MiMo-V2.6-Flash API
MiMo-V2.6-Flash dari Xiaomi adalah model serba-modal dengan konteks 1M token yang menyeimbangkan kecerdasan, efisiensi, dan biaya untuk tugas kantor, koding, dan agentik.
MiMo-V2.6-Flash adalah model bahasa serba-modal dari Xiaomi yang dirilis pada 21 September 2026. Model ini menerima input teks, gambar, video, dan audio, lalu menghasilkan output teks. Dengan konteks hingga 1M token dan batas output 131K token, model ini cocok untuk memproses dokumen panjang, percakapan multi-giliran, dan tugas berskala besar. Arsitektur mixture-of-experts dengan 309 miliar parameter total dan sekitar 15 miliar parameter aktif per inferensi menjaga efisiensi tetap tinggi. Model ini tersedia di bawah lisensi open-source MIT, dan bobotnya dapat diunduh di Hugging Face.
Untuk tugas profesional, MiMo-V2.6-Flash mendukung tool calling, output terstruktur JSON, streaming, dan mode berpikir. Model ini juga kompatibel dengan OpenAI Chat Completions, OpenAI Responses, dan Anthropic Messages. Kemampuannya cocok untuk panggilan kantor profesional berfrekuensi tinggi, tugas berskala besar, pekerjaan koding, tugas agentik, dan pemahaman visual. Xiaomi menyatakan model ini unggul dalam pengenalan teks OCR, penghitungan objek, dan penalaran visual, meskipun kadang melewatkan detail visual kecil seperti tutup botol yang miring.
Dalam seri MiMo-V2.6, Flash menawarkan keseimbangan terbaik antara kecerdasan, efisiensi, dan biaya. Kecepatan outputnya hingga 20 kali lebih cepat daripada generasi sebelumnya, dan performanya pada tolok ukur agen koding melampaui MiMo-V2.5-Pro. Performanya mendekati versi Pro dengan biaya lebih rendah, sehingga cocok untuk penerapan produksi yang membutuhkan respons cepat dalam volume besar. Xiaomi juga merilis laporan teknis dan sumber daya penelitian reinforcement learning, dengan 12,7% dari anggaran reinforcement learning dialokasikan untuk penilaian. Tingkat pengulangan pada tingkat respons dalam pengujian internal melebihi 0,05% dan telah dioptimalkan.
Diperbarui:
ID MODEL
mimo-v2.6-flash- Konteks
- 1.05M
- Output maks
- 131.072K
- API yang direkomendasikan
- messages
- Masukan
- text / image / video / audio
- Keluaran
- text
Sorotan
- Konteks 1M token, output hingga 131K token
- Input teks, gambar, video, dan audio
- Kecepatan output hingga 20 kali lebih cepat
- Lisensi open-source MIT, bobot di Hugging Face
- Kompatibel dengan OpenAI dan Anthropic API
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| $0.14 | $0.28 | $0.0028 |
Yang bisa dibeli dengan $10
- Masukan
- 71,4 jt token
- Keluaran
- 35,7 jt token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 67.9
DeepSWE v1.1
poin
- 87.6
Terminal-Bench 2.1
poin
Skor sesuai publikasi penyedia model.
Penalaran
- Selalu aktif
- Tidak
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
mimo-v2.6-flashModel ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "mimo-v2.6-flash",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "mimo-v2.6-flash",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringmimo-v2.6-flashID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———presence_penalty———reasoning———repetition_penalty———response_formatobject—Meminta output terstruktur jika didukung.seed———stop———structured_outputs———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_k———top_logprobs———top_p———Pertanyaan umum
Mengenal MiMo-V2.6-Flash?
MiMo-V2.6-Flash adalah model bahasa serba-modal dari Xiaomi yang dirilis pada 21 September 2026. Model ini menerima input teks, gambar, video, dan audio, lalu menghasilkan output teks. Dengan konteks hingga 1M token dan batas output 131K token, model ini cocok untuk memproses dokumen panjang, percakapan multi-giliran, dan tugas berskala besar. Arsitektur mixture-of-experts dengan 309 miliar parameter total dan sekitar 15 miliar parameter aktif per inferensi menjaga efisiensi tetap tinggi. Model ini tersedia di bawah lisensi open-source MIT, dan bobotnya dapat diunduh di Hugging Face. Untuk tugas profesional, MiMo-V2.6-Flash mendukung tool calling, output terstruktur JSON, streaming, dan mode berpikir. Model ini juga kompatibel dengan OpenAI Chat Completions, OpenAI Responses, dan Anthropic Messages. Kemampuannya cocok untuk panggilan kantor profesional berfrekuensi tinggi, tugas berskala besar, pekerjaan koding, tugas agentik, dan pemahaman visual. Xiaomi menyatakan model ini unggul dalam pengenalan teks OCR, penghitungan objek, dan penalaran visual, meskipun kadang melewatkan detail visual kecil seperti tutup botol yang miring. Dalam seri MiMo-V2.6, Flash menawarkan keseimbangan terbaik antara kecerdasan, efisiensi, dan biaya. Kecepatan outputnya hingga 20 kali lebih cepat daripada generasi sebelumnya, dan performanya pada tolok ukur agen koding melampaui MiMo-V2.5-Pro. Performanya mendekati versi Pro dengan biaya lebih rendah, sehingga cocok untuk penerapan produksi yang membutuhkan respons cepat dalam volume besar. Xiaomi juga merilis laporan teknis dan sumber daya penelitian reinforcement learning, dengan 12,7% dari anggaran reinforcement learning dialokasikan untuk penilaian. Tingkat pengulangan pada tingkat respons dalam pengujian internal melebihi 0,05% dan telah dioptimalkan.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Input apa saja yang didukung MiMo-V2.6-Flash?
Model ini menerima input teks, gambar, video, dan audio, serta menghasilkan output teks.
Berapa panjang konteks dan batas output MiMo-V2.6-Flash?
Konteksnya mencapai 1M token, dengan batas output hingga 131K token.
Tugas apa yang paling cocok untuk MiMo-V2.6-Flash?
Model ini cocok untuk panggilan kantor profesional berfrekuensi tinggi, tugas berskala besar, pekerjaan koding, tugas agentik, dan pemahaman visual.
Apa perbedaan MiMo-V2.6-Flash dengan model lain di seri MiMo-V2.6?
Flash menawarkan keseimbangan terbaik antara kecerdasan, efisiensi, dan biaya dalam seri MiMo-V2.6, dengan performa mendekati versi Pro pada biaya lebih rendah.
Apakah MiMo-V2.6-Flash mendukung tool calling dan output terstruktur?
Ya, model ini mendukung tool calling, output terstruktur JSON, streaming, dan mode berpikir.