MiMo V2.6 Pro
9028°
اجرای مدل
پیشنهادها / تبلیغات
شیائومی | زمینه متنی 1,050,000 توکن | ورودی $0.43/M، خروجی $0.87/M. MiMo-V2.6-Pro مدل پایه پرچمدار توسعه یافته توسط شیائومی است. ساخته شده در مقیاسی بیش از 1 تریلیون پارامتر، طراحی شده تا سقف توانایی‌ها را برای بارهای کاری بسیار پیچیده افزایش دهد. این مدل دارای پنجره زمینه 1 میلیون توکن و قابلیت‌های چندرسانه‌ای بومی است. بهینه‌سازی شده برای جریان‌های کاری عامل‌محور، عملکرد برتر در کدگذاری، بصری، عمومی و سناریوهای تحقیقاتی ارائه می‌دهد و در وظایف پیچیده و بلندمدت با تعمیم قوی در طیف گسترده‌ای از کاربردهای عامل‌ها برجسته است.
راهنماهای این مدل
چطور در اکتبر ۲۰۲۶ یک مدل هوش مصنوعی انتخاب کنیم: اخبار مدل‌های بسته و سپس وزن‌های باز که ارزش دانلود دارند
بهترین مدل محلی LLM بر اساس کاربرد (اکتبر ۲۰۲۶): مدل باز مناسب برای هر کار
واقعاً چقدر VRAM برای هوش مصنوعی محلی نیاز دارم؟
وزن‌های باز در مقابل متن‌باز در مقابل فقط API: واقعاً چه کاری مجاز هستید انجام دهید
چگونه Ollama را نصب کنیم و یک هوش مصنوعی محلی را اجرا کنیم (ویندوز، مک، لینوکس)
یادداشت‌های کاپیتان
یادداشت‌ها از 2026-10-13
MiMo-V2.6-Pro مدل پرچمدار شیائومی است: یک سیستم Mixture-of-Experts پراکنده با 1.02 تریلیون پارامتر کل (42 میلیارد فعال) که متن، تصویر، ویدیو و صدا را در یک مدل واحد مدیریت می‌کند. ویژگی متمایز آن یک خط لوله یادگیری تقویتی است که به جای تنظیم جداگانه برای هر حوزه، از طریق اکتشاف به بهبود خود ادامه می‌دهد. مناسب تیم‌هایی است که گردش‌کارهای عامل‌محور پیچیده، کد با زمینه بلند یا وظایف پژوهشی دارند و هر کسی که می‌خواهد یک مدل مرزی توانمند با وزن‌های باز و قیمت زیر یک دلار به ازای هر میلیون توکن داشته باشد.
معروف به
- واقعاً همه‌جانبه: متن، تصویر، ویدیو و صدا به صورت بومی در یک مدل مدیریت می‌شوند
- پنجره متنی 1 میلیون توکن — به اندازه کافی بلند برای مخازن کامل یا اجرای چند جلسه‌ای عامل
- یک اجرای ترکیبی RL در کدنویسی، بصری، عمومی و امنیت سایبری
- وزن‌های باز در Hugging Face برای استقرار محلی یا خودمیزبان
- حلقه پاداش خودبهبوددهنده که به سمت راه‌حل‌های کوتاه‌تر و با کیفیت‌تر هدایت می‌کند
مراقب باشید
- بیش از یک تریلیون پارامتر کل — اجرای محلی این مدل نیازمند سختافزار جدی است که اکثر افراد ندارند.
- شرایط مجوز در کارت مدل مشخص نیست؛ قبل از هر استفاده تجاری مخزن Hugging Face را بررسی کنید.
- در این مقیاس، تأخیر استنتاج در تنظیمات خودمیزبان بالا خواهد بود مگر اینکه خوشه چند GPU بزرگ داشته باشید.
