Zum Hauptinhalt springen

MiMo-V2.6: Xiaomis omnimodales Open-Weight-Modell mit 1 Billion Parametern

Fortgeschritten

Am 22. September 2026 veröffentlichte Xiaomi MiMo-V2.6 — drei Checkpoints auf Hugging Face unter einer schlichten MIT-Lizenz, angeführt von einem 1,02 Billionen Parameter starken, sparsen Mixture-of-Experts-Modell mit einem Kontext von 1 Million Token, das Text, Bild, Video und Audio als Eingabe annimmt. Es erschien am selben Tag wie Claude Opus 5.5 und GPT-6 Sol/Luna und stand umgehend an der Spitze von Hacker News.

Die großen Berichte sagen alle ungefähr dasselbe: Open Weights auf Frontier-Niveau, zwanzig- bis sechzigmal günstiger als geschlossene Modelle. Das stimmt und ist leicht zu überprüfen. Was niemand aufgeschrieben hat, ist der Teil, der entscheidet, ob du es tatsächlich einsetzen solltest — aus welchen Benchmark-Versionen die Siege stammen, warum das Flaggschiff keine Maschine ist, die du selbst besitzt, und wozu die dritte Preisstufe dient.

What you'll learn
  • Die MiMo-V2.6-Benchmark-Tabelle so lesen, wie sie die eigene Modellkarte berichtet — einschließlich des Rückstands von 14 Punkten bei Terminal-Bench 4.0, den die Pressemeldungen nicht zitiert haben
  • Verstehen, warum ein Generationssprung von 33 Punkten bei einem agentischen Benchmark meist bedeutet, dass das alte Modell das Harness nicht bedienen konnte — und nicht, dass das neue klüger geworden ist
  • Die Architektur verstehen, die den 1-Mio.-Kontext erkauft: 384 Experten mit 8 aktiven und ein Verhältnis von 6:1 zwischen Sliding-Window- und globaler Attention
  • Zwischen Pro, Flash und dem 9B-Distill nach der Hardware wählen, die du wirklich hast — der eigene Startbefehl von Pro verlangt zwei Nodes
  • Sehen, was die 10x teure UltraSpeed-Stufe verkauft (Latenz, aus denselben Gewichten) und wann sich das zu zahlen lohnt

Die Kurzfassung in einem Satz​

MiMo-V2.6-Pro ist ein MIT-lizenziertes sparses MoE mit 1,02 Bio. Parametern insgesamt / 42 Mrd. aktiv, einem Kontext von 1 Mio. Token und Text-, Bild-, Video- und Audio-Eingabe, das Claude Opus 5 bei kurzfristigen agentischen und Automatisierungs-Benchmarks erreicht oder schlägt, bei langfristiger Terminal-Arbeit deutlich hinterherhängt und pro Token rund ein Zehntel kostet, wenn du es mietest statt selbst zu betreiben.

Vier Dinge, die aus den Schlagzeilen nicht hervorgehen​

1. Der Terminal-Bench-Sieg und die Terminal-Bench-Niederlage sind dasselbe Modell​

Das ist der Punkt, den man sich einprägen sollte. Die Launch-Berichterstattung meldete breit 89,9 auf Terminal Bench 2.1 für MiMo-V2.6-Pro, knapp vor den 89,1 von Claude Opus 5. Xiaomis eigene Modellkarte berichtet Terminal Bench 2.1 überhaupt nicht. Sie berichtet Terminal Bench 4.0, wo MiMo-V2.6-Pro 34,9 erreicht gegen 49,0 von Opus 5 — ein Rückstand von 14,1 Punkten.

Beide Zahlen sind echt. Terminal Bench 2.1 ist ein älteres, weitgehend gesättigtes Harness, bei dem sich jedes Frontier-Modell um 90 herum ballt und ein Abstand von 0,8 Punkten Rauschen ist. Terminal Bench 4.0 ist das aktuelle, und dort streuen die Modelle noch. Wenn du irgendwo liest „schlägt Claude auf Terminal Bench", lautet die erste Frage immer welche Version — denn bei agentischen Suiten ist der Versionswechsel meist ein größerer Effekt als der Modellwechsel.

