MiMo-V2.6-Flash 视频理解输入与工作流

一句话结论

官方文档将 mimo-v2.6-flash 列为视频理解支持型号，可通过公开视频 URL 或带 MIME 前缀的 Base64 Data URL 输入视频，并用 fps 与 media_resolution 控制时序和单帧细节；页面示例使用 mimo-v2.6-pro，不构成 Flash 的实测结果。

适用场景

• 适合的任务：公开视频分析、内容描述、动作或时间变化理解，以及需要按成本和细节调节视频采样的任务。

• 不适合的任务：直接上传本地视频文件的流程；官方 FAQ 明确说明当前不支持本地视频文件上传。也不要把 Pro、Pro UltraSpeed 或旧版模型的示例输出外推为 Flash 效果。

• 适用的模型版本：mimo-v2.6-flash。原文同时列出 mimo-v2.6-pro、mimo-v2.6-pro-ultraspeed 和 mimo-v2.5；本文只将支持列表结论归于 Flash。

• 适用的客户端、Agent 或 API：MiMo API 的 OpenAI Chat Completions API；原文示例使用 Python SDK 和 Curl。

• 推荐的推理档位和参数：原文示例使用 fps=2、media_resolution="default" 和 max_completion_tokens=1024，但示例模型是 Pro，不能据此声称这些是 Flash 的最优参数。按视频时长、动作密度、细节要求和上下文预算调整。

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 Quick Start、URL、Base64 代码及响应示例均使用 mimo-v2.6-pro，因此下面的 Flash 版本表达的是官方支持范围与请求格式，不是官方提供的 Flash 实测响应。

公开视频 URL 输入

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": "user",
            "content": [
                {
                    "type": "video_url",
                    "video_url": {
                        "url": "https://example.com/video.mp4",
                    },
                    "fps": 2,
                    "media_resolution": "default",
                },
                {
                    "type": "text",
                    "text": "Please describe the content of the video.",
                },
            ],
        }
    ],
    max_completion_tokens=1024,
)

print(completion.model_dump_json())

URL 必须能被服务端公开访问，且单个视频文件不超过 300 MB。

Base64 输入

公开视频 URL 不可用时，先将视频编码为 Base64，再把带 MIME 前缀的 Data URL 放进同一个字段：

data:{MIME_TYPE};base64,$BASE64_VIDEO

{MIME_TYPE} 替换为实际视频 MIME 类型；$BASE64_VIDEO 只放纯 Base64 内容，不重复添加前缀。编码后的单个视频字符串不超过 50 MB。

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. 选择输入方式：已有公网资源使用 URL；无法通过公网访问的视频使用带 MIME 前缀的 Base64 Data URL。

4. 在 user message 的 content 数组中放入视频块和文字任务；描述、摘要、动作识别等目标应写清楚。

5. 按任务调节 fps 和 media_resolution，发送请求并读取 API 响应中的 usage。

6. 记录真实的 video_tokens 与 audio_tokens；不要用估算值替代 API 实际计量。

原始证据与数据

• 模型支持：页面 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：支持公开视频 URL 和 Base64 编码；当前不支持本地视频文件上传。

• 视频格式：MP4、MOV、AVI、WMV；格式变体较多，官方要求通过实际测试确认能否正常识别。

• 大小限制：URL 方式单个视频不超过 300 MB；Base64 方式单个编码字符串不超过 50 MB。

• 多视频限制：多个视频的数量受模型上下文长度限制，全部视频与文字 token 总量必须小于模型上下文长度。

• 采样控制：fps 默认值为 2，范围 [0.1, 10]；数值越高，帧提取越密集、时间细节越丰富、token 消耗越高。media_resolution 默认值为 default，也可设为 max；max 用于增强小物体和纹理细节识别。

• token 估算：官方提供 Python 估算函数。其可见参数包括视频时长、宽高、fps、media_resolution 和是否静音；估算结果仅供参考，实际消耗以 API 响应为准。音频部分给出的近似关系为 audio_tokens ≈ 音频时长（秒） × 6.25。

• 官方示例的版本边界：页面示例请求和响应中的 model 均为 mimo-v2.6-pro，其中的 kitten 描述、推理内容、token 用量和响应模型名均不是 Flash 数据。

• 页面时间：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 的直接证据是官方支持列表；页面没有提供 Flash 专属输入、响应、延迟、质量或 token 基线。

• fps=2、media_resolution="default" 和 max_completion_tokens=1024 来自 Pro 示例，只能作为起始配置，不能宣称为 Flash 推荐值。

• URL 必须能被 MiMo 服务端访问，浏览器本地路径不满足 URL 输入要求；Base64 限制针对编码后的字符串，编码会增加体积。

• 视频数量还受上下文长度约束；视频 token 估算函数不能替代 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，也没有证据表明该页面适用于 MiMo-V2.6-Flash-RL。

复现说明

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

2. 准备一个符合格式和大小限制的公开视频 URL，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，提交一个明确的视频描述或分析任务。

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 Flash 结果。

5. 如需调节成本或细节，分别改变 fps、media_resolution，并记录实际 token 用量与视频格式、时长等输入条件。