Xiaomi MiMo V2.6 Flash

Mit einem Gesamtscore von 75.04% tritt Xiaomi MiMo V2.6 Flash als eigentümlich diszipliniertes Server-Klasse-Modell auf: ein agentisch ausgerichtetes Cloud-Open-Weights-System via OpenRouter, gebaut als MoE mit 309 Milliarden Gesamtparametern, aber nur 15 Milliarden aktiv pro Token, und genau an diesem aktiven Kern muss man seine Leistung messen. Der Speed Profile Badge Interactive DevOps Expert passt erstaunlich gut: Das Modell denkt sichtbar nicht im Sprint, sondern in brauchbaren Arbeitsbahnen, mit solider CLI- und Code-Kompetenz, ordentlichem Reasoning und einem leichten Hang, redaktionelle Aufgaben unnötig aufzublähen. Sovereign Risk: MEDIUM: Xiaomi veröffentlicht MiMo-V2.6-Flash-RL unter MIT mit vollständig offenen Gewichten, was die operative Provenienz für lokalen Betrieb stark verbessert. Als chinesischer Entwickler bleibt Xiaomi jedoch an nationale Gesetze (u.a. National Intelligence Law, Data Security Law) gebunden, was bei Nutzung über die Xiaomi-eigene API-Plattform relevant bleibt; bei rein lokalem Self-Hosting reduziert sich das operative Risiko deutlich.

Kopfnoten: Stabilität und Zuverlässigkeit

Diese Tabelle ist keine Fußnote, sondern ein Einsatzhinweis in Großbuchstaben. Xiaomi MiMo V2.6 Flash lief hier als Cloud Open-Weights-Modell via OpenRouter. Drei Aussetzer in 49 Tests sind nicht katastrophal, aber für Agentenketten schon lästig, weil aus einem kleinen Wackler schnell ein verklemmter Workflow wird. Noch schwerer wiegt der lange Antwortschweif: In den langsamsten Anfragen verliert das Modell seine interaktive Fassade und wird zum Wartesaal.

Das ist bei der Architektur nicht völlig überraschend. MiMo trägt zugleich die Metadaten Thinking, Reasoning, Agentic-Orchestrator und Thinking-Optional. Im konkreten Lauf gab es allerdings keinen umschaltbaren Thinking-Modus; getestet wurde das werksseitige Standardverhalten des Endpunkts. Gerade bei solchen Modellen heißt Standard nicht automatisch simpel. Interne Planungs- und Prüfpfade kosten Zeit, auch wenn keine sichtbaren Denkblöcke ausgegeben werden. Der hier gemessene Durchsatz ist deshalb vor allem ein Infrastrukturwert von OpenRouter plus Netzweg, nicht irgendein allgemeines Naturgesetz des Modells.

Architektur und Charakter: viel Modell, aber nicht die ganze Masse arbeitet

Die Vorab-Klassifikation ist bei Xiaomi MiMo V2.6 Flash erstaunlich stimmig. Als Agentic / Orchestration-Modell darf es bei sturer Formatakrobatik etwas weniger elegant sein, solange Planung, Zerlegung und technische Arbeitslogik sitzen. Als Server-Klasse muss es sich zugleich Ergebnisse gefallen lassen, die mehr sind als nur „für offene Gewichte ganz gut“. Und als MoE entscheidet nicht die imposante Zahl von 309 Milliarden Parametern über die Erwartung, sondern die 15 Milliarden aktiven Parameter pro Token. Das Modell ist also eher ein Spezialistenteam, das selektiv aufgerufen wird, nicht ein durchgehend schwerer Monolith.

Dazu kommt ein weiterer wichtiger Kontext: MiMo V2.6 Flash ist vision-fähig und laut Modellkarte multimodal angelegt. CrucibleMark misst hier aber Textleistung. Das ist legitim, aber nicht vollständig. Wer dieses Modell wegen Bild-, Video- oder Audioverarbeitung anschaut, bekommt in diesem Report nur die textuelle Hälfte seines Wesens. Für die Kernfrage dieses Benchmarks, also präzises Arbeiten in Sprache, Code, Reasoning und Formatdisziplin, reicht das allerdings aus.