دستورات برای امتحان
وظیفه بازسازی چندفایلی
شما یک سرویس Python دارید که در سه فایل تقسیم شده: یک روتر FastAPI، یک فایل مدل‌های SQLAlchemy و یک فایل تسک‌های Celery. روتر مستقیماً از فایل مدل‌ها وارد می‌شود و تسک‌های Celery را به صورت خطی فراخوانی می‌کند. ساختار وابستگی را بازطراحی کن تا روتر فقط به لایه سرویس وابسته باشد، کد لایه سرویس را بنویس و هر تغییر را توضیح بده.
برنامه پژوهشی بلندمدت
نیاز دارم پنج پایگاه داده برداری متن‌باز را برای یک سیستم RAG تولیدی که 50 میلیون سند را مدیریت می‌کند، با تأخیر p95 زیر 100 میلی‌ثانیه و جستجوی ترکیبی کلیدواژه و معنایی ارزیابی کنم. یک برنامه ارزیابی ساختاریافته بساز: معیارها را تعریف کن، استراتژی مجموعه داده بنچمارک را پیشنهاد بده، تست‌های خاص برای هر معیار را فهرست کن و نحوه امتیازدهی و مقایسه نتایج را شرح بده.
رفع اشکال با تصویر و کد
یک اسکرین‌شات از traceback پایتون یا نموداری با خروجی غیرمنتظره پیوست می‌کنم. توضیح بده کد چه کاری باید انجام دهد، سپس بپرس: علت این خطا یا ناهنجاری چیست و حداقل تغییر کد برای رفع آن چیست؟ گام به گام استدلال خود را قبل از ارائه راه‌حل توضیح بده.
مقایسه با
- MiMo-V2.6-Pro-UltraSpeedمدل فقط APIمتن زمینه 1,048,576 توکن · ورودی $4.35/M، خروجی $8.70/M
- MiMo-V2.6-Flashمدل با وزن‌های بازمتن زمینه 1,050,000 توکن · ورودی $0.14/M، خروجی $0.28/M
- MiMo-V2.5مدل با وزن‌های بازمتن زمینه 1,050,000 توکن · ورودی $0.14/M، خروجی $0.28/M
- MiMo-V2.5-Proمدل با وزن‌های بازمتن زمینه 1,050,000 توکن · ورودی $0.43/M، خروجی $0.87/M
مدل‌های متنی بیشتر از xiaomi
سؤالات متداول
- آیا وزنها باز هستند و میتوانم MiMo-V2.6-Pro را محلی اجرا کنم؟
- بله، وزنها در Hugging Face تحت مخزن XiaomiMiMo/MiMo-V2.6-Pro-RL منتشر شدهاند. اجرای محلی از نظر فنی ممکن است اما به سختافزار چند GPU قابل توجهی نیاز دارد با توجه به تعداد کل پارامتر 1.02 تریلیون.
- هزینه MiMo-V2.6-Pro چقدر است و پنجره متنی آن چقدر است؟
- از طریق API شیائومی قیمت آن 0.43 دلار به ازای هر میلیون توکن ورودی و 0.87 دلار به ازای هر میلیون توکن خروجی است، با پنجره متنی 1,050,000 توکن.
- MiMo-V2.6-Pro چگونه با MiMo-V2.6-Flash تفاوت دارد؟
- هر دو از یک اجرای آموزش RL یکسان آمدهاند؛ Flash نسخه کوچکتر و سریعتر است. Pro نقطه بررسی پرچمدار است که برای حداکثر توانمندی در وظایف سنگین بهینه شده است نه سرعت یا هزینه.
حکم کاپیتانیک مدل مرزی جدی با وزن‌های باز برای کارهای عامل‌محور و بلندمدت — قیمت مناسب است اما نیاز سخت‌افزاری ساده نیست.
کارت مدل در Hugging Face
کاپیتان این یادداشت‌ها را از توضیحات مدل و کارت مدل نوشته است. قیمت‌ها و اندازه متن زمینه مربوط به ارائه‌دهنده در زمان نوشتن است و ممکن است تغییر کند.
