MiMo V2.6 Pro Modell-Übersicht

MiMo V2.6 Pro ist das Flaggschiff der neuen MiMo-V2.6-Generation von Xiaomi, veröffentlicht am 21. September 2026 zusammen mit dem kleineren MiMo V2.6 Flash als Open Weights Modell unter MIT-Lizenz. Das Sparse-Mixture-of-Experts-Modell (MoE) hat rund 1,02 Billionen Parameter, von denen pro Token 42 Mrd. aktiv sind. Es verarbeitet Text, Bild, Audio und Video nativ in einem Kontextfenster von 1 Mio. Token und ist auf langlaufende Agenten-Aufgaben und Software-Engineering ausgelegt. Zusätzlich veröffentlicht Xiaomi über 7.000 RL-Umgebungen samt Trainings-Framework. Im Artificial Analysis Intelligence Index ist V2.6 Pro zum Release das stärkste Open Weights Modell und liegt nur knapp hinter GPT-6 Sol; gegenüber V2.5 Pro legt es dort um 20 Punkte zu. Mit $0,435 / $0,87 pro 1 Mio. Input-/Output-Token kostet es genauso viel wie DeepSeek V4 Pro, das allerdings nur Text versteht. Nach unserer Einschätzung ist MiMo V2.6 Pro derzeit das spannendste offene Modell, gerade für multimodale Agenten. Die Agenten-Benchmarks stammen allerdings überwiegend von Xiaomi selbst, und für Self-Hosting braucht es Datacenter-Hardware.

API Dokumentation Hugging Face Blog

Features & Modalitäten

Nicht verfügbar

WebsucheQuellenangaben

Verfügbar

ReasoningToolsMultimodalitätStrukturierte AusgabenFinetuning

Input:TextBildAudioVideo

Output:TextJson

Details zum Modell

1,05 Mio. Token

131,07k Token

0,44 $

0,87 $

1.020 Mrd.

Kosten berechnen Geschwindigkeit testen

MiMo V2.6 Pro Benchmark Scores

Auf einen Blick

46,3 Pkt.Rang 25 von 33

Stärken

Top 3Cybersecurity

Top 3Programmierung

MiMo V2.6 Pro Benchmark Übersicht

MiMo V2.6 Pro Performance im Vergleich zu anderen KI-Modellen

Benchmark	MiMo V2.6 Pro	MiMo V2.6 Flash	Grok 4.7	Claude Opus 5.5	GPT-6 Sol	GPT-6 Luna	DeepSeek V4.1 Flash
AA-OmniscienceWissen & Sprache	8,4 Pkt.	—	32 Pkt.	0,6 Pkt.	—	—	—
Artificial Analysis Intelligence IndexLogik & Schlussfolgerung	46,3 Pkt.	—	46,5 Pkt.	57,6 Pkt.	48 Pkt.	—	—
CyberGymCybersecurity	94 %	95,1 %	—	—	—	—	88,1 %
GDPval-AAAgentische Aufgaben	1.673,2 ELO	—	1.695,2 ELO	1.846 ELO	1.487 ELO	—	—
Humanity's Last ExamWissen & Sprache	49,4 %	—	43,1 %	67,7 %	—	—	36,8 %
OSWorld-VerifiedAgentische Aufgaben	82 %	80,8 %	—	—	—	—	—
Terminal-Bench 2.1Programmierung	89,9 %	87,6 %	76 %	—	—	—	90,6 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark AA-Omniscience. Der niedrigste Score im Benchmark ist -100 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	43,45 %
GPT-6 Astra	43,4 %
Grok 4.7	32,03 %
Grok 4.6	30,48 %
Gemini 3.8 Flash	29,55 %
Gemini 3.6 Flash	23,5 %
Muse Spark 1.2	21,53 %
Nemotron 3.5 Lightning 30B	17,5 %
GLM-5.3	14,3 %
MiMo V2.6 Pro	8,38 %
Gemini 3.5 Flash-Lite	6,9 %
Qwen3.8 2.4T A95B	3,4 %
Inkling	2,1 %
DeepSeek V4 Pro 0813	0,8 %
Claude Opus 5.5	0,58 %
Claude Opus 5	0,49 %
Inkling-Small	-9 %
DeepSeek V4 Flash 0731	-15,7 %
GPT-5.6 Terra	-21,67 %
Muse Glimmer 30B	-32,85 %

Vergleich von LLMs im Benchmark AA-Omniscience. Der niedrigste Score im Benchmark ist -100 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	65,65 %
Muse Spark 1.3	62 %
GPT-6 Astra	61,2 %
Claude Opus 5	61 %
Grok 4.6	60,92 %
GLM-5.3	59,5 %
Gemini 3.8 Flash	58,68 %
Qwen3.8 2.4T A95B	58,1 %
Claude Opus 5.5	57,6 %
Muse Spark 1.2	54,07 %
DeepSeek V4 Pro 0813	53 %
Gemini 3.6 Flash	50,1 %
DeepSeek V4 Flash 0731	49,9 %
GPT-6 Sol	48 %
Grok 4.7	46,45 %
MiMo V2.6 Pro	46,32 %
Inkling-Small	40 %
Gemini 3.5 Flash-Lite	36,5 %
Muse Glimmer 30B	35,06 %
Nemotron 3.5 Lightning 30B	24 %

