MiMo-V2.6

MiMo-V2.6 是小米推出的开放全模态模型家族，专为长周期智能体任务设计。它打破了传统模型仅支持单一模态的局限，原生支持文本、图像、音频和视频的统一理解与生成，并具备高达 100 万 token 的超长上下文窗口，能够处理复杂的多轮交互和长文档推理。

核心功能

MiMo-V2.6 提供 Pro 和 Flash 两个版本，分别面向高性能与高性价比场景。Pro 版本在复杂推理和多模态融合任务中表现卓越，而 Flash 版本则针对低延迟、高并发的实时应用进行了优化。两者均支持跨模态的指令跟随，例如根据视频内容生成文本摘要，或基于图像和语音进行对话。

主要特性

• 全模态统一架构：无缝处理文本、图像、音频和视频，无需为不同模态切换模型。
• 百万级上下文：1M token 的上下文窗口，适合长视频分析、大型代码库理解等长周期任务。
• 开放训练生态：小米同步公开了技术报告、强化学习环境以及公开后训练运行的训练代码，推动社区复现与创新。
• 智能体优化：针对长周期智能体工作流进行专项训练，支持多步规划、工具调用和记忆管理。

适用场景

MiMo-V2.6 适用于需要多模态理解和长上下文推理的复杂场景，例如智能助手、视频内容分析、跨模态检索、自动化工作流以及教育科研。开发者可以利用其开放资源快速构建下一代 AI 应用。