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.
Also ranked: #22 Hottest Text / LLM model · #22 Hottest Text / LLM text model
Not this creator?
Get your own badge
روند محبوبیت MiMo V2.6 Pro
امتیاز حرارتی از 21 Sep 2026
امتیاز داغی
9,028°
این هفته
▲
50.3%
8,974° آن زمان، 9,028° الان
این ماه
n/a
هنوز منتشر/ردیابی نشده
سال گذشته
n/a
هنوز منتشر/ردیابی نشده
7,000°
کف
مقیاس از 0° تا 9,999° است. هر چیزی زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود: مدلی با داده واقعی ولی تقریباً بدون دانلود روی کف قرار می‌گیرد و اندازه‌گیری‌ها درجه‌های بالاتر را پر می‌کنند. کف درباره مدل چیزی نمی‌گوید؛ فقط درجه‌های بالاتر این کار را می‌کنند و آنها هستند که مدل‌ها را از هم جدا می‌کنند.
+1,699°
توکن‌های OpenRouter
4,616,159,113,192 توکن این مدل در ۳۰ روز گذشته از طریق OpenRouter پردازش شده است، شامل درخواست‌ها و پاسخ‌ها. هر 10,000,000 توکن به عنوان یک دانلود در دوره دانلود حساب می‌شود، مجموعاً 461,615؛ توکن‌های روز آخر به نرخ پذیرش اضافه می‌شوند. منبع: OpenRouter (openrouter.ai/rankings).
+329°
نرخ پذیرش
حدود 24,039 دانلود در روز، اندازه‌گیری شده بین دو خوانش از منابع، هرگز حدس زده نشده از میانگین عمر. سرعت یک چهارم عامل دانلود وزن دارد، پس یک جهش تازه نشان داده می‌شود بدون اینکه یک جهش یک روزه بالاتر از سال‌ها استفاده قرار بگیرد.
نمایش جزئیات
هر عدد در این سایت قابل بررسی است. امتیاز حرارت این مدل 9,028° است و اینجا به صورت مرحله به مرحله ساخته شده، با مجموع جاری بعد از هر مرحله: کف، درجه‌هایی که هر منبع اضافه می‌کند، جایزه برای نوع مدل و چیزی که سن وزنها کم می‌کند. رنگ‌ها همان بازه‌های نمودار بالاست. واژه‌نامه در انتها هر اصطلاح را تعریف می‌کند.
- 1از کف شروع کن.چرا 7,000° و نه صفر: مقیاس از 0° تا 9,999° است و بخش زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند و هیچ‌وقت بالاتر از مدلی با داده قرار نگیرند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود. مدلی با داده واقعی ولی تقریباً بدون دانلود اینجا قرار می‌گیرد؛ هر چیزی که بعد از آن می‌آید اندازه‌گیری است و فضای بالای کف ده مرحله ده برابر در دانلودها دارد که هر کدام 300° است. کف برای همه مدل‌ها یکسان است، پس تصمیم‌گیرنده نیست؛ درجه‌های بالاتر این کار را می‌کنند.7,000°جمع جاری
- 2دانلودها را اضافه کن.461,615 معادل دانلود در کل، از توکن‌های OpenRouter. ده برابر کردن دانلودها همان 300° را اضافه می‌کند، پس اندازه مهم است اما هرگز امتیاز را به خودش نمی‌برد.+1,699°8,699°جمع جاری
- 3نرخ پذیرش را اضافه کن.حدود 24,039 دانلود در روز همین الان، اندازه‌گیری شده بین دو خوانش، با یک چهارم وزن.+329°9,028°جمع جاری
- =امتیاز حرارت.جایی که این مدل در هر فهرست این سایت قرار دارد. هیچ چیز دیگری آن را تنظیم نمی‌کند.9,028°
واژه‌نامه: اصطلاحات استفاده شده اینجا
- امتیاز حرارت
- یک عدد برای اینکه چقدر یک مدل الان استفاده و خواسته می‌شود، از 0° تا 9,999°. هر فهرستی در این سایت که می‌گوید داغ‌ترین‌ها بر اساس آن مرتب شدهاند و هیچ چیز دیگری.
