/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
12 млрд
Лицензия
MIT
Архитектура
mimo_v2 · dense
Библиотека
transformers
Опубликована
27 сен 2026

MiMo-V2.6-Flash-MOPD

Генерация текстаТекст → текст12 профессий

Мультимодальная модель Xiaomi с длинным контекстом для диалогов, анализа медиа и агентных сценариев с вызовом инструментов.

7 902скачиваний за 30 дней64лайкавеса обновлены9 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MiMo-V2.6-Flash-MOPD — мультимодальная модель Xiaomi для диалогов и агентных сценариев с вызовом инструментов. Это обновлённая версия чекпойнта MiMo-V2.6-Flash-RL: MOPD-дистилляция объединяет специализированных учителей и снижает повторение одинаковых или похожих вызовов инструментов.

Модель принимает текст, изображения, видео и аудио, поддерживает контекст до 1 048 576 токенов и ориентирована, в частности, на длительные агентные задачи, разработку игр, научные исследования и воплощённый интеллект. В README описана разреженная MoE-архитектура с 309 млрд параметров, из которых активируются 15 млрд; метаданные репозитория указывают 12 млрд параметров и формат safetensors FP8. В архитектуру также входят зрительный и аудиоэнкодеры и спекулятивный декодер.

Модель подходит для многошаговых диалогов и работы с инструментами, а заявленное снижение повторяющихся вызовов может быть полезно в агентных циклах. Карточка указывает английский и китайский языки; лицензия — MIT. Учитывая различие в значении общего числа параметров между README и метаданными, размер следует трактовать осторожно; заявленное снижение повторов не гарантирует их полного отсутствия.

Сценарии применения

  • многошаговые диалоги с использованием инструментов
  • анализ изображений и видеоматериалов в контексте диалога
  • работа с аудиоданными в мультимодальных сценариях
  • разработка игр с длинным циклом действий агента
  • помощь в научных исследованиях
  • снижение повторных вызовов инструментов в агентных циклах

Ограничения

README и метаданные расходятся в общем числе параметров: в README указаны 309 млрд, в метаданных — 12 млрд; это значение нельзя считать однозначно установленным. Снижение повторяющихся вызовов инструментов заявлено как улучшение, но не как гарантия их полного отсутствия.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiMo-V2.6-Flash-MOPD

[!IMPORTANT] This is the MOPD upgrade of the MiMo-V2.6-Flash-RL checkpoint.

  • MOPD2 (👉 Technical Report §5.6) Fuses several domain-specialized teachers into one model, extending to domains where reliable training-time verification is hard, such as long-horizon game development, scientific research and embodied intelligence.
  • Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6 (👉 Technical Blog) An easy-to-overlook failure mode in which the model keeps issuing the same or highly similar tool calls, appearing busy while making no progress. Nothing fails outright, so it tends to go unnoticed. The MOPD stage handles it efficiently, with a short specialized-teacher run that converges quickly.

1. Introduction

How MOPD2 works

MOPD2 distills several domain-specialized teachers into the student on-policy. The teachers fall into two families: mixRL teachers, trained on verifiable tasks, and SFT teachers, trained on synthetic demonstrations for open-domain tasks where a reliable reward is hard to design. Three streams contribute to a single update:

  • Standard MOPD: mixRL teachers supervise full autonomous rollouts.
  • Teacher-Prefix OPD: prefixes come from teacher rollouts. A trajectory with k assistant turns yields k history prefixes, one per turn. The model generates a single new turn from each, and the teacher scores it against the same history.
  • SFT-Prefix OPD: prefixes come from SFT demonstrations. The demonstration supplies the history, and the model writes its own continuation.

Method details are in Technical Report §5.6.

Tool-call repetition

Following the release of MiMo-V2.6, tool-call repetition emerged as one of the most noticeable issues in agentic settings: the model would sometimes issue the same or highly similar tool calls repeatedly, consuming time and context without making progress. This checkpoint mitigates it.

Tool-call repetition rate on MiMo-V2.6-Flash before and after MOPD

Figure: response-level repetition rate on MiMo-V2.6-Flash, RL-stage versus this checkpoint, across context lengths and agent harnesses.

The technical blog has the full diagnosis. The fix is lightweight to train: a short specialized-teacher run that folds into the normal MOPD pass.

