MiMo-V2.6-Pro-RL

MiMo-V2.6-Pro-RL

在一个 1.02T 参数、1M 词元上下文的模型里同时处理文字、图像、视频和音频。它是小米 MiMo-V2.6 系列的旗舰，用大规模强化学习训练，面向编程和智能体工作。

由 XiaomiMiMo 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MiMo-V2.6-Pro-RL 是小米 MiMo-V2.6 系列里的领头检查点。它是稀疏混合专家模型，总共 1.02T 参数，每次激活 42B。

一个模型同时接收文字、图像、视频和音频，上下文长达 1M 词元。这个长度是为大型代码仓库、工具调用记录和跨多个会话的智能体运行准备的。

适合谁：适合有扎实基础设施、要构建编程助手、长时间运行的智能体或多模态工具的团队，也适合研究大规模强化学习的研究者。

Industry | Who uses it | How they use it | Example
软件 | 构建编程智能体的团队 | 把整个仓库和工具调用记录放进一个上下文 | 跨多个会话处理一个大型代码库
研究 | 强化学习研究者 | 研究混合强化学习和分组评分 | 与较小的 Flash-RL 兄弟模型对比
媒体 | 跨模态工作的团队 | 组合文字、图像、视频和音频输入 | 用一个模型询问一段视频及其文字稿

如果你的硬件有限，可以跳过它，因为光权重就约 1,024 GB。

用在哪里：

• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• 卡片列出的 Xiaomi MiMo API Platform、Xiaomi MiMo Studio 和 Xiaomi MiMo Desktop
• 用于自托管的大型 GPU 服务器

Use case | Who | What they get back
长周期编程 | 开发者 | 一个有 1M 词元上下文、适合仓库和工具调用记录的模型
智能体运行 | 智能体构建者 | 一个为多会话任务而生的旗舰强化学习模型
多模态提问 | 产品团队 | 综合文字、图像、视频和音频的回答

如何设置：

• 用来运行下载命令的 Python 和 pip
• 大容量存储空间，按 Hugging Face 的数字，权重约 1,024 GB，格式为 U8
• 适合这种规模混合专家模型的服务软件和硬件

1. 安装 Hugging Face 工具。
2. 下载模型文件。
3. 用你自己的服务栈部署模型，或试用卡片列出的托管选项。

pip install -U huggingface_hub
hf download XiaomiMiMo/MiMo-V2.6-Pro-RL

如何使用：卡片可见的部分没有给出运行命令，所以请参考模型页面上的部署说明。运行起来后，输入文字，也可以加上图像、视频或音频。

Capability | What it supports
全模态输入 | 在单个模型里同时接收文字、图片、视频和声音
长上下文 | 最多 1M 词元
稀疏混合专家 | 1.02T 参数里激活 42B
推测解码 | 一个 5 层的多词元预测解码器

示例：你把一个大型仓库和一个失败的测试交给模型，请它给出修复。卡片把这类长编程和工具调用记录的工作当作目标，所以可以期待带代码的文字回答。

新手与专家：如果你刚接触大模型，请把它当作需要服务器而不是笔记本电脑的研究级旗舰。如果只想看看它怎么回答，可以先试小米提供的托管选项。

如果你熟悉这个领域，卡片说一次强化学习运行就把编程、通用智能体、视觉和安全任务混在一起。它使用完全异步的 GRPO，每步 1,568 个提示、每个提示 16 次推演，还有分组的智能体式评分，以及之后的多教师蒸馏阶段。

覆盖编程、智能体、视觉和安全的混合强化学习
分组评分给通过的解法排名
多教师在策略蒸馏
旗舰检查点 MiMo-V2.6-Pro-RL

注意事项：

• 这个模型有个较小的兄弟 MiMo-V2.6-Flash-RL，列在同一张下载表里
• Hugging Face 列出了别人做的 10 个量化版本
• 卡片可见的部分没有基准数字，因为评估部分被截掉了

Title: 各编码器的参数量，单位百万
视觉编码器: 681 百万
音频分词器: 308 百万
音频补丁编码器: 127 百万

• License: MIT
• Cost to run: 没有提到，不过自托管需要规模巨大的硬件，卡片还列出了小米的托管服务
• Data it reaches: 你发给它的文字、图像、视频和音频
• Not for: 来源没有说明限制

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：1T
• Weights: about 1,024 GB in U8
• Formats: Safetensors
• 最近 30 天下载：24,207
• 点赞：818
• 许可证：mit
• 语言：en, zh
• Quantized versions: 10
• Fine-tunes: 3
• 标签：transformers, safetensors, mimo_v2, text-generation, multimodal, vision-language, audio, agent, video-understanding, long-context, conversational, 8-bit

链接

• 模型：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL
• 文件：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download XiaomiMiMo/MiMo-V2.6-Pro-RL

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。