Dasselbe Muster zeigt sich in der AILmanac-Berichterstattung zu DeepSeek-V4.1-Flash und Gemini 3.8 Flash: Parität bei DeepSWE, ein Loch von 15–20 Punkten bei Terminal-Bench 4.0. Es wird zur charakteristischen Form der günstigen Klasse.

2. Ein Generationssprung von 33 Punkten ist eine Harness-Geschichte, keine Intelligenz-Geschichte​

Die Tabelle der Modellkarte enthält auch die Vorgängergeneration. MiMo-V2.5-Pro erreichte 19,0 bei DeepSWE v1.1 und 1,5 bei Terminal Bench 4.0. V2.6-Pro erreicht 71,9 und 34,9.

Ein Modell wird in einer Generation nicht 23-mal besser bei Terminal-Arbeit. Ein Wert von 1,5 bedeutet, dass das alte Modell das Tool-Call-Protokoll des Benchmarks im Wesentlichen nicht abschließen konnte — es scheiterte am Harness, nicht am Schlussfolgern. Lies gewaltige Generationsunterschiede bei agentischen Benchmarks zuerst als „wir haben Tool Calling repariert" und erst danach als Fähigkeit. Die Unterschiede bei nicht-agentischen Benchmarks sind die ehrlichen: ProgramBench ging von 12,5 auf 26,5, also etwa eine Verdopplung, was ein großer, aber glaubwürdiger Generationsschritt ist.

3. Der 1-Mio.-Kontext wird über das Attention-Layout erkauft, nicht mit Brachialgewalt​

Das LLM-Backbone von MiMo-V2.6-Pro besteht aus 70 Layern: 60 Sliding-Window-Attention, 10 globale Attention — ein Verhältnis von 6:1. Sliding-Window-Layer halten nur ein lokales KV-Fenster, sodass der KV-Fußabdruck pro Token bei 1 Mio. Token ein Bruchteil dessen ist, was ein vollständig globaler Stack aus 70 Layern bräuchte. Die zehn globalen Layer sind das, was Informationen weiterhin von Anfang bis Ende reisen lässt.

Das MoE besteht aus 384 gerouteten Experten mit 8 aktiven pro Token, was 42 Mrd. aktive von 1,02 Bio. ergibt — etwa 4,1 % des Modells laufen bei einem beliebigen Token. Flash nutzt dieselbe Form mit 309–311 Mrd. Gesamtparametern und ~15 Mrd. aktiven. Deshalb lässt sich ein Modell mit einer Billion Parametern überhaupt ausliefern: Du zahlst 1 Bio. im Speicher und 42 Mrd. in der Rechenleistung.

Darüber sitzt ein 5-Layer-Multi-Token-Prediction-Speculative-Decoder, der pro Durchlauf 7 Token vorentwirft. Das ist ein Throughput-Mechanismus, und er ist für den nächsten Punkt relevant.

4. „Omnimodal" heißt omnimodal hinein, und UltraSpeed verkauft Latenz, nicht Qualität​

Zwei Dinge, die die Marketingsprache verwischt:

Die Modalitäten sind eingabeseitig. Die Karte listet Text, Bild, Video und Audio als Modalitäten, mit einem MiMo-ViT-Vision-Encoder mit 681 Mio. Parametern, einem AudioTokenizer mit 308 Mio. und zusätzlich einem Audio-Patch-Encoder mit 127 Mio. Der Hugging-Face-Pipeline-Tag für Pro lautet Textgenerierung. Du kannst ihm ein Video geben und Fragen stellen; es antwortet in Text. Es ist kein Sprach- oder Bild-Generator. Wenn du Generierung über Medien hinweg willst, ist das eine andere Seite: generative Medien.

