MiMo-V2.6-Flash

POST /v1/chat/completions model: MiMo-V2.6-Flash

关于这个模型

这里提供的权重是 MiMo-V2.6-Flash，小米 MiMo-V2.6 系列里侧重效率的那一档 —— 一个稀疏 MoE 模型，在同一个端点上接受文本、图像、视频和音频，并且默认先思考再回答。

架构

取自随权重发布的 config.json：


架构	`MiMoV2ForCausalLM`，`model_type = mimo_v2`
参数量	总计 309B，每 token 激活 15B
层数	48 —— 39 层滑动窗口 + 9 层全局；第一个 block 是全局注意力配稠密 FFN，其余 47 层是 MoE
隐藏维度	4,096
注意力	64 个 query 头；全局层 4 个 KV 头，滑窗层 8 个
头维度	Q/K 为 192，V 为 128 —— 非对称
滑动窗口	128 token
专家混合	256 个路由专家，每 token 激活 8 个，专家中间维度 2,048，无共享专家
多 token 预测	`config.json` 声明 3 层；随权重发布的 `dflash/` 草稿模型是 5 层
词表	152,576
原生上下文	1,048,576
量化	`quant_method: fp8` `e4m3`，块 `[128, 128]`，以 MXFP4 存储（`store_dtype: mxfp4`，块 32）
许可证	MIT

视觉塔是 681M 参数的 MiMo ViT（28 层，24 层滑窗 + 4 层全局，patch 16，空间合并 2×2）。音频走 308M 的 AudioTokenizer 加 127M 的 patch 编码器。

这个端点的行为

概览


上下文长度	1,048,576 token
输入模态	文本、图像、音频
流式	✅
工具调用	✅
JSON 输出	✅ `json_object` 和 `json_schema`
思考	✅ —— 默认开启，需要显式关闭
推理引擎	SGLang
稳定性	`experimental`

这是本 API 上唯一接受音频的模型，也是唯一接受严格 json_schema（而不只是 json_object）的模型。

`messages`

system 消息可以出现在任意位置，也可以有多条。

思考

思考默认开启。完全不传 reasoning_effort，响应里依然带有内容的 reasoning：

"message": {
  "role": "assistant",
  "content": "4",
  "reasoning": "2+2 is 4."
}

要关掉，传 reasoning_effort: "none"，此时 reasoning 返回空。

图像输入

图像通过 image_url 部件传入，支持 base64 data URL：

{
  "role": "user",
  "content": [
    { "type": "image_url", "image_url": { "url": "data:image/png;base64,..." } },
    { "type": "text", "text": "图中有几个蓝色圆形？" }
  ]
}

usage.prompt_tokens_details.image_tokens 会报告图像的消耗 —— 一张 1200×420 的 PNG 计为 494 个 image token。

音频输入

音频使用 OpenAI 的 input_audio 部件：

{
  "role": "user",
  "content": [
    { "type": "input_audio", "input_audio": { "data": "<base64>", "format": "wav" } },
    { "type": "text", "text": "这是什么声音？" }
  ]
}

音频前端会重采样到 24 kHz。本 API 上没有其它模型接受这个部件类型。

结构化输出

两种形式都可用：

`response_format`	结果
`{"type": "json_object"}`	✅ `{"北京": 2174, "上海": 2487}`
`{"type": "json_schema", "json_schema": {..., "strict": true}}`	✅ `{"city":"北京","pop":2174}`

限制


上下文窗口	1,048,576 token，按总预算计 —— 提示词加输出
输入	文本、图像、音频
JSON 输出	`json_object` 与严格 `json_schema`
思考档位	`reasoning_effort` —— 传 `none` 关闭；其它档位会被接受，但本模型没有像 DeepSeek 系列那样按档位标定

示例

curl https://developer.amd.com.cn/radeon/api/v1/chat/completions \
  -H "Authorization: Bearer $RADEON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiMo-V2.6-Flash",
    "messages": [
      { "role": "user", "content": "天空为什么是蓝色的？" }
    ]
  }'

加上 "reasoning_effort": "none" 即可只要答案、不要思考过程。