MiMo-V2.6-Flash 深度思考配置与多轮工具调用工作流

一句话结论

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。

适用场景

• 适合的任务：复杂推理、代码生成、数学计算和多步分析。

• 不适合的任务：对响应延迟或输出预算特别敏感、且不需要深度分析的简单问答；官方说明启用深度思考会增加延迟。

• 适用的模型版本：mimo-v2.6-flash。原文同列 mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed、mimo-v2.5-pro 和 mimo-v2.5；本文不把这些版本的示例响应当作 Flash 数据。

• 适用的客户端、Agent 或 API：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。

• 推荐的推理档位和参数：文档未提供 Flash 专属推理档位。thinking.type 使用 enabled 或 disabled；深度思考模式下有效 temperature=1.0、top_p=0.95，不支持自定义。

可直接使用的内容

下面是按官方支持列表将示例模型 ID 替换为 mimo-v2.6-flash 的配置骨架。原文的 Python、响应和流式示例均写的是 mimo-v2.6-pro，所以这段代码表达的是 Flash 的官方支持范围与通用参数规则，不是官方提供的 Flash 实测响应。

import os
from openai import OpenAI

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

completion = client.chat.completions.create(
    model="mimo-v2.6-flash",
    messages=[
        {"role": "user", "content": "请拆解这个多步骤问题，并给出可验证的结论。"}
    ],
    max_completion_tokens=2048,
    stream=True,
    extra_body={"thinking": {"type": "enabled"}},
)

for chunk in completion:
    print(chunk.model_dump_json())

关闭深度思考时，只需改为：

extra_body={"thinking": {"type": "disabled"}}

测试或工作流步骤

1. 使用 https://api.xiaomimimo.com/v1 和 mimo-v2.6-flash 创建 Chat Completions 请求。

2. 在 Python SDK 中把 thinking 放入 extra_body，设置 thinking.type 为 enabled 或 disabled；Flash 默认是 enabled。

3. 深度思考模式下不要依赖自定义 temperature、top_p；即使传入，实际有效值也会被强制为 1.0 和 0.95。

4. 根据总输出预算设置 max_completion_tokens。它同时消耗思考内容和最终答案的 token；思考较长时，答案可能被截断。

5. 需要实时观察过程时设置 stream: true。官方说明流式响应先通过 reasoning_content 逐步返回思考内容，再通过 content 返回最终答案。

6. 在 Agent 多轮工具调用中，将历史 assistant 消息中的 reasoning_content 完整放回后续请求；缺失时 API 会返回 400。

7. 回归检查至少覆盖：开启与关闭两种配置、流式字段顺序、足够的输出预算，以及带工具调用历史的下一轮请求。

原始证据与数据

• 官方“Supported Models”明确列出 mimo-v2.6-flash，并同时列出 Pro、Pro UltraSpeed、V2.5 Pro 和 V2.5；该列表没有给出 Flash 单独的效果、延迟或 token 测试数据。

• 官方“Request Parameters”规定使用 thinking.type，值为 enabled 或 disabled；页面列出的默认开启模型包含 mimo-v2.6-flash。

• 官方“Parameter Limitations”规定深度思考下上述支持模型不支持自定义 temperature 与 top_p，有效值强制为 1.0 与 0.95。

• 官方“Multi-turn Conversation Pass-through Requirements”规定：Agent 多轮历史含工具调用时，后续包含工具调用的请求必须完整回传 reasoning_content，否则返回 400；缺失该字段还可能导致上下文不完整、指令遵循下降和幻觉增加。

• 官方“Other Notes”说明 max_completion_tokens 同时限制思考内容和最终答案，并建议思考较长时提供足够预算；启用深度思考会增加延迟，建议用 stream: true。

• 页面列出的受影响 Agent 产品包括：OpenAI 兼容协议下的 TRAE、Cursor、Roo Code、Codex、GitHub Copilot CLI、Zed、AutoGen、Goose；Anthropic 兼容协议下的 TRAE、GitHub Copilot CLI、AutoGen、Goose、OpenClaw、OpenCode、Kilo Code。

• 页面里的完整 Python、Curl、响应和多轮工具调用示例均将 model 写为 mimo-v2.6-pro；这些 Pro 示例不作为 mimo-v2.6-flash 的实测结果。

适用边界

• “支持列表包含 Flash”只证明文档声明支持，不等于本文已完成 Flash API 请求、准确率、延迟或 token 的独立测量。

• reasoning_content 是接口字段；是否向最终用户展示原始思考内容，应由产品按隐私、安全和交互需求另行决定。

• max_completion_tokens 太小会让长思考挤占最终答案空间；应按任务复杂度和答案长度做预算，而不是照搬示例的 1024。

• Pro、Pro UltraSpeed、V2.5 Pro 和 V2.5 只用于说明文档的共用支持范围；不能据此推断 Flash 与它们的质量、速度或成本相同。

复现说明

采集时使用 Tabbit 完整打开并读取官方页面，页面更新时间为 2026-09-22。复现需准备 MiMo API Key，并按上面的 Flash 配置分别发起 enabled、disabled 和 stream=True 请求；若测试多轮工具调用，还需把每轮 assistant 消息（含完整 reasoning_content）追加回 messages。本文未声称这些请求已在本地执行，也未把官方 Pro 示例当作 Flash 测试数据。