MiMo-V2.6-Pro-MOPD

MiMo-V2.6-Pro-MOPD

用 1T 参数的混合专家模型处理文本、图像、视频和音频，并经过调教，在智能体工作中更少重复调用工具。适合能托管超大模型的团队。

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-MOPD 是小米 MiMo-V2.6-Pro-RL 的升级检查点，是一个约有 1 万亿参数的稀疏混合专家模型。这次升级把多个领域专家教师融合进一个模型。它还减轻了一种问题：智能体不断发出同一个工具调用，却没有任何进展。

适合谁：适合能托管超大模型、运行会调用工具的智能体的团队，以及研究如何把多个教师合并成一个学生的研究者。

行业 | 谁在用 | 怎么用 | 例子
AI 平台 | 基础设施团队 | 托管 1T 参数的混合专家模型 | 内部智能体服务背后的共享模型
软件 | 智能体构建者 | 运行不该在同一个调用上打转的工具型智能体 | 一个持续取得进展的编程智能体
科研 | 语言模型研究者 | 研究多教师的同策略蒸馏 | 阅读 mixRL 教师和 SFT 教师如何结合

只有一台普通电脑的人可以跳过它，因为权重加起来约 1,024 GB。

用在哪里：

• 装有 transformers 库的 Python，运行在放得下权重的服务器上
• 模型要调用工具、且不能重复自己的智能体环境
• Windows、macOS 或 Linux，装有 Python，用来下载文件

使用场景 | 适合谁 | 你会得到什么
会用工具的智能体 | 智能体构建者 | 更少重复的、近乎相同的工具调用
长输入 | 开发者 | 1M 词元的上下文窗口
混合媒体输入 | 产品团队 | 一个能接收文本、图像、视频和音频的模型

如何设置：你需要先准备几样东西。

• Python 和 pip，用于 Hugging Face hub 工具
• 约 1,024 GB 权重所需的磁盘空间
• 一台能运行 42B 激活参数模型的服务器或集群

1. 用 pip 安装 hub 工具。
2. 下载仓库文件。
3. 按模型卡链接的技术报告和博客了解如何运行这个模型。

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

如何使用：这里看到的这部分模型卡没有给出运行命令。你在自己搭建的智能体或服务环境里，向模型发送文本、图像、视频或音频。小米 MiMo 还运营自己的 API 平台、工作室和桌面应用，模型卡里有链接。

Title: 模型概要
部分 | 详情
架构 | 稀疏混合专家，总参数 1.02T，激活参数 42B
上下文长度 | 1M 词元
输入 | 文本、图像、视频和音频
视觉编码器 | 6.81 亿参数的 MiMo ViT，共 28 层
音频编码器 | 3.08 亿参数的音频分词器加 1.27 亿参数的音频补丁编码器
推测解码器 | 5 层的多词元预测模块

示例：你把模型放进一个智能体，让它修复仓库里一个失败的测试。模型卡说这个检查点降低了智能体反复调用同一个工具、看起来很忙的可能性。

新手与专家：如果你是新手，这是一个非常大的聊天和智能体模型，不是能在笔记本上运行的东西。第一步是在规划硬件之前，先读模型卡链接的技术报告。

MOPD2 阶段把多个领域教师同策略地蒸馏进学生模型。一些教师在可验证任务上用强化学习训练，另一些在开放领域任务的合成示范上训练。每次更新由三路输入组成：由教师监督的完整推演、取自教师推演的前缀，以及取自示范的前缀。一段简短的专家教师训练负责处理重复的工具调用。

领域教师监督学生模型
三路输入共同驱动每次更新
学生模型同策略地更新
检查点更少重复调用工具

注意事项：

• License: MIT。
• Cost to run: 开放权重没有提到 API 密钥或付费服务。成本是放下约 1,024 GB 权重的硬件。
• Data it reaches: 只有你喂给它的内容，包括你在智能体环境里接入的工具。模型卡没有提到内置的文件、网络或账号访问。
• Not for: 小型机器。这里看到的这部分模型卡也没有给出运行命令或基准数字，所以依赖它之前先查技术报告。

Hugging Face 上的数据（2026年11月14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：20,162
• 点赞：49
• 许可证：mit
• 语言：en, zh
• Quantized versions: 9
• Fine-tunes: 4
• 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-MOPD
• 文件：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-MOPD/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-MOPD

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。