MiMo-V2-Flash Technisch Rapport
MiMo-V2-Flash Technical Report
January 6, 2026
Auteurs: Bangjun Xiao, Bingquan Xia, Bo Yang, Bofei Gao, Bowen Shen, Chen Zhang, Chenhong He, Chiheng Lou, Fuli Luo, Gang Wang, Gang Xie, Hailin Zhang, Hanglong Lv, Hanyu Li, Heyu Chen, Hongshen Xu, Houbin Zhang, Huaqiu Liu, Jiangshan Duo, Jianyu Wei, Jiebao Xiao, Jinhao Dong, Jun Shi, Junhao Hu, Kainan Bao, Kang Zhou, Lei Li, Liang Zhao, Linghao Zhang, Peidian Li, Qianli Chen, Shaohui Liu, Shihua Yu, Shijie Cao, Shimao Chen, Shouqiu Yu, Shuo Liu, Tianling Zhou, Weijiang Su, Weikun Wang, Wenhan Ma, Xiangwei Deng, Bohan Mao, Bowen Ye, Can Cai, Chenghua Wang, Chengxuan Zhu, Chong Ma, Chun Chen, Chunan Li, Dawei Zhu, Deshan Xiao, Dong Zhang, Duo Zhang, Fangyue Liu, Feiyu Yang, Fengyuan Shi, Guoan Wang, Hao Tian, Hao Wu, Heng Qu, Hongfei Yi, Hongxu An, Hongyi Guan, Xing Zhang, Yifan Song, Yihan Yan, Yihao Zhao, Yingchun Lai, Yizhao Gao, Yu Cheng, Yuanyuan Tian, Yudong Wang, Zhen Tang, Zhengju Tang, Zhengtao Wen, Zhichao Song, Zhixian Zheng, Zihan Jiang, Jian Wen, Jiarui Sun, Jiawei Li, Jinlong Xue, Jun Xia, Kai Fang, Menghang Zhu, Nuo Chen, Qian Tu, Qihao Zhang, Qiying Wang, Rang Li, Rui Ma, Shaolei Zhang, Shengfan Wang, Shicheng Li, Shuhao Gu, Shuhuai Ren, Sirui Deng, Tao Guo, Tianyang Lu, Weiji Zhuang, Weikang Zhang, Weimin Xiong, Wenshan Huang, Wenyu Yang, Xin Zhang, Xing Yong, Xu Wang, Xueyang Xie, Yilin Jiang, Yixin Yang, Yongzhe He, Yu Tu, Yuanliang Dong, Yuchen Liu, Yue Ma, Yue Yu, Yuxing Xiang, Zhaojun Huang, Zhenru Lin, Zhipeng Xu, Zhiyang Chen, Zhonghua Deng, Zihan Zhang, Zihao Yue
cs.AI
Samenvatting
Wij presenteren MiMo-V2-Flash, een Mixture-of-Experts (MoE)-model met in totaal 309B parameters en 15B actieve parameters, ontworpen voor snelle, krachtige redeneer- en agentcapaciteiten. MiMo-V2-Flash hanteert een hybride aandachtarchitectuur die Sliding Window Attention (SWA) afwisselt met globale aandacht, met een glijdend venster van 128 tokens onder een hybride verhouding van 5:1. Het model is voorgetraind op 27 biljoen tokens met Multi-Token Prediction (MTP), waarbij een native contextlengte van 32k wordt gebruikt die vervolgens is uitgebreid naar 256k. Om de rekencapaciteit na de training efficiënt te schalen, introduceert MiMo-V2-Flash een nieuw Multi-Teacher On-Policy Distillation (MOPD)-paradigma. In dit kader bieden domeingespecialiseerde teachers (bijvoorbeeld getraind via grootschalige reinforcement learning) een dichte en token-level beloning, waardoor het studentmodel de expertise van de teacher perfect kan beheersen. MiMo-V2-Flash kan concurreren met top open-weight modellen zoals DeepSeek-V3.2 en Kimi-K2, ondanks dat het slechts respectievelijk 1/2 en 1/3 van hun totale parameters gebruikt. Tijdens inferentie bereikt MiMo-V2-Flash, door MTP te hergebruiken als een draft-model voor speculatieve decodering, een acceptatielengte van maximaal 3.6 en een decoderingsversnelling van 2.6x met drie MTP-lagen. Wij maken zowel de modelgewichten als de drielaagse MTP-gewichten open source om open onderzoek en gemeenschapssamenwerking te bevorderen.
English
We present MiMo-V2-Flash, a Mixture-of-Experts (MoE) model with 309B total parameters and 15B active parameters, designed for fast, strong reasoning and agentic capabilities. MiMo-V2-Flash adopts a hybrid attention architecture that interleaves Sliding Window Attention (SWA) with global attention, with a 128-token sliding window under a 5:1 hybrid ratio. The model is pre-trained on 27 trillion tokens with Multi-Token Prediction (MTP), employing a native 32k context length and subsequently extended to 256k. To efficiently scale post-training compute, MiMo-V2-Flash introduces a novel Multi-Teacher On-Policy Distillation (MOPD) paradigm. In this framework, domain-specialized teachers (e.g., trained via large-scale reinforcement learning) provide dense and token-level reward, enabling the student model to perfectly master teacher expertise. MiMo-V2-Flash rivals top-tier open-weight models such as DeepSeek-V3.2 and Kimi-K2, despite using only 1/2 and 1/3 of their total parameters, respectively. During inference, by repurposing MTP as a draft model for speculative decoding, MiMo-V2-Flash achieves up to 3.6 acceptance length and 2.6x decoding speedup with three MTP layers. We open-source both the model weights and the three-layer MTP weights to foster open research and community collaboration.