Vergleich von LLMs im Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark CyberGym. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
MiMo V2.6 Flash	95,1 %
MiMo V2.6 Pro	94 %
DeepSeek V4.1 Flash	88,1 %
GLM-5.3	84,5 %
GPT-5.6 Sol	84,5 %
DeepSeek V4 Pro 0813	83,3 %
GPT-5.6 Terra	81,8 %
GPT-5.5	81,8 %
Claude Opus 4.8	78,8 %
Tencent Hy4 Preview	78,4 %
GPT-5.6 Luna	77,9 %
DeepSeek V4 Flash 0731	76,7 %
Claude Opus 4.7	73,1 %
GLM-5.1	68,7 %
Muse Spark 1.1	59 %
Claude Sonnet 5	52,7 %

Vergleich von LLMs im Benchmark CyberGym. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	1.861 %
Claude Fable 5.1	1.853 %
Claude Opus 5.5	1.846 %
GLM-5.3	1.758,29 %
Muse Spark 1.3	1.754 %
Grok 4.6	1.749,18 %
Grok 4.7	1.695,21 %
Tencent Hy4 Preview	1.678 %
MiMo V2.6 Pro	1.673,19 %
Muse Spark 1.2	1.631 %
DeepSeek V4 Pro 0813	1.577 %
DeepSeek V4 Flash 0731	1.558,61 %
Gemini 3.8 Flash	1.545 %
GPT-6 Sol	1.487 %
Inkling-Small	1.269 %
Gemini 3.5 Flash-Lite	1.140 %
Muse Glimmer 30B	953 %
Nemotron 3.5 Lightning 30B	824 %
Qwen3.8 2.4T A95B	61,85 %
GPT-6 Astra	56,5 %

Vergleich von LLMs im Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5.5	67,7 %
GLM-5.3	62,5 %
Claude Fable 5.1	60,9 %
GPT-6 Astra	57,2 %
Claude Opus 5	56,3 %
MiMo V2.6 Pro	49,35 %
Gemini 3.8 Flash	47,82 %
Muse Spark 1.2	43,93 %
Qwen 3.8 Max	43,6 %
Qwen3.8 2.4T A95B	43,6 %
Tencent Hy4 Preview	43,4 %
Grok 4.7	43,14 %
Grok 4.6	42,91 %
DeepSeek V4 Pro 0813	42,7 %
DeepSeek V4.1 Flash	36,8 %
DeepSeek V4 Flash 0731	36,8 %
Inkling-Small	31,6 %
Qwen3.8 27B	30,8 %
Muse Glimmer 30B	22 %
Nemotron 3.5 Lightning 30B	11,72 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark OSWorld-Verified. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Qwen 3.8 Max	86,1 %
Qwen3.8 2.4T A95B	86,1 %
Claude Fable 5	85 %
Qwen3.8 27B	84,3 %
Claude Opus 4.8	83,4 %
Gemini 3.6 Flash	83 %
MiMo V2.6 Pro	82 %
Claude Sonnet 5	81,2 %
MiMo V2.6 Flash	80,8 %
Muse Spark 1.1	80,8 %
Claude Mythos Preview	79,6 %
GPT-5.5	78,7 %
Gemini 3.5 Flash	78,4 %
Claude Opus 4.7	78 %
GPT-5.4	75 %
Gemini 3.5 Flash-Lite	74 %
Kimi K2.6	73,1 %
MiniMax-M3	70,06 %
Muse Glimmer 30B	65,9 %
GPT-5.4 mini	42 %

Vergleich von LLMs im Benchmark OSWorld-Verified. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	91,39 %
DeepSeek V4.1 Flash	90,6 %
MiMo V2.6 Pro	89,9 %
Gemini 3.8 Flash	89,4 %
Muse Spark 1.3	88,8 %
GPT-6 Astra	88,4 %
Grok 4.6	88,39 %
GLM-5.3	88,2 %
DeepSeek V4 Pro 0813	87,9 %
MiMo V2.6 Flash	87,6 %
Qwen 3.8 Max	86,6 %
Qwen3.8 2.4T A95B	86,6 %
Tencent Hy4 Preview	85,4 %
Muse Spark 1.2	82,9 %
DeepSeek V4 Flash 0731	82,7 %
Grok 4.7	76,03 %
Qwen3.8 27B	73 %
Inkling-Small	64,7 %
Muse Glimmer 30B	51,7 %
Nemotron 3.5 Lightning 30B	24,58 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Sparse MoE-Transformer
Input Kontextlänge	1,05 Mio.
Output Kontextlänge	131,07k
Tokenizer	Unbekannt

Besonderheiten

Omnimodale Eingabe	Verarbeitet Text, Bild, Audio und Video in einem einzigen Modell.
Hybrid Attention (SWA + GA)	Kombiniert Sliding-Window- und Global-Attention für effizienten Langkontext.
Offener RL-Stack	Über 7.000 RL-Umgebungen und ein End-to-End-Framework für Reinforcement Learning.