UltraSpeed ist dasselbe Modell zum 10-fachen Preis. MiMo-V2.6-Pro-UltraSpeed wird als Pro-Qualität bei bis zu 20-facher Ausgabegeschwindigkeit beschrieben, gelistet zu etwa dem Zehnfachen des Token-Preises von Pro. Es gibt dafür keinen separaten Gewichtssatz auf Hugging Face — es ist eine Serving-Stufe, die auf dem Speculative Decoder und Xiaomis Infrastruktur aufbaut. Das ist ein völlig vernünftiges Produkt, aber bepreise es als das, was es ist: Du kaufst Token-pro-Sekunde für interaktive und Echtzeit-Workloads, nicht Genauigkeit. Wenn dein Job ein Hintergrund-Batch ist, ist UltraSpeed eine 10-fache Überzahlung.

Die Benchmark-Tabelle, wie der Anbieter sie veröffentlicht hat​

Alle Zahlen unten sind Xiaomis eigene Läufe, aus der Modellkarte von MiMo-V2.6-Pro-RL. Zum Zeitpunkt des Schreibens existierte keine unabhängige Replikation.

BenchmarkMiMo-V2.6 ProMiMo-V2.6 FlashMiMo-V2.5 ProClaude Opus 5GPT-5.6 SolClaude Fable 5
DeepSWE v1.171.967.919.074.073.070.0
ProgramBench26.526.012.537.025.033.0
MiMo Code Bench63.261.240.468.659.3—
AutomationBench v1.0.653.152.316.050.345.846.2
Toolathlon-Verified76.973.649.180.674.977.9
Terminal Bench 4.034.928.81.549.039.942.4
OSWorld-Verified82.080.8—83.483.086.0
CyberGym94.095.140.0———
MiMo VisualCoding72.371.5—70.073.469.1

Drei Lesarten, die man kennen sollte:

  • Flash liegt fast überall nur wenige Punkte hinter Pro. 67,9 gegen 71,9 bei DeepSWE, 52,3 gegen 53,1 bei AutomationBench, und bei CyberGym schlägt es Pro. Bei rund einem Drittel des Hosting-Preises von Pro und einem Drittel der Parameter ist Flash die Standardwahl, solange du keinen gemessenen Grund für das Gegenteil hast.
  • Die Konkurrenzspalten für CyberGym sind leer. Xiaomi berichtete 94,0 und 95,1 und veröffentlichte keinen Vergleich zu Claude oder GPT. Behandle eine unwidersprochene Zahl als unwidersprochen — sie sagt dir, dass das Modell bei der Aufgabe kompetent ist, nicht, dass es führt.
  • Pro gewinnt genau eine Zeile klar: AutomationBench. Alles andere ist ein knapper Gleichstand oder eine Niederlage. „Open Weights auf Frontier-Niveau" ist fair; „schlägt Claude" ist es nicht.

Auf der Aggregatseite platzierte der Intelligence Index v4.3 von Artificial Analysis MiMo-V2.6-Pro bei etwa 46, berichtet als Erster unter den Open-Weight-Modellen und auf Augenhöhe mit Grok 4.7, gegen rund 53 für die geschlossene Frontier. Ein Indexabstand von sieben Punkten für ein Zehntel des Preises ist der eigentliche Pitch.

Was es kostet, gemietet und besessen​

Gemietet, wie zum Launch aus den Listings von OpenRouter und Xiaomi berichtet, pro Million Token:

ModellEingabeAusgabe
MiMo-V2.6-Flash$0.14$0.28
MiMo-V2.6-Pro$0.435$0.87
MiMo-V2.6-Pro-UltraSpeed$4.35$8.70

Zum Vergleich: Claude Opus 5.5 ist mit $4 / $20 gelistet (siehe den Opus 5.5 Field Guide). Pro ist rund 9x günstiger bei der Eingabe und 23x günstiger bei der Ausgabe. UltraSpeed kostet bei der Eingabe etwa so viel wie Opus 5.5 und bei der Ausgabe weniger als die Hälfte — was die ehrliche Art ist, über diese Stufe nachzudenken.

