MiMo-V2.6-Proのウェイトはオープンでローカル実行できますか？

Xiaomi | 1,050,000トークンコンテキスト | 入力$0.43/M、出力$0.87/M。MiMo-V2.6-ProはXiaomiが開発したフラッグシップ基盤モデルです。1兆パラメータ以上の規模で構築され、最も要求の厳しいワークロードの能力の限界を押し上げることを目的としています。このモデルは100万トークンのコンテキストウィンドウとネイティブのマルチモーダル機能を備えています。エージェント的なワークフローに最適化されており、コーディング、ビジュアル、一般、研究シナリオでトップクラスの性能を発揮し、多様なエージェントハーネスにわたる堅牢な一般化能力で複雑かつ長期的なタスクに優れています。

このモデルのガイド

2026年10月のAIモデルの選び方：クローズドソースの最新情報とダウンロードすべきオープンウェイトモデル

ローカルAIに実際どれくらいのVRAMが必要？

オープンウェイト、オープンソース、API専用：実際に何ができるのか

OllamaのインストールとローカルAIの実行方法（Windows、Mac、Linux）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

MiMo-V2.6-ProはXiaomiのフラッグシップモデルで、総1.02兆パラメータ（420億アクティブ）を持つスパースMixture-of-Expertsシステムで、テキスト、画像、動画、音声を単一モデルで処理します。特徴は、ドメイン別のファインチューニングではなく探索を通じて自己改善を続ける強化学習パイプラインです。複雑なエージェントワークフローや長コンテキストのコード、研究タスクに適し、サブドル／百万トークンの価格で高性能なオープンウェイトフロンティアモデルを求める方に向いています。

得意分野

真のオムニモーダル：テキスト、画像、動画、音声を単一モデルでネイティブに処理
100万トークンのコンテキストウィンドウ—完全なリポジトリやマルチセッションエージェントに対応
コーディング、ビジュアル、一般、サイバーセキュリティタスクを横断する単一の混合強化学習実行
Hugging Faceでオープンウェイトが入手可能でローカルまたはセルフホスト展開が可能
短く高品質な解決策へ誘導する自己改善型報酬ループ

注意点

総パラメータ数が1兆を超え、ローカル実行にはほとんどの人が持たない本格的なハードウェアが必要
モデルカードにライセンス詳細が記載されていないため、商用利用前にHugging Faceリポジトリを確認すること
この規模ではセルフホスト環境での推論レイテンシが高くなるため、大規模なマルチGPUクラスターが必要

最適な用途

試してみるプロンプト

複数ファイルのリファクタタスク

Pythonサービスが3ファイルに分かれています：FastAPIルーター、SQLAlchemyモデルファイル、Celeryタスクファイル。ルーターはモデルファイルから直接インポートし、Celeryタスクをインラインで呼び出しています。依存関係構造を見直し、ルーターがサービス層のみに依存するように設計し、サービス層のコードを書き、変更点を説明してください。

長期的な研究計画

50百万ドキュメントを扱う本番RAGシステム向けに5つのオープンソースベクターデータベースを評価します。p95レイテンシは100ms未満、キーワード＋セマンティック検索のハイブリッド対応が条件です。評価基準の定義、ベンチマークデータセット戦略の提案、各基準で実施する具体的テストのリスト、結果のスコアリングと比較方法を含む構造化された評価計画を作成してください。

画像＋コードのデバッグ

Pythonのトレースバックや予期しない出力のチャートのスクリーンショットを添付します。コードの目的を説明し、このエラーや異常の原因と最小限の修正コードを尋ねてください。修正を示す前に段階的に推論を説明してください。

比較する

MiMo-V2.6-Pro-UltraSpeed
API専用モデル
1,048,576トークンのコンテキスト · $4.35/M 入力、$8.70/M 出力
MiMo-V2.6-Flash
オープンウェイトモデル
1,050,000トークンのコンテキスト · $0.14/M 入力、$0.28/M 出力
MiMo-V2.5
オープンウェイトモデル
1,050,000トークンのコンテキスト · $0.14/M 入力、$0.28/M 出力
MiMo-V2.5-Pro
オープンウェイトモデル
1,050,000トークンのコンテキスト · $0.43/M 入力、$0.87/M 出力

xiaomiの他のテキストモデル

よくある質問

MiMo-V2.6-Proのウェイトはオープンでローカル実行できますか？: はい、ウェイトはHugging FaceのXiaomiMiMo/MiMo-V2.6-Pro-RLリポジトリで公開されています。技術的にはローカル実行可能ですが、総パラメータ数が1.02兆と非常に大きいため、相当なマルチGPUハードウェアが必要です。
MiMo-V2.6-Proの価格とコンテキストウィンドウは？: XiaomiのAPI経由で入力トークン100万あたり0.43ドル、出力トークン100万あたり0.87ドルで、コンテキストウィンドウは1,050,000トークンです。
MiMo-V2.6-ProはMiMo-V2.6-Flashとどう違いますか？: 両者は同じ強化学習トレーニング実行から派生しています。Flashはより小型で高速な兄弟モデルで、Proは速度やコストよりも最大能力を重視したフラッグシップチェックポイントです。

キャプテンの評価
エージェント的かつ長コンテキスト作業向けの真剣なオープンウェイトフロンティアモデルで、価格は手頃ですがハードウェア要件は高いです。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

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: #22 Hottest Text / LLM model · #22 Hottest Text / LLM text model

Not this creator?

Get your own badge

MiMo V2.6 Pro の人気トレンド

21 Sep 2026以降のヒートスコア

ヒートスコア

9,028°

今週

▲

50.3%

8,974° 当時、9,028° 今

今月

n/a

まだリリース/追跡されていません

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,699°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で4,616,159,113,192トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計461,615です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+329°

普及率

ソースの2回の読み取り間で測定された1日あたり約24,039回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは9,028°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから461,615のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,699°
8,699°
累計合計
3
普及率を追加します。
現在、2回の計測間で約24,039ダウンロード/日で、重みは4分の1です。
+329°
9,028°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
9,028°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。