MiMo AIの使い方：V2.6 APIを業務で動かす実践ガイド

最短ルートは明快です。AI Studioで架空のタスクを試し、利用形態に合うキーを作成して、OpenAI互換クライアントの接続先をXiaomiのベースURLに設定します。返されたJSONを確認してから、実際の顧客データを接続してください。

この順序には意味があります。プロンプトの問題とアカウントの問題を切り分けられるからです。Studioで動かないタスクは、Pythonを書き換えても解決しません。Studioでは動くのにAPIからキーが無効だと返されるなら、疑うべきはモデルではなく認証情報の経路です。

MiMo AI（MiMo-V2.6）とは

MiMo-V2.6は、実用上2つのモデルから選べるシリーズです。頻繁に呼び出すなら、低コストのmimo-v2.6-flashが基本です。複雑で長い工程を伴う作業には、より高価なmimo-v2.6-proが候補になります。どちらもテキスト、画像、動画、音声を入力でき、テキストを返します。また、100万トークンのコンテキストウィンドウ、最大128,000トークンの出力、ツール呼び出し、ストリーミング、構造化出力、ウェブ検索、コンテキストキャッシュに対応すると案内されています。

モデルをエンジン、アクセス経路を給油カードと考えると分かりやすいでしょう。同じエンジンでも、カードや料金メーター、給油所は異なります。従量課金用のキーでToken Planの枠を消費することはできず、Token Plan用のキーは従量課金用ベースURLでは認証されません。

XiaomiはProとFlashを、AI Studio、MiMo Code、MiMo Desktop、APIプラットフォーム、OpenRouterで提供しています。エンジニアが実装に落とし込む前に、担当者自身がタスクの適性を判断できるため、最初に試す場所としてはStudioが適しています。

MiMo V2.6の使い方：最初のタスクを動かす設定

最初は、安全でありながら実務を代表するタスクを使います。サポート問い合わせを振り分ける場合、実在する顧客の氏名、メールアドレス、注文履歴、決済情報を貼り付けてはいけません。代わりに、実際の業務と同じ形式を持つ架空の問い合わせを用意します。

1. Studioでタスクを確認する

Xiaomiアカウントでサインインし、AI Studioを開いてMiMo-V2.6-Flashを選び、架空のプロンプトを送信します。ここで確かめるのは、分類が妥当か、次のアクションが実務で役立つか、そして後からスキーマ化できる程度に回答が安定しているか、という3点です。

この段階で文章の美しさを追い込む必要はありません。最初の回答としては、billingと分類し、決済処理の完了状況を確認するか、残高不一致としてエスカレーションするよう提案できれば十分です。回答が脱線するなら、分類項目を明確にし、次のアクションをひとつだけ返すよう指定します。Studioは本番システムではなく、リハーサルの場です。

2. キーを作る前に認証経路を選ぶ

一般的な業務APIのワークフローなら、従量課金が分かりやすい初期設定です。MiMoコンソールに入金し、API Keysからsk-形式の通常キーを作成して、次の組み合わせを使います。

• ベースURL：https://api.xiaomimimo.com/v1
• モデル：mimo-v2.6-flash

Token Planは、AIプログラミング用途向けのサブスクリプション製品です。個人向けにはtp-、チーム向けにはttp-で始まる別のキーが発行され、次の設定を使います。

• ベースURL：https://token-plan-cn.xiaomimimo.com/v1
• モデル：mimo-v2.6-flashまたはmimo-v2.6-pro

APIの形式は同じでも、キーとベースURLは必ずセットで切り替えます。Xiaomiは、従量課金の残高とToken Planの割当量には互換性がないと明記しています。利用条件の全体像は、MiMo V2.6は無料で使えるかで確認できます。

3. 必要最小限のPythonリクエストを送る

以下はXiaomiのOpenAI互換サンプルを基に、公式例に残っている2025年12月の古いシステム日付を取り除いたものです。中立的なタスクを使い、環境変数からキーを読み込みます。さらに、返されたモデルID、使用量、本文を残せるよう、レスポンス全体を出力します。

import os
import time
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MIMO_API_KEY"],
    base_url="https://api.xiaomimimo.com/v1",
)

started = time.perf_counter()
response = client.chat.completions.create(
    model="mimo-v2.6-flash",
    messages=[{
        "role": "user",
        "content": (
            "Classify this synthetic support ticket as billing, access, "
            "bug, or other, then give one next action: My card was charged "
            "but my workspace balance did not update."
        ),
    }],
    max_completion_tokens=120,
    stream=False,
    extra_body={"thinking": {"type": "disabled"}},
)

print(f"latency_seconds={time.perf_counter() - started:.3f}")
print(response.model_dump_json(indent=2))

