MiMo-V2.6-Flash 图像理解输入与多图工作流

一句话结论

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。

适用场景

• 适合的任务：图片描述、分类、单图问答，以及在同一请求中比较多张图片的联系与差异。

• 不适合的任务：依赖本地文件直接上传的流程；官方 FAQ 明确说明当前不支持本地图片文件上传。也不要把 Pro 示例结果当成 Flash 的效果保证。

• 适用的模型版本：mimo-v2.6-flash。原文支持列表还列出 mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed 和 mimo-v2.5；这些型号仅作为版本边界记录。

• 适用的客户端、Agent 或 API：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。

• 推荐的推理档位和参数：原文示例使用 max_completion_tokens=1024，但示例模型是 Pro，不代表 Flash 的最优值。按任务输出长度设置，并根据图片数量和上下文长度控制输入规模。

可直接使用的内容

下面是按官方支持列表将请求模型设置为 mimo-v2.6-flash 的复现骨架。官方页面的完整代码和响应示例均使用 mimo-v2.6-pro，因此这段代码表达的是 Flash 的官方支持范围与请求格式，不是官方提供的 Flash 实测响应。

公开 URL 输入（OpenAI Chat Completions）

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MIMO_API_KEY"),
    base_url="https://api.xiaomimimo.com/v1",
)

completion = client.chat.completions.create(
    model="mimo-v2.6-flash",
    messages=[
        {
            "role": "system",
            "content": "You are MiMo, an AI assistant developed by Xiaomi.",
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.png",
                    },
                },
                {
                    "type": "text",
                    "text": "Please describe the content of the image.",
                },
            ],
        },
    ],
    max_completion_tokens=1024,
)

print(completion.model_dump_json())

Base64 输入

公开 URL 不可用时，先读取图片并编码，再把以下形式作为 image_url.url 传入：

data:{MIME_TYPE};base64,$BASE64_IMAGE

其中 {MIME_TYPE} 替换为实际 MIME 类型，$BASE64_IMAGE 只放图片文件的纯 Base64 内容，不要重复添加前缀。Anthropic Messages API 则使用 type: "image"、source.type: "base64"、source.media_type 和 source.data 字段。

多图输入

在同一个 user message 的 content 数组中放入多个 image_url 内容块；图片可以混用公开 URL 和 Base64。随后加入明确的比较任务，例如：

Please describe the connections and differences between these two pictures.

测试或工作流步骤

1. 准备 MiMo API Key，并使用 https://api.xiaomimimo.com/v1。

2. 将 model 设置为 mimo-v2.6-flash；不要把 Pro、Pro UltraSpeed 或旧版模型的响应当作 Flash 结果。

3. 根据数据条件选择输入方式：已有公网资源用公开 URL；无法公网访问的图片用带 MIME 前缀的 Base64 Data URL。

4. 在同一 user message 中按顺序放入图片内容块和文字任务；多图任务应明确要求描述、分类、比较或提取什么。

5. 发送请求并读取响应；需要稳定下游处理时，先约束输出格式，再在客户端解析和校验。

6. 在客户端记录实际 API 响应中的 usage，不要用估算值替代真实图片 token 消耗。

原始证据与数据

• 模型支持：页面的 Supported models 明确列出 mimo-v2.6-flash，并同时列出 mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed 和 mimo-v2.5。

• 输入方式：支持公开可访问的图片 URL 和 Base64 编码；多图可以同时传入 URL 或 Base64。

• 图片格式：JPEG、PNG、GIF、WebP、BMP。

• 单图大小：URL 方式单张图片不超过 50 MB；Base64 方式单张图片的 Base64 字符串不超过 50 MB。

• 多图限制：图片数量受模型上下文长度限制，所有图片和文本的总 token 必须小于模型上下文长度。

• 本地文件：FAQ 明确说明 mimo-v2.6-flash、mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed 和 mimo-v2.5 当前都不支持上传本地图片文件。

• 官方示例的版本边界：Quick Start、URL、Base64 和多图代码中的 model 均为 mimo-v2.6-pro；示例响应的 model 也是 mimo-v2.6-pro，其中的 completion_tokens、prompt_tokens、image_tokens 和描述文本不是 Flash 数据。

• 图片 token 估算：原文给出 PATCH_SIZE=16、SPATIAL_MERGE_SIZE=2、IMAGE_MIN_PIXELS=8192、IMAGE_MAX_PIXELS=8388608。图像尺寸按 32 像素因子取整，超过上限时缩小、低于下限时放大，再按 num_tokens = (grid_t * grid_h * grid_w) / (SPATIAL_MERGE_SIZE ** 2) 估算；实际消耗以 API 响应为准。

• 页面时间：页面正文显示 Update Time September 22, 2026，未单独公开发布日期。

适用边界

• mimo-v2.6-flash 的证据是官方支持列表；页面没有 Flash 专属输入、响应、延迟、质量或 token 基线。

• max_completion_tokens=1024 只出现在 Pro 示例中，不能据此声称是 Flash 的推荐参数。

• 图片 URL 必须能被服务端访问；不能把浏览器本地路径当成公网 URL。

• Base64 的 50 MB 限制针对编码后的字符串；编码会增加体积，应在发送前检查实际大小。

• 多图请求还受上下文长度约束，不能仅按单图大小判断是否可发送。

• 图片 token 公式是估算工具，不能替代 API 返回的真实计量。

• 不应把 mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed 或 mimo-v2.5 的输出质量、推理 token 和性能外推到 mimo-v2.6-flash。

复现说明

1. 打开原文，确认 Supported models 中仍包含 mimo-v2.6-flash，并核对页面更新时间。

2. 准备一张符合格式和大小限制的公网图片，或生成带 MIME 前缀的 Base64 Data URL。

3. 使用上面的 Chat Completions 结构，将 model 保持为 mimo-v2.6-flash，提交一个描述或比较任务。

4. 保存原始响应和 usage 字段；将其标记为 Flash 的独立复现结果，不要引用官方 Pro 示例响应作为结果。

5. 若需估算图片 token，按原文代码计算后，再与 API 返回值对照；以 API 返回值为准。