Performance-Profil: interaktiv im Anspruch, batchig im Temperament

Der Badge Interactive DevOps Expert verspricht ein Modell für technische Dialoge, Tool-Use und operative Hilfestellung mit brauchbarer Reaktionsfähigkeit. In der Praxis löst Xiaomi MiMo V2.6 Flash dieses Versprechen nur halb ein. Qualitativ ist es im technischen Bereich oft auf Kurs. Vom Antwortgefühl her bleibt es dagegen wechselhaft. Man spürt Kompetenz, aber nicht immer Taktgefühl.

Wichtig für die Einordnung: Da es sich um ein Cloud Open-Weights-Modell via OpenRouter handelt, ist die gemessene Geschwindigkeit immer auch ein Befund über den Endpunkt. Solche Werte sind keine nackte Eigenschaft der Gewichte allein, sondern das Ergebnis aus Provider-Routing, Auslastung und Netzwerkpfad. Für Leser heißt das schlicht: Wer dieses Modell über denselben Anbieter nutzt, darf ein ähnliches Verhältnis aus ordentlicher Grundagilität und störend langem Latenz-Schwanz erwarten.

Reasoning und Logik: nüchtern, korrekt, ohne pädagogischen Ehrgeiz

Im Reasoning zeigt Xiaomi MiMo V2.6 Flash, warum man ihm das Label Reasoning nicht nur aus Höflichkeit angeheftet hat. Die Logikaufgaben löst es sauber, oft mit vernünftiger Struktur und ohne unnötigen Zirkus. Ein gutes Beispiel ist das klassische Wächter-Rätsel: Das Modell arbeitet mehrere Ansätze durch, verwirft untaugliche Wege und landet korrekt bei der bekannten Doppelumkehr-Frage. Inhaltlich sitzt das.

Was fehlt, ist nicht Korrektheit, sondern didaktischer Ehrgeiz. Der Judge bemängelt keine Denkfehler, sondern fehlende Visualisierung, weniger Meta-Erklärung, weniger Robustheitskommentar. Das ist ein Unterschied, der zählt. Xiaomi MiMo V2.6 Flash ist hier eher der Ingenieur, der die richtige Brücke baut, als der Professor, der danach noch eine Vorlesung über Statik hält. Für viele reale Anwendungen ist das völlig in Ordnung.

Nur die Latenz wirft einen Schatten auf dieses Lob. Gerade das Reasoning-Modul zeigte sehr lange Ausreißer. Das ist der Preis der Architekturtiefe. Wer Logikqualität über Reaktionszeit stellt, kann damit leben. Wer in einem Workflow im Sekundentakt Entscheidungen erwartet, wird genervt sein.

Code Quality: technisch versiert, sicherheitsbewusst, aber nicht scharf genug im letzten Drittel

Im Code- und Security-Bereich wirkt Xiaomi MiMo V2.6 Flash am meisten wie es selbst. Das Coder-Tag ist hier verdient. Das Modell liefert korrekt formatierte Markdown-Tabellen, bleibt sprachlich diszipliniert und erkennt einen Großteil relevanter Schwachstellen. Beim Security-Audit identifizierte es 16 von 19 Vulnerabilities, darunter SQL Injection, Session Fixation, Path Traversal, IDOR, fehlendes CSRF und Type Juggling. Das ist keine Kür, sondern solide Handwerksarbeit.

Die Schwäche liegt in der Tiefe der Bedrohungsmodellierung. Besonders bei Security-Themen reicht „gefunden“ eben nicht immer. Mehrere Schweregrade wurden zu niedrig angesetzt. Path Traversal, Type Juggling und IDOR bewertete das Modell konservativer als der Referenzstandard. Das ist kein kosmetischer Fehler. Wer Sicherheitsbefunde priorisieren muss, kann durch solche Unterkalibrierung an der falschen Stelle zuerst aufräumen.