最新版のOpenAI Pythonパッケージをインストールし、MIMO_API_KEYを環境変数に設定して、このファイルを実行します。Token Planを購入した場合は、キーとbase_urlの両方を変更してください。片方だけを変えてはいけません。

この手順で検証できたこと、できていないこと

公開環境には認証済みのMiMoアカウントもキーもなかったため、このサンプル自体は実行していません。一方、認証情報なしでhttps://api.xiaomimimo.com/v1/chat/completionsに到達できることは確認しました。応答はHTTP 401、コードはinvalid_key、メッセージはInvalid API Keyで、所要時間は0.067秒でした。これは復旧可能な設定エラーです。利用経路に対応するアカウントから有効なキーを用意すれば解消できます。

推論より前に認証で失敗しているため、報告できる実際のモデルID、トークン使用量、生成結果はありません。成功時には、レスポンスJSON全体、クライアント側で計測したレイテンシー、キーや顧客データを伏せたリクエストのコピーを保存してください。これだけあれば、認証情報を記録せずにモデル比較や請求調査を行えます。

用途別：Flash、Pro、UltraSpeedの選び方

最初はFlashを選びます。公表されている入力モダリティ、コンテキストウィンドウ、最大出力、プラットフォームのレート制限はProと同じですが、トークン単価は低く設定されています。小規模な評価セットで意思決定の改善が価格差に見合うと確認できたタスクだけ、Proへ移します。

Xiaomiによると、UltraSpeedはProと同じ品質のまま、最大20倍の速度で出力できます。一方、キャッシュなしの入力・出力単価もProの10倍です。応答時間に測定可能な事業価値がある場合にだけ、合理的な交換条件になります。

短い分類タスクなら、モデル料金はごく小さくできます。問い合わせ1件あたり、キャッシュされていない入力を1,000トークン、出力を200トークン使うと仮定します。公表料金では、10,000件の処理費はFlashで約$1.96、Proで$6.09、Pro-UltraSpeedで$60.90です。Flashのバッチ処理なら、この想定モデル費用は約$0.98まで下がります。

これは使用実績ではなく、あくまで算術上の試算です。再試行、ウェブ検索、ストレージ、監視、開発、人によるレビューは含まれません。Xiaomiの海外向けウェブ検索は、1,000回あたり$5の別料金です。見直すべき予算項目はサポート人件費だけではありません。一次分類のすべてで、別アプリの有料シートや振り分け前の人手が必要だという前提そのものです。

試す価値のある7つの業務ワークフロー

以下の順番は、入力の明確さ、構造化された回答の価値、そしてモデルへ大きな権限を渡す前にチームが安全に成果を測れるかどうかで決めています。

1. 大量の問い合わせを処理するサポート振り分け

サポート運用の責任者は、新着チケットごとに、必要なら機密情報を除いたスクリーンショットを添えてFlashへ送れます。モデルが問題を分類して次のアクションをひとつ提案し、そのテキストを振り分けシステムがフィールドに変換します。数千件の短い問い合わせでもモデル費用を1ドル未満に抑えながら、一次振り分けを速められる可能性があります。ただし、返金、アカウント変更、判断が難しい案件は引き続き人が担当します。

2. ソフトウェアチームのリポジトリ保守

エンジニアリングマネージャーは、バグ報告、関連するリポジトリのコンテキスト、テストコマンド、ツールへのアクセス権をコーディングシステムに渡せます。頻繁な探索はFlashに任せ、評価基準を満たさない案件をProへ回します。価値は漠然としたコード生成ではありません。狭く定義したワークフローで有料アシスタントのシート数を減らしつつ、すべてのリクエストとツール操作を記録できる点にあります。ただし、モデル呼び出し以上に、周辺システム、サンドボックス、テスト、コードレビューがリスクを左右します。

