Les poids sont-ils ouverts et puis-je exécuter MiMo-V2.6-Flash localement ?

Oui, les poids sont ouverts et hébergés sur Hugging Face sous XiaomiMiMo/MiMo-V2.6-Flash-RL. L’exécuter localement est possible mais les 309 milliards de paramètres totaux exigent un matériel conséquent ; seuls 15 milliards de paramètres sont activés par token, ce qui aide le coût d’inférence mais ne réduit pas la taille du modèle sur disque.

Quel est le coût de MiMo-V2.6-Flash et quelle est sa fenêtre de contexte ?

Via l’API Xiaomi, il est tarifé à 0,14 $ par million de tokens en entrée et 0,28 $ par million de tokens en sortie, avec une fenêtre de contexte d’un million de tokens.

En quoi Flash diffère-t-il de MiMo-V2.6-Pro ?

Flash est le checkpoint équilibré en efficacité de la série, échangeant un peu de performance maximale contre un coût d’inférence plus bas ; Pro est la variante plus performante. Les deux partagent la même architecture et approche d’entraînement.

▲

43.2%

cette semaine

MiMo V2.6 Flash

9344°

#llm #xiaomi #vision #audio #vidéo #raisonnement

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Xiaomi | contexte de 1 050 000 tokens | 0,14 $/M en entrée, 0,28 $/M en sortie. MiMo-V2.6-Flash est un modèle fondation open-source développé par Xiaomi. Construit sur une architecture Mixture-of-Experts avec 309 milliards de paramètres au total et 15 milliards activés par token, il utilise un mécanisme d'attention hybride pour une plus grande efficacité computationnelle. Le modèle dispose d'une fenêtre de contexte de 1 million de tokens et de capacités multimodales natives. Optimisé pour les workflows agentiques, il offre de solides performances en codage, visuel, général et recherche, excellant dans les tâches complexes à long terme avec une généralisation robuste sur une large gamme d'environnements agent.

Guides pour ce modèle

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

MiMo-V2.6-Flash est le modèle à poids ouverts équilibré en efficacité de Xiaomi issu de la série MiMo-V2.6 : un MoE sparse de 309 milliards de paramètres activant seulement 15 milliards par token, avec une fenêtre de contexte d’un million de tokens et un support natif pour texte, image, vidéo et audio. Sa méthode d’entraînement étend l’apprentissage par renforcement à travers le codage, les agents, les tâches visuelles et la cybersécurité dans une seule session mixte, permettant aux capacités de se transférer entre différents environnements agents au lieu de rester cloisonnées. À 0,14 $ par million de tokens en entrée, il se situe bien en dessous de la plupart des modèles multimodaux de pointe.

Connu pour

Omnimodal dans un seul modèle : texte, image, vidéo et audio nativement
Fenêtre de contexte d’un million de tokens pour gérer de longs dépôts, traces d’outils et sessions multiples
Une seule session RL mixte transfère les stratégies entre environnements agents inédits
15 milliards de paramètres activés maintiennent l’inférence légère malgré 309 milliards de poids totaux
Poids ouverts disponibles sur Hugging Face pour auto-hébergement

Attention à

309 milliards de paramètres totaux signifie que l’auto-hébergement demande un matériel sérieux ; vérifiez la VRAM avant de vous engager.
Les termes de licence ne sont pas détaillés dans ce que Xiaomi a publié ; vérifiez avant tout déploiement commercial.
Flash est le checkpoint équilibré en efficacité ; la variante Pro existe si vous avez besoin du maximum de performances, pas du prix.

Idéal pour

Agents et utilisation d'outils

Programmation

Vision

Contexte long

Fonctionne localement

Prompts à essayer

Agent de refactorisation multi-fichiers

Vous travaillez dans un monorepo Python. Le module d’authentification utilise un dict de configuration global mutable passé par référence dans six fichiers. Proposez un plan concret de refactorisation : identifiez les points d’appel risqués, suggérez un pattern de remplacement avec une dataclass typée, et écrivez la version mise à jour du fichier auth.py principal avec ce nouveau pattern.

Vision : diagramme vers code

Je joins une capture d’écran d’un diagramme entité-relation de base de données. Lisez les entités, leurs attributs et les relations affichées, puis écrivez les modèles ORM SQLAlchemy qui correspondent exactement, y compris les clés étrangères et les tables de jonction implicites par les relations plusieurs-à-plusieurs.

Audit de dépôt à long contexte

Je colle ci-dessous le contenu complet d’une base de code Node.js REST API. Lisez chaque fichier, puis produisez un audit de sécurité : listez chaque endpoint, l’authentification appliquée, les lacunes de validation d’entrée, et les versions de dépendances avec CVE connues. Classez les résultats par gravité.

Comparer avec

MiMo-V2.6-Pro-UltraSpeed
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $4.35/M, sortie $8.70/M
MiMo-V2.5
Modèle à poids ouverts
Contexte de 1,050,000 tokens · entrée $0.14/M, sortie $0.28/M
MiMo-V2.6-Pro
Modèle à poids ouverts
Contexte de 1,050,000 tokens · entrée $0.43/M, sortie $0.87/M
MiMo-V2.5-Pro
Modèle à poids ouverts
Contexte de 1,050,000 tokens · entrée $0.43/M, sortie $0.87/M

Plus de modèles de texte de xiaomi

Questions fréquentes

Les poids sont-ils ouverts et puis-je exécuter MiMo-V2.6-Flash localement ?: Oui, les poids sont ouverts et hébergés sur Hugging Face sous XiaomiMiMo/MiMo-V2.6-Flash-RL. L’exécuter localement est possible mais les 309 milliards de paramètres totaux exigent un matériel conséquent ; seuls 15 milliards de paramètres sont activés par token, ce qui aide le coût d’inférence mais ne réduit pas la taille du modèle sur disque.
Quel est le coût de MiMo-V2.6-Flash et quelle est sa fenêtre de contexte ?: Via l’API Xiaomi, il est tarifé à 0,14 $ par million de tokens en entrée et 0,28 $ par million de tokens en sortie, avec une fenêtre de contexte d’un million de tokens.
En quoi Flash diffère-t-il de MiMo-V2.6-Pro ?: Flash est le checkpoint équilibré en efficacité de la série, échangeant un peu de performance maximale contre un coût d’inférence plus bas ; Pro est la variante plus performante. Les deux partagent la même architecture et approche d’entraînement.

Verdict du capitaine
Une entrée véritablement économique dans le domaine omnimodal agentiel au million de tokens, et les poids ouverts en font une option sérieuse si votre matériel peut le supporter.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #4 Hottest Text / LLM model · #4 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de MiMo V2.6 Flash

Score de chaleur depuis 21 Sep 2026

Score de popularité

9,344°

Cette semaine

▲

43.2%

9,297° alors, 9,344° maintenant

Ce mois-ci

n/a

Pas encore publié/suivi

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,956°

Tokens OpenRouter

32,884,504,724,760 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 3,288,450 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+388°

Taux d’adoption

Environ 151,030 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,344°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
3,288,450 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,956°
8,956°
total en cours
3
Ajoute le taux d’adoption.
Environ 151,030 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+388°
9,344°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,344°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

MiMo V2.6 Flash est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm xiaomi vision audio vidéo raisonnement agents programmation

Parcourir par famille de modèles