Noch deutlicher wird das bei den Auslassungen. Reflected XSS fehlte, ebenso wichtige Randthemen wie Cookie-Härtung und Ablaufzeiten für Reset-Tokens. Das ist nicht fatal, aber es zeigt einen typischen MiMo-Reflex: Die großen, offensichtlichen Löcher werden erkannt, die stilleren Verkettungen und Sekundärfolgen nicht immer. Für Entwicklerteams heißt das: als erster Auditor brauchbar, als letzter Gatekeeper zu optimistisch.

CLI und Tool-Use: ordentliches Kommando, aber kein blindes Vertrauen

Der CLI-Benchmark fällt mit 90.67 stark aus. Das passt zum technischen Profil: Xiaomi MiMo V2.6 Flash versteht operative Aufgabenstellungen, antwortet in handhabbarer Form und bleibt im Tokenverbrauch sogar unter dem Flotten-Median. Das ist ein gutes Zeichen. Gerade im Shell- und DevOps-Umfeld zählt nicht literarische Schönheit, sondern ob ein Modell den Nutzer zügig zu einem plausiblen Befehl führt.

Trotzdem gibt es hier den wichtigsten Vertrauensbruch des gesamten Reports. In einer Tool-Use-Aufgabe wurde eine Halluzination erkannt: Das Modell erzeugte Inhalte, die nicht aus dem tatsächlichen Tool-Ergebnis stammten, sondern erfunden wurden. Der P2-Score wurde deshalb durch einen Halluzinations-Cap gedeckelt. Für inhaltskritische Aufgaben wie Recherche, Incident-Reports oder faktengebundene Systemzustandsberichte ist das ein disqualifizierendes Signal. Ein Tool-Modell darf nicht so tun, als habe es etwas gesehen, was im Tool-Output nie stand. Das ist nicht kreativ, das ist gefährlich.

Gerade weil Xiaomi MiMo V2.6 Flash als agentischer Orchestrator eingeordnet ist, wiegt dieser Punkt schwer. Planung darf gern abstrakt sein. Tool-Rückgaben dürfen es nicht.

UX Writing, Content und Dokumentation: kompetent, aber mit schlechtem Verhältnis zur Schere

Sobald die Aufgaben vom Technischen ins Redaktionelle kippen, verändert sich der Charakter des Modells deutlich. Xiaomi MiMo V2.6 Flash ist dann nicht unfähig, aber es schreibt oft, als hätte niemand die Länge bezahlt. Im UX-Writing produziert es durchschnittlich 4354 Tokens bei einem Fleet-Median von 1689. Das entspricht dem 2.58-fachen des Schnitts. Documentation Quality liegt bei 5034 Tokens gegenüber 3110, also beim 1.62-fachen. Code Quality selbst liegt mit 4873 zu 3104 ebenfalls bei 1.57-fach. Das ist kein Schönheitsfehler, sondern ein Kostenprofil.

Inhaltlich sieht man Licht und Schatten. Die Documentation Quality ist mit 79.75 ordentlich. Das Modell kann technische Inhalte strukturieren und ausreichend präzise ausformulieren. Aber es neigt dazu, zu viel Material auf die Bühne zu schleppen. Für Leser entsteht dann gelegentlich der Eindruck, das Modell wolle nicht nur antworten, sondern vorsorglich seine eigene Gründlichkeit verteidigen. Das macht Texte länger, nicht automatisch besser.

Im UX-Writing wird die Schwäche klarer. Mit 69.87 bleibt das Modell unter seinem technischen Niveau. Das überrascht bei einem coder- und agentenlastigen Modell nicht völlig. Feine Mikrocopy verlangt Verdichtung, Tonkontrolle und die Fähigkeit, genau den einen knappen Satz zu schreiben, der sitzt. Xiaomi MiMo V2.6 Flash kann Sprache, aber nicht immer Prägnanz. Es formuliert eher wie ein guter interner Entwurf als wie ein erfahrener Produktredakteur.

