/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
27,7 млрд
Лицензия
MIT
Архитектура
mimo_v2 · dense
Библиотека
transformers
Опубликована
25 сен 2026

MiMo-V2.6-Pro

Генерация текстаТекст → текст15 профессий

Разреженная мультимодальная модель Xiaomi для генерации текста, агентных задач, программирования и работы с инструментами с контекстом до 1 млн токенов.

260скачиваний за 30 дней0лайковвеса обновлены25 сен 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-Pro-RL — флагманская модель серии MiMo-V2.6, разработанная Xiaomi и обученная с масштабированием обучения с подкреплением для агентных сценариев и самоулучшения. Она предназначена для генерации текста, программирования, работы с инструментами и задач, где агент взаимодействует со средой и оценивает результаты своих действий.

Модель построена на разреженной архитектуре Mixture of Experts. В README указаны 1,02 трлн общих и 42 млрд активируемых параметров; метаданные репозитория указывают 27,7 млрд параметров и класс MiMoV2ForCausalLM. Контекст составляет до 1 млн токенов. Модель поддерживает текст, изображения, видео и аудио, а также интерфейс вызова инструментов. В карточке заявлены английский и китайский языки.

Модель подходит для длительных агентных запусков, анализа визуальных и аудиовизуальных материалов, программирования и работы с длинными документами или репозиториями. README приводит результаты бенчмарков, но они не гарантируют качество на конкретных задачах; развёртывание рассчитано на специализированные средства инференса и мощное оборудование. Лицензия репозитория — MIT.

Сценарии применения

  • написание и отладка кода с помощью агентных циклов
  • выполнение многошаговых задач с вызовом инструментов
  • анализ изображений и видеозаписей
  • понимание аудиоматериалов
  • анализ длинных документов, репозиториев и историй взаимодействия

Ограничения

Заявленные в README размеры модели расходятся с метаданными репозитория (1,02 трлн общих и 42 млрд активируемых параметров против 27,7 млрд). Практический инференс требует специализированного стека и мощного оборудования; результаты бенчмарков не гарантируют качество на конкретных задачах.

Для каких профессий подходит15

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-Pro-RL

Scaling Reinforcement Learning Toward Self-Improvement

1. Introduction

MiMo-V2.6-Pro-RL is the flagship checkpoint of the MiMo-V2.6 series. The series is built to scale reinforcement learning toward self-improvement — scaling RL compute, environment diversity, and grader compute together, so the model keeps expanding its capability frontier through exploration and feedback. Key features include:

  • Native Omnimodal + Long Horizon: Text, image, video, and audio in one model; 1M tokens for long repositories, tool traces, and multi-session agent runs.
  • You Only RL Once: One mixed RL run across coding, general agents, visual, and cybersecurity — not separate per-domain runs. Tasks and multiple harnesses are mixed in the same batch so capabilities reinforce each other and strategies transfer to harnesses never seen in training.
  • Scaling RL Compute: Fully asynchronous Group Relative Policy Optimization (GRPO) on very large batches — 1,568 prompts × 16 rollouts per step, billions of tokens per update.
  • Groupwise Agentic Grading (Self-Improvement Loop): Binary pass/fail cannot rank passing solutions, so the reward signal itself is scaled. An agentic grader compares rollouts within each group: Groupwise Reward Synthesis (GRS) builds task-specific rubrics offline from contrasting rollouts and fuses rubric quality with test outcomes; Groupwise Advantage Redistribution (GAR) ranks passing trajectories online and moves advantage toward higher-quality solutions. Judged against the policy’s own samples, this closes a self-improvement loop and steers toward shorter paths and fewer tokens per task.
  • Aligned RL: Cold start from self-correction — the model reflects on and rewrites its own misaligned turns into grounded next steps. Throughout RL, environment hardening, adversarial screening, and verifier cross-checks keep the loop honest against reward hacking.
  • Multi-Prefix Multi-Teacher On-Policy Distillation (MOPD2): After mixed RL, MOPD2 combines autonomous student rollouts with prefix-conditioned single-turn rollouts (Teacher-Prefix and SFT-Prefix), reusing histories from teacher trajectories and SFT demonstrations so decision points train without regenerating preceding turns — extending capabilities to hard-to-verify tasks.

Model Summary

  • Architecture: Sparse MoE (Mixture of Experts), 1.02T total / 42B 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

3. Evaluation Results

BenchmarkMiMo-V2.6 ProMiMo-V2.6 FlashMiMo-V2.5 ProClaude Opus 5GPT-5.6 SolClaude Fable 5
Code Agent
DeepSWE v1.171.967.919.074.073.070.0
ProgramBench26.526.012.537.025.033.0
MiMo Code Bench63.261.240.468.659.3-
General Agent
AutomationBench v1.0.653.152.316.050.345.846.2
Toolathlon-Verified76.973.649.180.674.977.9
GDPval-AA 2.11673-1107170815881595
Agents’ Last Exam31.627.613.231.630.825.7
Terminal Bench 4.034.928.81.549.039.942.4
Terminal Bench 2.189.987.665.289.188.884.3
OSWorld-Verified82.080.8-83.483.086.0
JobBench62.061.225.065.745.457.4
Cybersecurity
CyberGym94.095.140.0---
MiMo Cyber Bench80.277.20.0---
ExploitGym17.86.00.222.130.328.4
ExploitBench47.925.316.670.078.578.0
SEC Bench Pro66.347.517.7-79.1-
Visual Agent
MiMo VisualCoding72.371.5-70.073.469.1

4. Model Architecture

LLM Backbone

ComponentMiMo-V2.6-Pro-RL
Layers (Total / SWA / GA)70 / 60 / 10
Hidden Size6144
SWA Heads (Q/KV)128 / 8
GA Heads (Q/KV)128 / 8
Head Dimensions (QK / V)192 / 128
Sliding Window Size128
Routed Experts (Total / Activated)384 / 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.

5. 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-Pro-RL \
  --tp 16 \
  --dp 2 \
  --enable-dp-attention \
  --mm-enable-dp-encoder \
  --ep 16 \
  --moe-a2a-backend deepep \
  --moe-dense-tp-size 1 \
  --mem-fraction-static 0.7 \
  --max-running-requests 128 \
  --chunked-prefill-size 32768 \
  --page-size 64 \
  --swa-full-tokens-ratio 0.3 \
  --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 \
  --nnodes 2 \
  --node-rank <node-rank> \
  --dist-init-addr <node0-ip>:20000

vLLM

Follow the vLLM MiMo-V2.5 recipe. Pre-built image: docker pull vllm/vllm-openai:mimov25-cu129.

vllm serve XiaomiMiMo/MiMo-V2.6-Pro-RL \
  --tensor-parallel-size 8 \
  --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{mimo2026v26pro,
  title={MiMo-V2.6-Pro-RL},
  author={{Xiaomi MiMo Team}},
  year={2026},
  howpublished={\url{https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL}},
}

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
6fa56a5

0 моделей