Model Summary

  • Architecture: Sparse MoE (Mixture of Experts), 309B total / 15B activated parameters
  • Context Length: 1M tokens
  • Modalities: Text, Image, Video, Audio
  • Vision Encoder: 681M-param MiMo ViT (28 layers: 24 SWA + 4 Full)
  • Audio Encoder: 308M AudioTokenizer + 127M audio patch encoder
  • Multi-Token Prediction (MTP): 5-layer speculative decoder

Figure 1: MiMo-V2.6 architecture — omni encoders, hybrid SWA backbone, and MTP blocks

Figure 1. MiMo-V2.6 architecture.

2. Downloads

ModelDownload
MiMo-V2.6-Pro-RL🤗 HuggingFace · 🤖 ModelScope
MiMo-V2.6-Flash-RL🤗 HuggingFace · 🤖 ModelScope
MiMo-V2.6-Pro-MOPD🤗 HuggingFace · 🤖 ModelScope
MiMo-V2.6-Flash-MOPD🤗 HuggingFace · 🤖 ModelScope

3. Model Architecture

LLM Backbone

ComponentMiMo-V2.6-Flash-MOPD
Layers (Total / SWA / GA)48 / 39 / 9
Hidden Size4096
SWA Heads (Q/KV)64 / 8
GA Heads (Q/KV)64 / 4
Head Dimensions (QK / V)192 / 128
Sliding Window Size128
Routed Experts (Total / Activated)256 / 8
Max Context Length1M
MTP / Speculative Decoder5 SWA layers, window 1024

The first Transformer block uses global attention with a dense FFN. Remaining blocks interleave local SWA and GA; both use sparse MoE FFNs without shared experts.

Vision Encoder (MiMo ViT)

ConfigurationValue
Layers (Total / SWA / GA)28 / 24 / 4
Hidden Size1280
Attention Heads (Q / KV)32 / 8
Head Dimension64
Patch Size (T × H × W)2 × 16 × 16
Sliding Window (Left / Right)64 / 64
Spatial Merge Size2 × 2
Parameters681M

Audio Encoders

AudioTokenizer encoder: 24 layers (12 SWA / 12 GA), hidden 1024, 20 RVQ codebooks, 308M parameters. Audio patch encoder: 6 layers, 127M parameters; four frames per patch (25 Hz → 6.25 Hz).

Speculative Decoder

5-layer SWA MTP drafter (DFlash-style). Predicts 7 subsequent tokens per forward pass for parallel verification.

4. Deployment

For best performance, follow the SGLang MiMo cookbook. Docker image: lmsysorg/sglang:latest.

SGLang

sglang serve \
  --trust-remote-code \
  --model-path XiaomiMiMo/MiMo-V2.6-Flash-MOPD \
  --tp 8 \
  --dp 2 \
  --enable-dp-attention \
  --enable-dp-lm-head \
  --mm-enable-dp-encoder \
  --mem-fraction-static 0.65 \
  --chunked-prefill-size 16384 \
  --speculative-algorithm EAGLE \
  --speculative-num-steps 3 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 4 \
  --enable-multi-layer-eagle \
  --reasoning-parser mimo \
  --tool-call-parser mimo \
  --host 0.0.0.0 \
  --port 30000

vLLM

Follow the vLLM MiMo-V2.5 recipe. Stable vLLM may lag; pre-built image: docker pull vllm/vllm-openai:mimov25-cu129.

vllm serve XiaomiMiMo/MiMo-V2.6-Flash-MOPD \
  --tensor-parallel-size 4 \
  --trust-remote-code \
  --gpu-memory-utilization 0.95 \
  --max-model-len auto \
  --reasoning-parser mimo \
  --tool-call-parser mimo \
  --enable-auto-tool-choice \
  --generation-config vllm

Recommended sampling: temperature=1.0, top_p=0.95.

Also available in AI Studio, MiMo Code, Xiaomi MiMo Desktop, Xiaomi MiMo Open Platform API, and OpenRouter.

Citation

@misc{mimo2026v26flashmopd,
  title={MiMo-V2.6-Flash-MOPD},
  author={{Xiaomi MiMo Team}},
  year={2026},
  howpublished={\url{https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-MOPD}},
}

Contact

For questions or feedback, reach us at mimo@xiaomi.com or join our community:

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MiMoV2ForCausalLM
Ревизия весов
b12f557

0 моделей