Ce test n’est pas encore disponible en Français : vous lisez la version originale en English.
MiMo V2.6 Pro Review: 1M Tokens, Four Input Types, a None Setting
Pick MiMo V2.6 Pro for multimodal research and multi-step projects when you want audio and video in one request; so far we have run only launch checks.
Freedom Score
Pas encore testé
- Prix
- 0,544 $US par million de tokens mixtes (3 en entrée : 1 en sortie)
- Vitesse de sortie
- 41 tokens/s
- Taux de réussite
- Collecte en cours
MiMo V2.6 Pro is the larger model in Xiaomi's V2.6 family, released as open weights in September 2026. Xiaomi positions it for complex multimodal projects and research. On our API it is one OpenAI-compatible chat endpoint that reads text, images, video and audio, holds 1,048,576 tokens of input and allows replies up to 131,072 tokens, reasoning included.
- SpicyAPI Engineering
- Testé le 28 oct. 2026
- Méthodologie v3.3 →
- Nous vendons ces modèles ; le prix n’entre pas dans les notes →
The verdict
Reasoning is on by default: reasoningeffort accepts none, minimal, low, medium or high, and defaults to high. Sampling has a catch. temperature (0 to 1.5) and topp apply only when reasoning_effort is none; while the model reasons it uses 1.0 and 0.95 and ignores your values.
This is a launch-day review. On 28 October 2026 our platform ran a real request through the endpoint as part of launch: one neutral message, answered without streaming at low reasoning effort. It returned a complete answer. We have not run a quality blind test or a content-level test, and this page does not score the model. Xiaomi publishes its own benchmark tables for the family; we have not reproduced them and do not quote them.
Key facts
- Tested: one real launch request on 28 Oct 2026 (neutral prompt, low reasoning effort, no streaming), plus integration checks of media input. No scored runs yet.
- Price: $0.435 per million input tokens, $0.0036 cached and $0.87 output. The live price is on the model page.
- Limits: 1,048,576-token context, replies up to 131,072 tokens (default 4,096, reasoning included), text, image, video and audio input, images up to 8,192 tokens each.
- Reasoning: reasoning_effort takes none, minimal, low, medium or high (default high).
- Sampling: temperature 0 to 1.5 and topp 0.01 to 1, applied only at reasoningeffort none.
- Sources: scoring rules are on our review methodology page, full parameters on the MiMo V2.6 Pro model page.
Ce qui nous a plu et ce qui l’a freiné
Ce qui nous a plu
- Four input types in one window. text, imageurl, videourl, audiourl and inputaudio (wav or mp3) parts can sit in one request, so a screen recording, a voice memo and the question travel together.
- A none setting. Set reasoningeffort to none for a direct answer, and temperature and topp become adjustable.
- A low per-token price for a Pro model. $0.435 input and $0.87 output per million tokens.
- A 131,072-token reply ceiling. Enough for a full report or a long extracted table in one reply.
- Tool calling is on the endpoint. Up to 128 function definitions with toolchoice and paralleltool_calls; we have not graded tool-use quality yet.
Ce qui l’a freiné
- Reasoning is on by default, at high. Every request reasons unless you set none, which costs more output tokens than a lighter default.
- Sampling is conditional. temperature and top_p are ignored while the model reasons, so you only get control by turning reasoning off.
- Smaller image budget than Flash. Images are capped at 8,192 tokens each here, against 16,384 on MiMo V2.6 Flash, so downscale very large pages.
- Reasoning is paid for out of max_tokens. A small cap at high effort can be used up before the visible answer is complete; check finish_reason.
- No quality numbers of our own yet.
What we tested
On 28 October 2026 our platform sent MiMo V2.6 Pro one real request as part of launch: a single neutral user message, answered without streaming at low reasoning effort with a 1,024-token cap. It returned a complete answer, and the request was priced at the published rate. The endpoint also passed our pre-launch checks of its price table and request limits. During integration, media requests were accepted and answered.
That is a working-endpoint check, not a benchmark. We have not compared its answers with MiMo V2.6 Flash or another model, tested video and audio on real clips, measured speed, or tried a prompt near the 1,048,576-token limit.
