O que é o MiMo-V2.6? Entenda a série de modelos de fronteira da Xiaomi

Apareceu do nada na sua timeline, todo mundo comentando, e você ficou sem saber se é mais um modelo chinês ou algo realmente diferente

A Xiaomi anunciou a série com uma frase curta e bem ambiciosa: "Frontier intelligence, all the modalities, built in public"

Ou seja: inteligência de fronteira, todas as modalidades e desenvolvimento em público

Neste post eu explico o que é a série, o que ela entrega de fato e o que ainda é promessa de fabricante, sem hype e sem chute 🙂

O que a Xiaomi anunciou com a série MiMo-V2.6

O anúncio veio pela conta oficial da Xiaomi MiMo e o posicionamento já diz tudo que eles querem vender: fronteira, multimodalidade completa e processo aberto

O Artificial Analysis registra o lançamento do MiMo-V2.6-Pro em 21 de setembro de 2026

E não foi só modelo solto

Junto vieram o MiMo Desktop e planos de assinatura, com duas formas de usar: pela assinatura ou plugando a sua própria chave de API

Tem também uma variante chamada MiMo-V2.6-Pro UltraSpeed, disponível no MiMo Desktop e via API, anunciada como até 20 vezes mais rápida na geração

Esse "até" é palavra do fabricante, então trate como claim de marketing até alguém medir em produção, beleza?

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

MiMo-V2.6-Pro, Flash e Distill-Qwen-9B: as diferenças

A série não é um modelo só, são três

E cada um mira um bolso e um caso de uso diferente

Repara no detalhe do MoE (Mixture of Experts): o Pro tem 1,02 trilhão de parâmetros no total, mas só ativa 42 bilhões a cada inferência

É o mesmo truque que os modelos abertos grandes vêm usando: capacidade enorme guardada, custo de execução bem menor que o tamanho sugere

Se você conhece cache de aplicação, a lógica é parecida, tu não carrega tudo na memória o tempo todo, carrega o que a rota pede

E tem um ponto que eu achei massa: a Xiaomi afirma que a série MiMo-V2.6 mantém os MESMOS preços de API da série V2.5

Modelo novo, preço velho… não é sempre que rola isso

O que significa "todas as modalidades" na prática

Aqui é onde a conversa fica interessante de verdade

Os modelos da série são nativamente omnimodais: aceitam texto, imagem, fala e vídeo como entrada, e geram texto como saída

Somando a isso, a janela de contexto é de 1 milhão de tokens

"Nativamente" é a palavra chave. Não é um Whisper transcrevendo antes nem um OCR colado do lado, a entrada entra no mesmo modelo

O que isso destrava no dia a dia:

• Jogar um vídeo de reunião ou de aula e pedir resumo, decisões e pendências em texto
• Mandar áudio de suporte ou de call de cliente e extrair os pontos sem pipeline de transcrição separado
• Subir prints de tela, diagramas e erros de build junto com o código pra debugar com contexto visual
• Alimentar uma base de código longa ou um calhamaço de documentação e pedir análise cruzada, aproveitando a janela de 1M

Esse tipo de entrada mista casa bem com automação também

Se você já monta fluxo com inteligência artificial no n8n, a ideia de ter UM endpoint que engole áudio, imagem e texto simplifica bastante o desenho do workflow

Um detalhe importante pra não criar expectativa errada: a saída é texto

Não espere geração de imagem ou de áudio aqui

O MiMo-V2.6-Pro é bom mesmo? O que dizem os benchmarks

Bora aos números, que é o que interessa

Na página viva do Artificial Analysis, o MiMo-V2.6-Pro marca 46 no Intelligence Index e aparece como o modelo de pesos abertos mais bem colocado

Atrás dele ficam GLM-5.3 (max) com 45 e Kimi K3 (max) com 44

O índice usado é a versão v4.3.2, composta por 10 avaliações: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity’s Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1

Velocidade medida: 130 tokens por segundo

Nos benchmarks reportados pro Pro, se liga:

Agora o contrapeso, porque post que só mostra o lado bonito é press release

No Terminal-Bench 4.0 o Pro fica em 34,9 contra 49,0 do Claude Opus 5

É uma diferença grande, no benchmark mais duro da lista

E a afirmação da Xiaomi de que o MiMo-V2.6-Pro está "on par" com Claude Opus 5 e GPT-5.6 Sol na maioria dos benchmarks de agente é claim do fabricante

Ela convive com o resultado do Terminal-Bench 4.0 ali em cima, então leia as duas coisas juntas

A leitura honesta na minha visão: é o melhor peso aberto medido nesse índice hoje, com preço de entrada muito abaixo do topo fechado, e ainda com gap nas tarefas de agente mais longas

