Xiaomi: MiMo-V2.6-Pro

Xiaomi: MiMo-V2.6-Pro es el modelo fundacional insignia de Xiaomi, construido a una escala de más de 1T de parámetros. Se sitúa en la categoría de texto y su fabricante lo posiciona como un modelo diseñado para empujar el techo de capacidad para el trabajo más exigente. Si estás evaluando modelos para una carga de trabajo de producción, esta es la opción de gama más alta en la línea MiMo de Xiaomi, en lugar de una variante ligera o económica.

El modelo acepta texto, imagen, vídeo y audio como entrada, y devuelve texto. Esa combinación lo hace multimodal en el lado de la entrada mientras mantiene la generación solo de texto, por lo que encaja en canalizaciones donde se introducen medios mixtos y se espera recibir análisis escritos, resúmenes o respuestas. La ventana de contexto es de 1.050.000 tokens, lo cual es suficientemente grande para contener documentos muy largos, transcripciones extensas o contexto amplio derivado de medios en una sola solicitud. La salida máxima es de 131.072 tokens, por lo que la generación de formato largo es práctica sin encadenar muchas llamadas.

Esas capacidades apuntan a algunos usos concretos. El trabajo con documentos de contexto largo es un encaje obvio: revisión de contratos, síntesis de investigación o razonamiento sobre bases de código grandes donde todo el corpus necesita permanecer a la vista. Como se aceptan imágenes, vídeo y audio como entrada, puedes construir flujos de trabajo que resuman reuniones grabadas, describan o consulten contenido de vídeo, o extraigan información estructurada de documentos escaneados y capturas de pantalla. El llamamiento a herramientas y las salidas estructuradas lo hacen utilizable como el núcleo de razonamiento de un agente que necesita llamar a funciones y devolver resultados legibles por máquina, y el parámetro reasoning te permite mostrar el pensamiento intermedio cuando una tarea se beneficia de ello.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "xiaomi/mimo-v2.6-pro". Como la interfaz es compatible con OpenAI, los clientes y SDK existentes funcionan con un cambio de URL base. El modelo admite frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k, min_p, seed, stop, logit_bias, max_tokens, response_format, structured_outputs, tools, tool_choice, reasoning e include_reasoning. Los controles de muestreo, el determinismo mediante seed y la salida restringida por herramientas o esquemas están todos disponibles, por lo que puedes ajustar el comportamiento por solicitud en lugar de aceptar valores predeterminados fijos.

Lo principal que hay que sopesar es el alcance. Este es un modelo insignia, y la lista de parámetros admitidos cubre solo controles de generación de texto; la salida es texto, por lo que las tareas que necesitan imágenes, audio o vídeo generados quedan fuera de alcance aquí. Si tu carga de trabajo consiste en prompts cortos con contexto modesto, un modelo más pequeño puede ser el valor predeterminado más sensato, y este es mejor reservarlo para casos que realmente usen el contexto largo o la entrada multimodal.