Prompts to start from
These starting prompts come from the model page's published examples. We have not graded the outputs, so they are a place to begin rather than prompts proven on this model.
1. Critique an experiment plan. Give it the plan and ask for what is missing.
Review an experiment plan and identify assumptions, missing controls and reproducibility checks. Work from the material I provide, cite the relevant evidence, distinguish facts from assumptions, and identify missing information before proposing changes.Run this prompt on MiMo V2.6 Pro →
2. A tool step. Confirms your function-calling loop end to end with a trivial function.
Call report_status with status ready.Settings that matter: keep high for hard problems, drop to medium or low for easier ones, and use none when you want a direct answer with adjustable temperature; return reasoning_content on assistant turns when you continue a tool loop; keep inline video and audio under 14 MB combined.
How far it writes
We have not run our content-level test on MiMo V2.6 Pro, so we have no result to report here. The model page states the position plainly: content decisions come from the model, behaviour can vary, and no guarantee of unrestricted output is made.
Not tested yet: the content-level ladder, multi-turn behaviour over a long session, languages other than English, audio and video understanding on real material, and the none setting against the reasoning levels.
Every character in a request should be an adult, keep real, identifiable people out of it, and you are responsible for the law where you publish.
What the community says
When the V2.6 family launched, one reader praised how much Xiaomi disclosed: "I know we have strong views on what a truly open model is (open weights, open training data, open training code etc.) but I really like how transparent they’ve been about the training of this model." Another summed up the pitch for the family: "This looks great in terms of cost and capabilities, truly pushing the frontier forward in terms of open weight light weight models." Both comments are about the family, not about our endpoint.
Alternatives
- The cheaper sibling? MiMo V2.6 Flash has the same window, reply ceiling and input types at a lower per-token price, and allows images up to 16,384 tokens.
- Always-on thinking and a million-token reply ceiling? Kimi K3.1 Pro takes images and video but not audio.
- Another 1M-class reasoning model? DeepSeek V4 Pro is on the same API; compare it on your own prompts.
Comment MiMo V2.6 Pro obtient son Spicy Index
Chaque dimension ci-dessous mène à son calcul complet : la ligne de grille d’où vient chaque point et la raison de chaque point perdu.
- Classements publics 40 % de la qualité
- Pas encore testé
- Jeu de rôle 15 % de la qualité
- Pas encore testé
- Écriture créative 15 % de la qualité
- 63,3
- Respect des consignes 15 % de la qualité
- 99,0
- Mémoire en contexte long 15 % de la qualité
- Pas encore testé
- Capacités Pondération 10,5 %
- 64,0
- Freedom Score Pondération 30 %
- Pas encore testé
Pas encore de correspondance exacte dans les classements publics suivis. Fonctionnement
Notre batterie de jeu de rôle n’a pas encore été lancée sur ce modèle. Fonctionnement
Notre batterie de contexte long n’a pas encore été lancée sur ce modèle. Fonctionnement
La liberté n'a pas été testée ou les preuves sont insuffisantes. L'Index conserve le score initial de qualité et capacités, porte la mention provisoire et reste classé. Une preuve manquante n'est pas un zéro. Fonctionnement
La liberté n'a pas été testée ou les preuves sont insuffisantes. L'Index conserve le score initial de qualité et capacités, porte la mention provisoire et reste classé. Une preuve manquante n'est pas un zéro.
Ouvrir le rapport de test complet →Capacités, critère par critère
Points issus de la grille de notation publique. Les niveaux obtenus par agrandissement et les limites que nous fixons nous-mêmes ne comptent pas.