Sobre o Flash, a Xiaomi diz que ele supera o MiMo-V2.5-Pro de forma ampla

Modelo menor batendo o topo da geração anterior é o padrão que a gente vem vendo se repetir… e continua sendo massa de ver

"Built in public": o que a Xiaomi abriu junto com os modelos

Essa parte é a que menos gera manchete e que mais importa pra quem constrói coisa

O pacote aberto da série inclui:

• Os pesos de Pro e Flash
• O relatório técnico
• Mais de 7.000 ambientes de tarefas de RL
• Um framework de RL ponta a ponta
• O modelo MiMo-V2.6-Distill-Qwen-9B, que também saiu de pesos abertos (a série foi lançada com os três modelos abertos)

E o que são esses ambientes de RL?

São cenários de treino por reforço pra tarefas de agente, cobrindo quatro domínios: engenharia de software, reprodução de vulnerabilidades, trabalho intensivo em conhecimento e web design/desenvolvimento

Ou seja, não é só o modelo pronto, é o ferramental que produziu o comportamento agêntico dele

E tem prova de que o ferramental funciona: o MiMo-V2.6-Distill-Qwen-9B é um agentic de 9B com fine-tuning supervisionado do Qwen3.5-9B sobre dados gerados pelo MiMo

Rodando RL com os ambientes liberados, o SWE-bench Verified dele subiu de 61,1 para 66,2

Um 9B saindo de 61,1 pra 66,2 com treino aberto e reproduzível é o tipo de coisa que muda o jogo pra quem tem GPU e não tem datacenter

A transparência foi até o custo

A Xiaomi publicou que o treino de RL custou cerca de US$ 3,47 milhões no total: aproximadamente US$ 850 mil no Flash e US$ 2,62 milhões no Pro

Tudo isso em cerca de 6 dias, com 30 passos de RL e cerca de 750 mil trajetórias por modelo

Empresa publicando fatura de treino não é comum, e ajuda muito quem tenta entender o que é realmente caro nesse processo

Como acessar o MiMo-V2.6 hoje

Três caminhos verificados, sem inventar moda:

1. Pesos abertos no Hugging Face. Os três modelos da série (Pro, Flash e Distill-Qwen-9B) estão publicados na organização XiaomiMiMo sob licença MIT. MIT é licença permissiva, então uso comercial está liberado, o que já resolve a dúvida jurídica que sempre aparece nos comentários
2. Via API pelo OpenRouter. O Pro está listado com provedores de API na página openrouter.ai/xiaomi/mimo-v2.6-pro. É o caminho mais rápido pra testar sem subir nada
3. Pelo MiMo Desktop. Dá pra usar por assinatura ou com a sua própria chave de API, e é ali (e também na API) que aparece a variante Pro UltraSpeed

Tome cuidado com uma coisa: peso aberto não significa que roda na sua máquina

Um MoE de 1,02 trilhão de parâmetros totais não cabe no seu notebook, nem no PC da Nasa que tu montou ano passado haha

Se a ideia é hospedar algo da família por conta própria ou manter automações ligadas direto, aí a conversa vira infra, e rodar modelos em uma VPS costuma ser o caminho mais sensato que tentar no desktop

Pra teste rápido mesmo, começa pela API e só depois pensa em self-host

Vídeo: quando vale combinar vários modelos

Um modelo aberto forte raramente entra sozinho no seu stack, ele entra somando com o que você já usa

E essa ideia de combinar modelos diferentes já virou produto

Pra entender esse conceito do zero, este vídeo do canal mostra o Sakana Fugu, um orquestrador que usa vários modelos ao mesmo tempo pra chegar na resposta final, com os benchmarks que eles apresentam e as ressalvas que dá pra fazer em cima dessa comparação

Conclusão

O MiMo-V2.6 chega como o peso aberto mais bem colocado no Intelligence Index v4.3.2, com 46 pontos, entrada de API barata e um pacote aberto que vai muito além dos pesos

Relatório técnico, mais de 7.000 ambientes de RL, framework de treino e até o custo da conta publicado

Mas benchmark não é produção, nunca foi

O 34,9 no Terminal-Bench 4.0 contra 49,0 do Claude Opus 5 é um lembrete bem concreto de que ainda tem gap nas tarefas de agente mais longas

Então o próximo passo é simples: pega o Flash ou o Pro via OpenRouter, joga uma tarefa REAL sua nele (aquela que você já sabe de cor como o seu modelo atual resolve) e compara o resultado e a conta no fim do mês

É assim que dá pra saber se vale sair do lock-in ou se é só barulho de lançamento

Bora testar e me conta o que deu?

Até o próximo post! 😀