3. 大量の文書一式を分析する

業務アナリストは、契約書から抽出したテキスト、ポリシーページ、スキャン画像をまとめ、固定スキーマで例外事項を抽出するよう依頼できます。100万トークンのコンテキストウィンドウなら大規模な根拠資料を扱え、構造化出力なら後続ソフトウェアが予測可能な形式で受け取れます。期待できるのは初回レビューの短縮であって、法的判断ではありません。抽出した例外には、必ず元ページへのリンクが必要です。

4. EC向けの画像品質チェック

ECチームは、商品画像と掲載テキストを一緒に送り、見た目の色、内容個数、訴求内容が一致しているかを確認できます。Flashが返すテキストを、ルールエンジンが承認するか確認待ちに回します。公開前に明らかな不一致を見つけられるのが利点です。モデルは編集済み画像を返さないため、画像加工には別のパイプラインが必要です。

5. 録音通話と画面記録の確認

カスタマーサクセスチームは、音声、画面録画、評価基準を渡し、合意事項、未解決の障害、フォローアップをテキストで要約させられます。音声と動画を直接入力できるため、最初の試作で複数のモデルを組み合わせる必要が減ります。文字起こし用と画面確認用に分かれていたキューを、ひとつにまとめられるのが利点です。まず、同意取得、保存期間、機密データに関するルールを決める必要があります。

6. デスクトップで始める調査・事務作業の試行

まだ開発に踏み切れない担当者は、Pro、Flash、UltraSpeedを搭載したMiMo Desktopから始められます。実際の調査や文書作業をモデルがこなせるか確かめてから、エンジニアに連携を依頼できます。発見段階の費用を抑えられる一方、Desktopでの成功は、自動化したAPIワークフローが大量処理でも安定する証明にはなりません。

7. 夜間のバックログ処理

マーケットプレイスやコンプライアンスのチームは、緊急性の低い分類作業をバッチAPIへ送れます。Xiaomiは、FlashとProのバッチ入出力をリアルタイム料金の半額に設定しています。UltraSpeedはバッチでは利用できません。完了時刻に余裕がある処理なら、効果は直接測定できます。顧客を待たせている最中に影響する処理は、リアルタイム経路を使うべきです。

構築できる3つのプロダクト

最有力案：特定分野に特化した自律型コーディングアシスタント

社内Java移行のチェックや、規制対象リポジトリのテスト修復など、コストが高く見過ごされている技術領域をひとつ選び、コーディングエージェントを構築します。対象顧客は、汎用アシスタントは幅広いものの統制しにくいと感じている開発チームです。

需要は数字に表れています。agentic ai coding assistantは米国で月間約2,900回検索され、トランザクション意図を持ち、CPCは$19.04です。キーワードデータでは前年比200%増でした。GitHubが現在掲示しているCopilot Businessの料金は1席あたり月額$19、Enterpriseは$39です。購入者にとって分かりやすい比較基準になります。

販売可能な最小構成は、ひとつのリポジトリ、ひとつの課題管理キュー、サンドボックス、テストランナーを接続するものです。探索にはFlashを使い、失敗した案件や高リスク案件をProへ昇格させ、タスクごとの費用、レイテンシー、パッチ、テスト結果を顧客に提示します。模倣を防ぐ強みはチャット画面ではなく、その技術領域に固有の評価セットと制御機構です。

課題は、市場の競争が激しく、本格的なセキュリティ対策が必要なことです。独自のテスト、ワークフロー知識、承認境界を持たない単なるラッパーは、すぐに模倣されます。それでも、適格な需要が最も大きく、トランザクション意図があり、顧客が理解しやすい価格基準もあるため、最も有力な案です。

オープンモデル対応のコーディングゲートウェイ

モデルID、キーの種類、コンテキスト上限、フォールバックの扱いを開発者全員に学ばせることなく、オープンソースモデルも選べるようにしたいチーム向けに、ルーティング層を構築します。購入者は、社内用の単一エンドポイント、ポリシー制御、タスクごとのFlashとProの比較機能を得られます。

open source ai coding assistantは米国で月間約1,600回検索され、商用意図があり、CPCは$2.94です。関連キーワードデータでは年間1,977%増でした。MVPに必要なのは、認証、プロバイダーアダプター、費用とレイテンシーのログ、小規模なコーディング評価、基本的な管理画面です。

