MiMo-V2.6-Flash の必要VRAM

Xiaomiのエージェント・コーディング向けMoE(総309B・実働15B)。48層のうち39層が128トークン幅のスライディングウィンドウ注意で、一度に扱えるコンテキストの上限は100万トークン。Q4でも重みが約190GBあり、家庭用PCではメインメモリへのオフロードが前提。

310.76B / 48層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

⚠ 公式配布はFP8です。GGUFは ggml-org が配布しています(2026年10月時点)。KVキャッシュはVのヘッド幅(128)をKと同じ192として数えているため、実際よりわずかに大きめに出ます。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

MiMo-V2.6-Flashとは

MiMo-V2.6-Flashは、XiaomiMiMoが公開するTransformer系のデータセンター級(310.76Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。

Hugging Faceでの直近30日ダウンロードは約1万件・いいね71件 — ダウンロード数は当サイト収録120モデル中99位です(2026-11-04時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

MiMo-V2.6-Flashの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約188.4GB、8Kトークン分のKVキャッシュが約0.3GB、システム予約と合わせて合計約190.2GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約190.2GB)が基準です。VRAMに余裕があればQ8_0(約331.9GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総310.76B・実効15B。メモリは総量310.76B分が必要ですが、生成速度は15B級の軽さです。

ハイブリッドアテンション採用: 全48層のうちフルアテンションは9層のみで、残りの層は直近128トークンの窓しか参照しません。長文時のKVキャッシュ増加が緩やかです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.1GB、8Kで約0.3GB、32Kまで広げると約0.9GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効15B相当(Q4で約9.1GB)で決まり、理論上限はRTX 3060 12GBで約40 tokens/秒、RTX 4090で約111 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

DeepSeek-V4-Flash(304.18B) / GLM-5.3-Flash(321.32B) / K2-Horizon 375B-A23B(379.17B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)