当据此判断。
Benchmark（类别）MiMo-V2.6-ProClaude Opus 5GPT-5.6 Sol DeepSWE v1.1（编码）71.974.073.0 AutomationBench v1.0.6（通用 agent）53.150.345.8 OSWorld-Verified（通用 agent）82.083.483.0 GDPVal 2.1 — AA（推理，Elo）167317081588 Terminal Bench 2.1（终端/操作系统）89.989.188.8 MiMo Visual Coding（视觉 agent）72.370.073.4
专门的强项
以下同样都是 Xiaomi 自报的数字：
网络安全：在 CyberGym 上 94.0，在 MiMo Cyber Bench 上 80.2，面向漏洞利用验证与自主威胁消解。 科学研究：在「co-scientist」类用例中，Xiaomi 报告该模型被用来协助设计面向环境吸附的金属有机框架，工作包括文献综述与假设生成。 创意工程：原生支持 MIDI 生成、管弦乐编曲与端到端的视频创作，包括按节拍对齐的剪辑。
技术架构
为了在这么大尺度上仍保持推理速度，MiMo-V2.6-Pro 用了几项架构上的优化：
稀疏 MoE：共 70 层（60 层滑动窗口注意力 / 10 层全局注意力），在效率与长程依赖建模之间取得平衡。 Multi-Token Prediction（MTP）：一个 5 层的投机解码器每次前向传播最多预测 7 个 token，用以提升吞吐。 投机式解码：采用 EAGLE 风格的算法并行校验多个 token，以降低延迟。
开始使用 API
MiMo-V2.6-Pro 的 API 使用标准的 OpenAI 兼容 HTTP POST 端点，因此能轻松接入现有工作流。
身份验证
请求需要通过标准 HTTP Authorization 请求头传入一个 API key。
Authorization: Bearer
API 端点
托管（DeepInfra）： 自托管（SGLang/vLLM）：>:
实现示例（Python）
import os import requests
api_key = os.environ.get("DEEPINFRA_API_KEY") url = "https://api.deepinfra.com/v1/openai/chat/completions"
payload = { "model": "XiaomiMiMo/MiMo-V2.6-Pro", "messages": [{"role": "user", "content": "Explain the role of sparse MoE in LLMs."}], "temperature": 1.0, "top_p": 0.95 }
response = requests.post(url, headers={"Authorization": f"Bearer {api_key}"}, json=payload) print(response.json())copy
常用参数
参数类型说明 messagesarray必填。支持文本、图像、视频和音频输入。 temperaturefloat推荐：1.0。 toolsarray供 agentic 工作流调用的函数列表 — 见 DeepInfra 的 function calling 指南。 max_tokensinteger1M 上下文窗口内的最大 token 数。
定价与用量
价格随消耗递增并按每 100 万 token 计费，缓存输入 token 还有大幅折扣。MiMo-V2.6-Pro 以及其余所有托管模型的完整当前费率都在 DeepInfra 定价页 上。
模型变体输入（缓存未命中）输入（缓存命中）输出 MiMo-V2.6-Pro$0.435 / 1M tokens$0.0036 / 1M tokens$0.87 / 1M tokens Pro-UltraSpeed$4.35 / 1M tokens$0.036 / 1M tokens$8.70 / 1M tokens
按用量计费：价格与消耗直接挂钩，按每 100 万 token 计费。 UltraSpeed 模式：可通过 MiMo Desktop 和 API 使用，为实时交互提供显著更快的输出速度。请就自己的工作负载确认当前的吞吐数字，因为服务模式的表现会因提供商而异。
结论
MiMo-V2.6-Pro 把万亿参数级的 MoE 架构、原生全模态支持与 1M token 的上下文窗口结合在了一起，为开发者提供了构建长时程 agentic 应用与安全工具的基础构件。无论工作负载是复杂软件工程还是前沿科学研究，MiMo-V2.6-Pro 都是为生产规模下的推理深度与吞吐而打造的。
想看它与其他近期发布在成本与 benchmark 上的对比，可参考我们关于 DeepSeek V4 Pro 定价与提供商 的报道。需要更多技术细节，请查阅 MiMo-V2.6 技术报告，或 Discord 与 Telegram 上的开发者社区。
相关文章
GLM-5.3-Flash 文档与集成指南
GLM-5.3-Flash 是 Z.ai 开发的 frontier 级、原生多模态模型，托管在 DeepInfra 上。它采用 Mixture-of-Experts（MoE）架构，总参数 3,200 亿，其中推理时只有 180 亿处于激活状态。该模型为复杂、长时程任务而打造——高级软件工程、agentic 工作流与多模态推理——其上下文 […]
GLM-5.1 API 基准：延迟、吞吐与成本
Z.ai 的 GLM-5.1 是一款 2026 年 4 月的开放权重推理模型，为长时程 agentic 工程而打造——而要顺畅地用上它，意味着得在一堆真实存在的提供商选项之间做取舍。在 10 家被评测的 API 提供商中，混合价格区间为 $0.74 到 $1.70 每 1M tokens，输出速度从 33.8 到 175.2 t/s，最快的提供商是 5.2x […]
免费对比 Llama2 与 OpenAI 模型。在 DeepInfra，我们托管着最好的开源 LLM 模型。我们一直在努力把我们的 API 做得简单好用。今天要宣布的是一种非常便捷的方式，让你快速试用我们的模型，比如 Llama2 70b 和 [Mistral 7b](/mistralai/Mistral-7B-Instruc...
查看全部