Content Transformation: stark im Kern, schwach in Disziplin

Das Content-Transformation-Modul ist der deutlichste Beleg dafür, dass Xiaomi MiMo V2.6 Flash Qualität und Regelgehorsam nicht immer gleichzeitig halten kann. Der eigentliche Umbau einer Vorlage in ein produktionsreifes Videoskript gelang inhaltlich beeindruckend gut. Der Judge lobt Hook, Spannungsbogen, Produktionshinweise, Troubleshooting, CTA und sogar den eingebauten Easter Egg. Das Modell kann also nicht nur umschreiben, sondern Szenen denken. Das ist mehr als Fleißarbeit.

Dann tritt es sich selbst auf die Schnürsenkel. In einer Aufgabe im Content-Transformation-Bereich überschritt das Modell die explizite Wortvorgabe von 900 Wörtern auf 1745 Wörter, also auf 194% des Limits. Das System verhängte dafür automatisch 20% Abzug beziehungsweise 16.20 Punkte auf den erreichten Score. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon.

Hinzu kommt im selben Aufgabenfeld ein dokumentierter Sprachfehler: Das Modell antwortete dort auf Englisch, obwohl Deutsch verlangt war. Genau solche Kombinationen sind aufschlussreich. Das Modell verliert unter simultanen Vorgaben aus Sprache, Länge und Format nicht zufällig die Fassung. Es zeigt ein Muster: Wenn mehrere Zügel zugleich angezogen werden, lässt MiMo zuerst die knappe Form und mitunter auch die Sprachvorgabe fahren. Für einen Assistenten, der Inhalte produktionsfertig umarbeiten soll, ist das kein Randproblem, sondern ein Arbeitsrisiko.

Sprachdisziplin: gut, bis mehrere Regeln gleichzeitig gelten

Die Sprachkompetenz selbst ist nicht das Problem. In vielen deutschen Aufgaben schreibt Xiaomi MiMo V2.6 Flash idiomatisch, technisch sauber und situationsangemessen. Das zeigen etwa Cultural Intelligence und mehrere Reasoning- und Code-Outputs. Die Sprachinstruktions-Compliance ist aber nicht unerschütterlich.

In der Dokumentation trat ebenfalls ein Language Mismatch auf: In einer Aufgabe im Documentation-Quality-Bereich antwortete das Modell auf Englisch, obwohl explizit Deutsch verlangt war. Zusammen mit dem Vorfall im Content-Transformation-Modul ist das mehr als ein Ausreißer. Das Sprachversagen ist kein isolierter Fehler. Über mehrere Aufgaben im redaktionellen Bereich zeigt das Modell ein konsistentes Muster: Bei gleichzeitigen Vorgaben aus Sprache, Länge und Format verliert es die Sprachvorgabe als eine der ersten Bedingungen. Für den Produktiveinsatz heißt das schlicht: In mehrsprachigen Umgebungen gehört eine letzte Sprachprüfung in die Pipeline.

Cultural Intelligence: höflich, brauchbar, nicht besonders fein

Mit 73.42 bleibt Xiaomi MiMo V2.6 Flash im kulturellen Feingefühl ordentlich, aber nicht glänzend. Die vorliegenden Protokolle zeigen ein Modell, das deutsche Geschäftssprache beherrscht und situativ passende Antworten geben kann. Der Judge attestiert „kompetentes, aber etwas generisches Corporate-Deutsch“. Das trifft den Ton gut. Es ist sprachlich angemessen, aber nicht besonders nuanciert.

Hier zeigt sich erneut die Spezialisierung. Ein coder- und agentisch ausgerichtetes Modell muss kein Feuilletonist sein. Dass es in Cultural Intelligence nicht abstürzt, sondern solide durchkommt, ist positiv. Dass es keine besondere Eleganz entwickelt, ist verschmerzbar. Wer Bewerbungskommunikation, sensible HR-Texte oder kulturell feine Stakeholder-Mails formulieren will, bekommt brauchbare Rohware, aber keine sichere stilistische Hand.