- کف
- 7,000° که هر مدل با داده واقعی از آن شروع می‌کند. مقیاس از 0° تا 9,999° است؛ بخشی که زیر کف است برای جایگزین‌ها (مدل‌هایی بدون داده) محفوظ است، تا مدلی با داده همیشه بالاتر از مدلی بدون داده باشد. کف برای همه یکسان است و هیچ تصمیمی نمی‌گیرد؛ درجه‌های بالاتر اندازه‌گیری هستند.
- معادل‌های دانلود
- هر چیزی که امتیاز به عنوان دانلود حساب می‌کند، جمع شده: خود دانلودها، هر تورنت سیدر به عنوان 1,000، هر تصویر AI Horde و هر اجرا روی سایت تولید به عنوان یکی.
- مقیاس لگاریتمی
- شمارش به صورت ده‌تایی، نه یکی‌یکی: رفتن از 1,000 به 10,000 دانلود همان درجه‌ها را اضافه می‌کند که رفتن از 10,000 به 100,000. این باعث می‌شود غول‌ها همه چیز را نبلعند.
- لایک‌ها
- تایید و لایک از هر منبع، هر کدام نصف وزن یک دانلود در مقیاس لگاریتمی.
- نرخ پذیرش
- چند دانلود در روز یک مدل همین الان می‌گیرد، از تفاوت بین دو خوانش یک منبع. یک چهارم وزن بخش دانلود.
- اندازه‌گیری شده و تخمینی
- اندازه‌گیری شده یعنی دو خوانش از یک منبع وجود دارد و تفاوت واقعی است. تخمینی یعنی فقط مجموع امروز معلوم است و گذشته به صورت مدل در طول عمر آن پخش شده؛ سایت می‌گوید کدام را نشان می‌دهد.
- سیدر
- کسی که یک نسخه از وزنها را به صورت آنلاین نگه می‌دارد تا دیگران از طریق تورنت دانلود کنند، یا یک آینه میزبانی شده که همین کار را می‌کند. هر کدام به اندازه ۱۰۰۰ دانلود حساب می‌شود.
- AI Horde
- یک شبکه داوطلبانه که تصاویر را به صورت رایگان روی کامپیوترهای اهدایی تولید می‌کند. تعداد تصاویری که با یک مدل ساخته شده عمومی است و هر کدام به عنوان یک دانلود حساب می‌شود.
- سایت‌های تولید
- سایت‌هایی که نسخه‌های خودشان از یک مدل را میزبانی می‌کنند و به مردم اجازه می‌دهند با آن تولید کنند، مثل PixAI، SeaArt و Yodayo. دانلودهای آنها مثل Civitai حساب می‌شود و هر بار تولید به عنوان یک دانلود محسوب می‌شود.
- توکن‌های OpenRouter
- یک مدل متنی که از طریق API ارائه می‌شود، مانند Claude یا GPT، وزن‌هایی برای دانلود ندارد، بنابراین استفاده آن بر اساس توکن‌ها اندازه‌گیری می‌شود: قطعات متنی که در ۳۰ روز گذشته از طریق OpenRouter خوانده و نوشته است. هر 10,000,000 توکن به عنوان یک دانلود حساب می‌شود. منبع: OpenRouter (openrouter.ai/rankings)، CC BY 4.0.
- مدل کامل (چک‌پوینت)
- خود وزنها، فایلی که به تنهایی تولید می‌کند. یک امتیاز اضافی می‌گیرد چون افزونه‌ها به آن وابسته‌اند.