Besitz ist ein anderes Thema, und die Startbefehle verraten es. Das SGLang-Beispiel der Modellkarte für Pro verlangt --tp 16 --dp 2 ... --nnodes 2: Tensor-Parallelismus über sechzehn Geräte, zwei datenparallele Replicas, zwei Nodes. Das ist ein Rack, keine Workstation. Der vLLM-Weg ist leichter mit --tensor-parallel-size 8, immer noch acht Beschleuniger für einen 1,02-Bio.-Checkpoint in BF16.

Flash, mit ~309–311 Mrd. Gesamtparametern und ~15 Mrd. aktiven, ist die Variante, die eine ernsthafte Single-Node-Maschine plausibel ausliefern kann. Der Checkpoint MiMo-V2.6-Distill-Qwen-9B — eine 9B-Distillation, auf Hugging Face unter image-text-to-text gelistet — ist derjenige, der auf eine GPU der Laptop-Klasse passt. Wenn dein Ziel „ein leistungsfähiges offenes Modell zu Hause betreiben" ist, fang dort an und bei Modelle lokal mit Ollama betreiben, nicht bei Pro.

Noch ein Vorbehalt zum Besitz: Die veröffentlichten Repositories sind die Post-RL-Checkpoints (-Pro-RL, -Flash-RL). Es wurde kein Basis-Checkpoint veröffentlicht. Du kannst sie ausliefern, quantisieren und anpassen, aber du kannst kein eigenes Post-Training von der Pre-RL-Basis aus starten.

Wie du es für deine eigene Arbeit bewertest​

Guided walkthrough1 of 5
  1. Wenn dein Workload nie ein Bild, Video oder Audioclip sendet, ist das meiste, was MiMo-V2.6 besonders macht, für dich irrelevant, und ein günstigeres reines Textmodell mit offenen Gewichten kann es möglicherweise erreichen. Die omnimodalen Encoder sind das Unterscheidungsmerkmal — nutze sie oder rechne sie ab.

MiMo-V2.6-Flash über einen OpenAI-kompatiblen Endpunkt aufrufen

curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
  "model": "xiaomi/mimo-v2.6-flash",
  "messages": [
    {"role": "user", "content": "Summarise the failure modes in this log and propose one fix."}
  ]
}'

MiMo-V2.6-Pro mit vLLM ausliefern (die Startzeile aus der Modellkarte selbst)

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
Pro tip
  • Beachte die zwei Parser-Flags: --reasoning-parser mimo und --tool-call-parser mimo. MiMo gibt seine Reasoning- und Tool-Calls in einem familienspezifischen Format aus. Lässt du sie weg, übergibt dein Serving-Stack die rohen Marker als gewöhnlichen Text an deine Anwendung zurück — ein stiller Fehler, der aussieht, als würde das Modell deine Tools ignorieren.
  • --trust-remote-code ist erforderlich, weil der Modellierungscode mit dem Checkpoint ausgeliefert wird. Lies ihn, bevor du ihn auf etwas ausführst, das dir wichtig ist; dieses Flag führt Anbieter-Python in deinem Serving-Prozess aus.
  • Der SGLang-Weg ergänzt EAGLE-Flags für Speculative Decoding. Dort liegt der Throughput-Vorteil — ein Standardstart lässt den Multi-Token-Predictor ungenutzt.

Wann du danach greifen solltest und wann nicht​

Gute Passung

  • Klassifikation, Extraktion oder Automatisierung in hohem Volumen über gemischte Medien, wo $0.14/M Eingabe überhaupt verändert, was wirtschaftlich möglich ist.
  • Alles, was du aus Datenschutz- oder Jurisdiktionsgründen auf eigener Hardware betreiben musst und das Bild- oder Audioverständnis braucht — wenige MIT-lizenzierte Modelle bieten diese Kombination. Siehe ein privater lokaler KI-Stack.
  • Kurze, begrenzte agentische Aufgaben mit gut spezifizierten Tools, wo die Werte von AutomationBench und Toolathlon sagen, dass es wirklich konkurrenzfähig ist.

