在 Tabbit 中使用 MiMo-V2.6-Flash

小米 MiMo 于 2026 年 9 月 22 日开源的效率向全模态模型，API 模型名为 mimo-v2.6-flash。官方模型卡写明 309B 总参数、15B 激活参数，以及 100 万 token 上下文。Tabbit 中的可用性以当前账号的模型选择器为准。

MiMo-V2.6-Flash · 模型速览

先看资源与证据，再决定怎么用

这里集中放置已审核的任务指南、公开测评和证据边界。客户端是否开放模型，仍以当前账户为准。

任务指南7

测评来源5

来源已核对12

编辑精选8

Tabbit 模型与权限需以当前账户核实。

模型深度阅读

完整测评 · 简体中文

MiMo-V2.6-Flash 深度测评：高吞吐自动化主力，长程规划的有条件升级

基于公开实证与技术基准对小米 MiMo-V2.6-Flash 的深度测评：解析 15B 激活 MoE 吞吐、基准局限、长程纠错悬崖、计费机制与工作负载选型。

阅读全文定价 · 简体中文

MiMo-V2.6-Flash 定价解析：官方费率表、缓存杠杆与任务成本精算

一份关于 MiMo-V2.6-Flash 定价的实用采购决策指南：官方 API 费率、Prompt 缓存经济学、MoE 高吞吐架构与大规模任务预算测算。

阅读全文

按任务找指南

把资料整理成结构化结果，制作视觉原型，或开始一个编码任务。

全部提示词与工作流

Agent 工作流 · 信息抽取来源已核对

MiMo-V2.6-Flash Web Search 工具调用工作流

对 mimo-v2.6-flash，先在 MiMo Console 启用 Web Search Plugin，再通过 OpenAI Chat Completions 的 web_search 工具调用；需要实时信息时可用 force_search: true，用 max_keyword 控制单轮并发关键词数与潜在调用成本。

准备输入: 任务目标、输入材料、工具或步骤约束、验收标准
运行环境: MiMo API 的 OpenAI Chat Completions；文档称其他 API 协议暂不支持。

查看步骤

API 配置 · Agent 工作流来源已核对

MiMo-V2.6-Flash 深度思考配置与多轮工具调用工作流

mimo-v2.6-flash 支持用 thinking.type 开关深度思考，默认开启；启用后不要自定义 temperature 或 top_p，并在多轮工具调用中完整回传历史 assistant 消息的 reasoning_content。

准备输入: 模型 ID、推理或调用参数、API 端点、任务说明、验收标准
运行环境: MiMo API 的 OpenAI Chat Completions 兼容接口；Python SDK 中 thinking 不是标准 OpenAI 参数，需放进 extra_body。

查看步骤

API 配置来源已核对

MiMo-V2.6-Flash 结构化输出：JSON 模式配置与校验工作流

官方文档将 mimo-v2.6-flash 列为 JSON mode 支持型号；调用时设置 response_format={"type": "json_object"}，并在 system 或 user message 中明确要求仅返回 JSON、完整定义字段/层级/类型。该模式只保证 JSON 语法，不保证业务结构，生产环境仍应做 JSON Schema 校验。

准备输入: 模型 ID、推理或调用参数、API 端点、任务说明、验收标准
运行环境: MiMo API；原文通过 OpenAI Python SDK 和 Curl 示例调用，示例 base_url 为 https://api.xiaomimimo.com/v1。

查看步骤

视觉原型来源已核对

MiMo-V2.6-Flash 图像理解输入与多图工作流

官方文档将 mimo-v2.6-flash 列为图像理解支持型号，可通过公开 URL 或 Base64 传入图片，并支持多图比较；文档没有提供 Flash 专属响应，因此不能把页面中的 Pro 示例输出、token 使用量或效果外推到 Flash。

准备输入: 任务目标、输入材料、工具或步骤约束、验收标准
运行环境: MiMo API 的 OpenAI Chat Completions API；原文也给出 Anthropic Messages API 的图像内容格式。示例使用 Python SDK 和 Curl。

查看步骤

阅读证据与选型边界

公开结果来自不同版本、档位和测试方法；未知值保持未知。

全部测评与来源

Xiaomi MiMo 官方文档厂商自报

MiMo-V2.6-Flash 官方基准：30 步强化学习与 Agent 结果

厂商报告称，MiMo-V2.6-Flash 在 30 步、约 75 万条累计轨迹的 RL 训练后，DeepSWE v1.1 从 48.8 提升到 65.7；官方 Agent 基准表中，Flash 在 CyberGym 得分 95.1、Terminal Bench 2.1 得分 87.6、MiMo Visual Coding 得分 71.5。以上均为小米页面披露的结果，不是独立复测。

证据类型: 厂商自报
边界: 不能据此推断所有真实业务、不同提示词、不同工具链或不同推理参数下的表现；页面未给出每项基准的样本量、完整提示词、解码设置、随机种子、硬件配置或单项 harness 映射。

查看证据原始来源

Hugging Face厂商自报

MiMo-V2.6-Flash-RL Hugging Face 官方基准与部署边界

官方模型卡将 XiaomiMiMo/MiMo-V2.6-Flash-RL 定义为 MiMo-V2.6 系列的效率平衡 checkpoint，并报告其在代码、通用 Agent、网络安全和视觉 Agent 基准上的结果；但评测硬件、样本量、完整 harness、提示词和解码设置未公开，结果应视为厂商报告，不能直接外推到所有任务或独立复现实验。

证据类型: 厂商自报
边界: 未列出的任务、不同 harness 或不同解码参数下的准确率、延迟、吞吐、成本和生产稳定性；表格中的跨模型比较也不能替代同条件独立测试。

查看证据原始来源

X（Twitter）厂商自报

MiMo-V2.6-Flash 官方 X 发布线程：Flash 的基准定位与双模型策略

该官方帖将 MiMo-V2.6-Flash 定位为与 Pro 并列的全模态模型，强调扩展强化学习、代码/通用 Agent/网络安全/视觉 Agent 能力和开放复现；附图给出 Flash 的逐项基准分，但没有公开样本量、完整 harness、硬件、提示词或解码参数，因此这些数字只能作为厂商基线。

证据类型: 厂商自报
边界: 真实业务成功率、延迟、吞吐、成本、稳定性，以及不同工具链或推理参数下的表现；也不能把 Pro 专属主张归给 Flash。

查看证据原始来源

Xiaomi

在 Tabbit 中使用 MiMo-V2.6-Flash

查看 MiMo-V2.6-Flash 的可复用 API 工作流、官方基准与社区实战反馈，判断适合的任务后直接在 Tabbit 中使用。