課題は、オープンソースモデルの採用とホスト型APIの利用が、別の購買判断になることです。明確なデータ取扱条件に加え、セルフホスト経路または統制面で差別化できる別の機能が必要です。そうでなければ、顧客はXiaomiを直接呼び出せます。

マルチモーダル対応の文書・添付ファイル振り分けデスク

長文、スクリーンショット、音声メモ、短い動画を受け取るサポート、保険請求、業務チーム向けに、受付プロダクトを構築します。ファイルを対応入力へ変換し、Flashに構造化されたテキスト判断を求め、確信度の低い案件を人へ送ります。

ai document analysisは米国で月間約1,000回検索されています。CPCは$10.44、ページ上部掲載の入札単価レンジは$3.23〜$19.87です。キーワードのトレンドは現在下降しているものの、ベンダーが見込み客を高く評価している根拠になります。MVPは、ひとつのアップロード経路、ひとつのスキーマ、レビューキュー、根拠資料へのリンクで構成できます。

課題は信頼性です。MiMoの出力は検証済みの判断ではなく、テキストにすぎません。また、100万トークンのウィンドウがあっても、すべての詳細が同じ密度で処理される保証はありません。万能な分析ツールより、対象文書を絞り、人によるレビューを必須にする方が適しています。

MiMo-V2.6だけでは解決できないこと

APIが提供するのは高性能なエンジンであり、事業運営の仕組み一式ではありません。分類体系を定義し、機密データを除去し、承認ルールを作り、評価を実行し、回答に確信がない場合の対応を決めるのは、APIではなくプロダクトと運用の仕事です。

名前の印象だけでUltraSpeedから始めてはいけません。まずFlashを使い、根拠を記録します。コンテキストウィンドウが大きいというだけで、あらゆるファイルを送るのも避けてください。関連する情報を最小限に絞り、参照元を残します。構造化出力と真実を混同してはいけません。形式上正しいJSONでも、判断が誤っていることはあります。

複数回のツール呼び出しをまたいでthinking modeを使う場合、Xiaomiは過去のreasoning_contentをメッセージ履歴に引き継ぐよう推奨しています。これを省くと、モデルが参照するコンテキストが変わります。ウェブ検索機能を使う場合は、トークンとは別に予算を確保してください。

モデルを直接比較するなら、MiMo V2.6 ProとFlashの比較を参照してください。実務上の原則は変わりません。最初はFlash、評価後にPro、レイテンシーに価格を付けられる場合だけUltraSpeedです。

MiMo APIのトラブルシューティング手順

1. キーが無効： キーがsk-、tp-、ttp-のどれで始まるか確認し、正しいベースURLと組み合わせます。ログには絶対に出力しないでください。
2. Studioで有用な回答が出ない： 連携部分に手を入れる前に、タスク、分類項目、出力条件を見直します。
3. モデル選択が誤っている： 正確な小文字IDであるmimo-v2.6-flashまたはmimo-v2.6-proを使います。
4. 大規模処理でトラフィックが止まる： 実測負荷を、ProとFlashに示されている1分あたり100リクエスト、1分あたり1,000万トークンと比較します。
5. 日付の挙動が想定外： Xiaomiの現行サンプルに残る2025年12月の古いシステム日付を削除します。タスクに日付が必要な場合だけ、現在の日付を指定してください。
6. ツール呼び出しの連続性が切れる： Xiaomiの推奨に従い、thinking modeが有効なときはターンをまたいでreasoning_contentを保持します。
7. 料金が合わない： 従量課金残高、Token Planクレジット、トークン料金、別請求のウェブ検索サービスを切り分けます。

月曜日にまず行うこと

月曜日に、サポート運用の責任者が架空の問い合わせを20件用意し、4つの分類と各分類で安全な次のアクションをひとつ定義して、StudioのFlashで試します。火曜日には、エンジニアが同じセットを有料APIで実行し、機密情報を除いたリクエストと完全なレスポンスを保存して、一致率、レイテンシー、トークン使用量を比較します。その後に初めて実際のキューへ接続し、人によるレビューへの分岐は残しておきます。

評価、監視、人への安全な引き継ぎまで含めて、このようなAPIワークフローを構築したい場合は、AI本番システムをご覧ください。