Schlechte Passung

  • Lange autonome Coding-Sitzungen. Der Abstand bei Terminal Bench 4.0 beträgt 14 Punkte gegen Opus 5 und 5 Punkte gegen GPT-5.6 Sol, und es ist die eigene Zahl des Anbieters.
  • Überall, wo du einen Basis-Checkpoint brauchst, um darauf Post-Training zu machen. Es wurden nur RL-Checkpoints ausgeliefert.
  • Single-Box-Selbsthosting von Pro. Kalkuliere mit Flash oder dem 9B-Distill, oder miete Pro.

Was Xiaomi offengelegt hat, was die meisten Labs nicht tun​

Bemerkenswert, weil es ungewöhnlich konkret ist: Xiaomi veröffentlichte die Form und die Kosten des RL-Trainingslaufs — ein Lauf von etwa sechs Tagen, 30 RL-Schritte, rund 750.000 Trajektorien, 1.568 Prompts mit 16 Rollouts pro Schritt, zu berichteten ~2,62 Mio. $ für Pro und ~850.000 $ für Flash, mit asynchronem GRPO und während des RL eingefrorenem MoE-Router.

Zwei Dinge sind daraus mitzunehmen. Erstens ist ein eingefrorener Router während des Reinforcement Learning eine Stabilitätsentscheidung: Er hält die Expertenzuweisung fest, sodass das Policy-Update nicht stillschweigend umformen kann, welche Experten feuern. Zweitens, und nützlicher: Ein frontier-naher Post-Training-Lauf kostet inzwischen einstellige Millionenbeträge, nicht Hunderte. Das ist die Zahl, die erklärt, warum vier Labs in derselben Woche ausgeliefert haben.

Check yourself

0/5
  1. Die Presseberichte sagten, MiMo-V2.6-Pro habe Claude Opus 5 bei Terminal Bench geschlagen; die Modellkarte zeigt es 14 Punkte zurück. Was erklärt den Widerspruch?
  2. MiMo-V2.5-Pro erreichte 1,5 bei Terminal Bench 4.0; V2.6-Pro erreicht 34,9. Was ist die wahrscheinlichste Lesart?
  3. Was verkauft die Stufe MiMo-V2.6-Pro-UltraSpeed tatsächlich für rund den 10-fachen Preis von Pro?
  4. Warum benötigt der 1-Mio.-Token-Kontext von MiMo-V2.6-Pro keinen proportional gigantischen KV-Cache?
  5. Du willst ein leistungsfähiges Open-Weight-Modell mit Bildverständnis auf einer Workstation-GPU betreiben. Welcher MiMo-V2.6-Checkpoint ist der realistische Startpunkt?
Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 9
Key takeaways
  • Prüfe die Benchmark-Version vor dem Benchmark-Wert. MiMo-V2.6-Pro schlägt Opus 5 bei Terminal Bench 2.1 und liegt bei 4.0 um 14 Punkte zurück — gleiches Modell, gleicher Anbieter, entgegengesetzte Schlagzeile.
  • Flash, nicht Pro, ist die Standardwahl. In jeder veröffentlichten Zeile nur wenige Punkte dahinter, bei CyberGym davor, rund ein Drittel des Preises und tatsächlich auf einer Node auslieferbar.
  • Omnimodal ist eingabeseitig. Video und Audio gehen hinein, Text kommt heraus. Wenn du nie Medien sendest, erledigt ein günstigeres reines Textmodell mit offenen Gewichten möglicherweise dieselbe Aufgabe.
  • UltraSpeed ist ein Latenzprodukt zum 10-fachen Preis bei identischer Qualität. Kaufe es für interaktive Arbeit; nie für einen Batch.
  • Der 1-Mio.-Kontext reitet auf 10 globalen Attention-Layern von 70. Teste Langstrecken-Retrieval bei deiner echten Kontextlänge, bevor du der Obergrenze vertraust.
  • Es wurden nur RL-Checkpoints ausgeliefert, und jeder Benchmark ist ein Anbieterlauf. Baue eine private Eval mit 20 Aufgaben in der Form deiner eigenen Arbeit, bevor du dich festlegst.

Quellen & weiterführende Literatur​

Weiter​