API-Kostenprofil

Dieses Modell ist über OpenRouter als Cloud-Endpunkt erhältlich. Damit wird Verbosity zu einer direkten Kostenfrage. Xiaomi MiMo V2.6 Flash produziert im UX-Writing durchschnittlich 4354 Tokens bei einem Fleet-Median von 1689. Das entspricht einem Faktor von 2.58 gegenüber dem Schnitt aller getesteten Modelle. In Documentation Quality liegen 5034 Tokens einem Fleet-Median von 3110 gegenüber, also 1.62. In Code Quality sind es 4873 zu 3104, also 1.57.

Wichtig daran ist die Richtung des Problems: Diese Mehrmenge ist kein Qualitätsbonus per se. Wenn zwei Modelle eine Aufgabe ähnlich gut lösen, das eine aber doppelt so viel ausgibt, dann ist das in einer API-Abrechnung kein Stilmerkmal, sondern eine Rechnung. MiMo V2.6 Flash ist günstig bepreist. Es arbeitet aber in mehreren Modulen so redselig, dass es einen Teil dieses Preisvorteils selbst wieder auffrisst.

Datenschutz und Datenhoheit

Für europäische Unternehmen ist die Datenschutzlage klar genug, um unbequem zu sein. Das berechnete Sovereign Risk liegt bei MEDIUM, begründet durch die chinesische Jurisdiktion des Anbieters Xiaomi. Anwendbares Recht ist China (PIPL/CSL/DSL). Das bedeutet nicht automatisch Missbrauch, aber es bedeutet: Datenflüsse und staatliche Zugriffsmöglichkeiten folgen nicht dem europäischen Rechtsrahmen.

Zum Provider liegen 0 Tage Datenspeicherung und kein GDPR DPA vor. Letzteres ist für Unternehmen mit strikter DSGVO-Pflicht ein konkretes Compliance-Hindernis. Als Cloud-Open-Weights-Modell via OpenRouter kommt hinzu, dass Drittlandtransfers praktisch Teil des Betriebsmodells sind. Das Weights-Provenienz-Risiko ist mit MEDIUM angegeben. Die offenen Gewichte unter MIT-Lizenz verbessern die Nachvollziehbarkeit der Modellbasis, ändern aber nichts daran, dass der konkrete Cloud-Einsatz unter fremder Jurisdiktion stattfindet. Kurz gesagt: technisch offen, regulatorisch keineswegs harmlos.

Fazit

Xiaomi MiMo V2.6 Flash ist ein Modell mit klar erkennbarem Berufsethos. Es denkt technisch, plant brauchbar, schreibt ordentliche Shell- und Code-Antworten und löst Logikaufgaben mit nüchterner Korrektheit. Für ein agentisches Server-Klasse-MoE mit nur 15 Milliarden aktiven Parametern ist das respektabel. Der Gesamteindruck ist nicht der eines Blender-Modells, sondern der eines ernsthaften Arbeitsmodells, das seine Stärken im Technischen hat und dort meist verlässlich Substanz liefert.

Die Schwächen sind allerdings zu konkret, um sie wegzuerklären. Es ist in der Cloud über OpenRouter nur mittelstabil, zeigt kritische Tail-Latenz, halluziniert in mindestens einer Tool-Use-Situation gegen den tatsächlichen Befund an und verliert unter kombinierten Format-, Sprach- und Längenvorgaben sichtbar die Disziplin. Gerade im redaktionellen Bereich produziert es oft mehr Text als nötig. Das ist für Nutzer lästig und für Teams mit API-Budget schlicht teuer.

Die Empfehlung fällt deshalb differenziert aus. Für DevOps-nahe Assistenz, technische Analyse, Code-Audits und allgemeines Reasoning ist Xiaomi MiMo V2.6 Flash ein ernstzunehmender Kandidat, besonders wenn offene Gewichte und günstige Tokenpreise wichtig sind. Für content-kritische Tool-Workflows, streng reglementierte Ausgabeformate und DSGVO-sensible Unternehmenseinsätze sollte man sehr bewusst entscheiden oder besser ein strengeres Kontrollnetz einziehen. Xiaomi hat hier kein schlechtes Modell gebaut. Aber eines, das man führen muss.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.