MiMo V2.6 Flash
mimo-v2.6-flashMiMo-V2.6-Flash 兼顾多模态能力与处理效率，适合日常编程、影音资料分析和需要多轮反馈的工具工作流。
- 起始價格
- 輸入 / 輸出 · 1M
- 上下文
- 1.1M
- 最大輸入窗口
- 最大輸出
- 131.1K
- 單次回應最大 token 數
- 模態
- →
Pricing by Supplier
比較同一模型在不同供應商的價格與服務表現。
| 供應商 | 輸入/M | 輸出/M | 緩存讀取/M | ||||
|---|---|---|---|---|---|---|---|
XiaomiMIMO XiaomiMIMO 官方 | $0.14 | $0.28 | $0.0028 |
左右滑動表格，查看完整價格與效能。
能力 / 支援的模態
廠商與數據私隱
BPE (vendor-specific)效能
基準測試
標準化評測得分。百分比越高越好，並展示排名百分位。
指標來源：Artificial Analysis 2026-09-30·MiMo V2.6 Flash
目前基準快照不包含此模型。
缺少模型或測量值不代表零分。
基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分，基準成本或速度也不是本站的服務承諾。
About MiMo V2.6 Flash
适合频繁使用的多模态助手
MiMo-V2.6-Flash 可以处理文字、图片、视频和音频，输出文本，面向能力与效率兼顾的工作。它适合整理演示内容、分析界面问题、辅助日常编程，以及在智能体流程中持续接收反馈并完成下一步。
不只是把素材变成摘要
可以让模型围绕具体目标分析素材，例如从产品演示中提取操作步骤，结合截图判断异常状态，或从需求讨论中区分已经决定与尚待确认的内容。给出需要观察的对象和判断标准，有助于得到可以继续使用的结果，而不是一段宽泛介绍。
对于代码工作，可以把需求、相关实现和界面表现一起提供，让模型先确认问题，再提出范围清楚的改动。应用接入工具后，还可以把测试输出或新截图作为反馈，形成观察、修改和检查的循环。
让每轮工作有明确产物
Flash适合把任务拆成可检查的小阶段。例如先整理问题，再选择处理顺序，最后生成说明或代码；每阶段都保留来源与完成标志。长对话应保存已完成内容，避免每次反馈都重新设计整个方案。音频与视频是理解材料的输入，新的配音或视频制作仍应安排相应生成流程。
Use cases and prompting
演示资料整理示例
“根据产品演示视频和讲解音频，整理一份试用说明。只保留实际演示过的功能，按用户要完成的事情分组。每项写出操作入口、关键步骤和结果；画面看不清或讲解含糊的地方列为待确认。”
有重要小字时，补充清晰截图，并标明对应位置。
怎样把它接到日常开发中？
每轮给一个明确改动，附相关代码与预期行为；应用执行后把错误、测试结果或截图交回，再继续修正。
多模态材料太多，怎样减少无关输出？
先说明任务目标和关注范围，指定需要比较的片段或信息。要求按固定结构返回，保留能支持结论的证据。
API access
API 介面文件
呼叫示例
/v1/chat/completions| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度；越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。
身份驗證
所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。
在「令牌」頁面生成 API Key，可以按模型、分組、IP、速率等維度精細化授權。
支援的參數
| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度；越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
速率限制
| 供應商 | RPM | TPM | RPD |
|---|---|---|---|
| XiaomiMIMO | 無限制 | 無限制 | 無限制 |
無限制
Frequently asked questions about mimo-v2.6-flash
What is mimo-v2.6-flash?
MiMo-V2.6-Flash 兼顾多模态能力与处理效率，适合日常编程、影音资料分析和需要多轮反馈的工具工作流。
How do I call mimo-v2.6-flash?
Create an API key with access to mimo-v2.6-flash, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.
How is mimo-v2.6-flash priced?
Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.
What is the context window of mimo-v2.6-flash?
The model catalog lists a context window of 1050000 tokens. Check the selected endpoint for request limits.
What is the maximum output of mimo-v2.6-flash?
The model catalog lists a maximum output of 131072 tokens. Your request settings may set a lower limit.
How should I evaluate mimo-v2.6-flash for my project?
Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.