Vorteile & Nachteile

Vorteile

Stärkstes Open Weights Modell
Im Artificial Analysis Intelligence Index führt V2.6 Pro zum Release alle offenen Modelle an und liegt nur knapp hinter GPT-6 Sol. Gegenüber V2.5 Pro ist das ein Sprung um 20 Punkte.
Sehr günstiges Pricing
Mit $0,435 / $0,87 pro 1 Mio. Input-/Output-Token liegt V2.6 Pro um ein Vielfaches unter westlichen Frontier-Modellen. Cache-Hits senken den Input-Preis um bis zu 99 %.
Omnimodal mit 1 Mio. Token Kontext
Text, Bild, Audio und Video werden nativ in einem Kontextfenster von 1 Mio. Token verarbeitet. Das deckt deutlich mehr Modalitäten ab als die meisten offenen Modelle.
Open Weights unter MIT-Lizenz
Die Gewichte stehen auf Hugging Face bereit und lassen sich kommerziell nutzen, finetunen und selbst hosten. Dazu liefert Xiaomi über 7.000 RL-Umgebungen und das zugehörige Trainings-Framework.

Nachteile

Hoher Hardware-Bedarf beim Self-Hosting
Mit rund 1,02 Billionen Parametern ist lokales Deployment nur auf Multi-GPU-Datacenter-Hardware realistisch. Kleinen Teams nützen die offenen Gewichte daher wenig.
Benchmark Scores noch unbelegt
Werte wie 89,9 % in Terminal-Bench 2.1 oder die Einordnung auf dem Niveau von Claude Opus 5 stammen von Xiaomi selbst. Unabhängige Messungen gibt es bislang vor allem von Artificial Analysis.
Dünne Detaildokumentation
Tokenizer, Trainingsvolumen und Knowledge Cutoff dokumentiert Xiaomi nicht. Einige Architekturangaben lassen sich nur vom Vorgänger V2.5 Pro ableiten.

Vergleiche MiMo V2.6 Pro mit anderen LLMs

Vergleiche MiMo V2.6 Pro mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Intelligence-Index ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
Xiaomi	MiMo V2.6 Pro	MIT	46,3	1,05 Mio.	131,07k	0,44 $	0,87 $	21.09.2026
OpenAI	GPT-6 Sol	Proprietär	48	1,05 Mio.	128k	2,00 $	10,00 $	22.09.2026
Anthropic	Claude Opus 5.5	Proprietär	57,6	1 Mio.	128k	4,00 $	20,00 $	22.09.2026
OpenAI	GPT-6 Luna	Proprietär	–	1,05 Mio.	128k	0,10 $	0,50 $	22.09.2026
xAI	Grok 4.7	Proprietär	46,5	500k	500k	2,00 $	6,00 $	21.09.2026
Xiaomi	MiMo V2.6 Flash	MIT	–	1,05 Mio.	131,07k	0,14 $	0,28 $	21.09.2026
DeepSeek AI	DeepSeek V4.1 Flash	MIT	–	1 Mio.	384k	0,15 $	0,60 $	10.09.2026
OpenAI	GPT-6 Astra	Proprietär	61,2	1,05 Mio.	128k	10,00 $	50,00 $	04.09.2026
Google DeepMind	Gemini 3.8 Flash	Proprietär	58,7	1 Mio.	65,54k	0,75 $	3,75 $	02.09.2026
Meta AI	Muse Spark 1.3	Proprietär	62	1,05 Mio.	1,05 Mio.	1,25 $	4,25 $	02.09.2026

‌
Alle Modelle vergleichen

MiMo V2.6 Pro ausprobieren

Du musst kein Entwickler sein: MiMo V2.6 Pro ist auch direkt in MiMo nutzbar.

MiMo

MiMo öffnen

Provider & APIs

Du kannst Xiaomi MiMo V2.6 Pro über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.

Häufige Fragen zu MiMo V2.6 Pro

Kann ich MiMo V2.6 Pro kostenlos nutzen?

Ja, MiMo V2.6 Pro ist in MiMo auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist MiMo V2.6 Pro Open Source?

MiMo V2.6 Pro wird unter der Lizenz „MIT“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.

Welche Eingabeformate versteht MiMo V2.6 Pro?

MiMo V2.6 Pro verarbeitet folgende Eingabeformate: Text, Bild, Audio, Video.

Was kostet MiMo V2.6 Pro über die API?

Über die API kostet MiMo V2.6 Pro 0,44 $ pro 1 Mio. Input-Token und 0,87 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von MiMo V2.6 Pro?

MiMo V2.6 Pro verarbeitet bis zu 1,05 Mio. Token in einer Anfrage.

MiMo V2.6 Pro Modell-Übersicht

Features & Modalitäten

Details zum Modell