- LoRA و امبدینگ
- فایل‌های کوچک افزونه که وزن‌های دیگران را به سمت یک سبک، شخصیت یا مفهوم هدایت می‌کنند. نمی‌توانند به تنهایی اجرا شوند.
- خانواده و وزنها
- پایه‌ای که مدل روی آن ساخته شده، مثل SD 1.5، SDXL، Flux یا Wan. هر مدل تاریخ انتشار وزن‌های خانواده‌اش را به ارث می‌برد.
- سن
- درجه‌هایی که به خاطر مدت زمان گذشته از انتشار وزن‌های خانواده کم می‌شود: ۱۵۰ درجه در سال، تا ۷۵۰ درجه. دانلودهای قدیمی که سال‌ها فرصت جمع شدن داشتند را نگه می‌دارد تا بالای لیست ثابت بمانند.
- تقویت خانواده
- یک فشار کوچک و محدود برای LoRAهای یک خانواده که این سایت الان به جلو می‌برد، همیشه در جزئیات لیست شده.
- امتیاز جایگزین
- یک عدد پایدار زیر حداقل که به مدلی داده می‌شود که هنوز هیچ منبعی درباره‌اش گزارش نداده، تا لیست‌ها کامل بمانند. هیچ‌وقت بالاتر از مدلی با داده رتبه نمی‌گیرد.
- جدید! (دوره گذار)
- مدلی که کمتر از 7 روز از عمرش گذشته باشد، به جای امتیاز، عبارت جدید! را نشان می‌دهد و در رتبه‌بندی جایگاهی ندارد. امتیاز آن از روز اول محاسبه می‌شود، اما مدلی که یک روزه است سریعتر از هر چیز دیگری رشد می‌کند، بنابراین بدون این انتظار، مدل #1 هفته همیشه مدلی بود که دیروز منتشر شده بود نه مدلی که یک هفته دوام آورده باشد.
- روند
- رشد یک مدل در یک دوره چطور نسبت به رشد معمول مدل‌ها در همان دوره است. سریعتر از معمول یعنی افزایش، کندتر یعنی کاهش.
- مدل معمولی
- وسط فهرست: نصف مدل‌ها با عددی که دارند سریعتر رشد کردند و نصف کندتر.
چطور محبوبیت این مدل نسبت به بقیه کاتالوگ تغییر کرده: رشد دانلودها، لایک‌ها و استفاده در هر دوره، نسبت به رشد معمول مدل‌ها در همان دوره، همراه با امتیاز حرارت آن زمان. بالاتر از رشد معمول یعنی افزایش، پایین‌تر یعنی کاهش. گذشته از روی مجموع‌های امروز، روز اول مدل و سرعت دانلود اندازه‌گیری شده وقتی دو داده وجود دارد بازسازی شده؛ مدلی که در شروع دوره وجود نداشته باشد n/a نشان می‌دهد.
MiMo V2.6 Pro یک مدل متنی برای خانواده Text / LLM است که در ModelTrends.ai، کاتالوگ فقط‌خواندنی مدل‌های هوش مصنوعی متن‌باز تصویر، ویدئو و متن، فهرست شده است. آن را با دیگر مدل‌های Text / LLM مقایسه کنید و امتیاز داغی آن را ببینید.
مرور بر اساس خانواده مدل
مدل‌های Text / LLM
434
مدل‌های Anima
528
مدل‌های Chroma
19
مدل‌های Fibo
2
مدل‌های Flux
1,496
مدل‌های Flux 2 / Klein
1,239
مدل‌های Flux 3
3
مدل‌های Moss
3
مدل‌های Iris
1
مدل‌های MiniMax H3
364
مدل‌های Hunyuan
204
مدل‌های Ideogram
20
مدل‌های Krea2
717
مدل‌های Qwen
20
مدل‌های Qwen2
47
مدل‌های Ltx2
153