- Fenêtre de contexte (publiée par l’éditeur)Non indiqué
- 0,0 / 30
- Modalités d’entrée sur SpicyAPITexte, plus images, audio
- 19,0 / 25
- Utilisation d’outilsOutils et tool_choice
- 15,0 / 15
- Sortie structuréeAccepté, respect du schéma vérifié
- 15,0 / 15
- Contrôle du raisonnement5 niveaux : none · minimal · low · medium · high
- 15,0 / 15
Ce que MiMo V2.6 Pro sait faire sur SpicyAPI
Tiré directement de la spécification en ligne du modèle sur SpicyAPI. Certains éditeurs en offrent davantage dans leurs propres applications ; voici ce que vous pouvez appeler via notre API aujourd’hui.
| Fonction | Conversation |
|---|---|
| Fenêtre de contexte | 1 048 576 tokens |
| Sortie max. par requête | 131 072 tokens |
| Niveaux de raisonnement | none · minimal · low · medium · high |
| Appel d’outils | Oui |
| Sortie structurée | Oui |
Le temps que ça prend vraiment
Mesuré sur de vraies tâches des 30 derniers jours, de la requête au résultat final. Les temps incluent nos propres tests.
- Vitesse de sortie
- 41 tokens/sDélai jusqu’au premier token inclus
- Taux de réussite
- Collecte en cours
Un temps apparaît dès qu’au moins 10 tâches terminées sont reçues. Les taux de réussite ne comptent que les tâches des clients et restent masqués pour tous les modèles jusqu’à 30 jours complets de trafic.
Ce qu’on dit de MiMo V2.6 Pro
2 positifs · 0 mitigés · 0 négatifs
I know we have strong views on what a truly open model is (open weights, open training data, open training code etc.) but I really like how transparent they’ve been about the training of this model.
hacker-news· 21 sept. 2026· PositifSource
This looks great in terms of cost and capabilities, truly pushing the frontier forward in terms of open weight light weight models.
hacker-news· 21 sept. 2026· PositifSource
Les citations reprennent mot pour mot des publications publiques, avec un lien vers l’original. Ce ne sont pas des notes et elles n’alimentent aucun score.
Modèles à envisager à la place de MiMo V2.6 Pro
Xiaomi
MiMo V2.6 Flash
The cheaper sibling?
- Spicy Index
- 76,2−2,4
- Freedom Score
- —
- Prix
- 0,175 $US−68 %/ 1 M tokens · entrée/sortie 3:1
Moonshot AI
Kimi K3.1 Pro
Always-on thinking and a million-token reply ceiling?
- Spicy Index
- 80,4+1,8
- Freedom Score
- —
- Prix
- 4,00 $US+636 %/ 1 M tokens · entrée/sortie 3:1
DeepSeek
DeepSeek V4 Pro
Another 1M-class reasoning model?
- Spicy Index
- 79,0+0,4
- Freedom Score
- 88,6
- Prix
- 1,98 $US+264 %/ 1 M tokens · entrée/sortie 3:1
Qu’en pensez-vous ?
Ce test vous a-t-il été utile ?
Connectez-vous pour voter.
Commentaires
Les commentaires sont vérifiés automatiquement et par notre équipe. Nous supprimons le spam, le contenu inapproprié, les attaques personnelles et tout ce qui nomme une personne réelle sans son consentement. Signalez un commentaire et nous l’examinerons sous un jour ouvré.
Vous avez essayé ce modèle ? Partagez ce qui a marché. Un compte gratuit est nécessaire pour commenter, afin de tenir le spam à distance.
FAQ sur MiMo V2.6 Pro
Essayez MiMo V2.6 Pro vous-même
Réglez chaque paramètre dans le Playground et voyez le prix exact avant de lancer.
0,544 $US par million de tokens mixtes (3 en entrée : 1 en sortie)
Autres tests
Voir les classements →GPT 6.1 Terra
Pick GPT 6.1 Terra for high-volume screens, documents and writing where reasoning_effort none helps; so far we have run only launch checks, no scored tests.
- Spicy Index
- 79,9
- Freedom Score
- —
Testé le 28 oct. 2026
Lire le testKimi K3.1 Pro
Pick Kimi K3.1 Pro for long-context work with screenshots and clips when you accept always-on thinking; so far we have run only launch checks, no scored tests.
- Spicy Index
- 80,4
- Freedom Score
- —
Testé le 28 oct. 2026
Lire le test
Grok 4.3
Choisissez Grok 4.3 pour son immense contexte, son vrai bouton pour couper le raisonnement et son écriture sans censure, pas cher ; à éviter avec des fichiers.
Testé le 24 sept. 2026
Lire le test