xiaomi
Xiaomi: MiMo-V2.5
xiaomi/mimo-v2.5
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
xiaomi/mimo-v2.5 es el modelo omnimodal nativo de Xiaomi: un sistema disperso de mezcla de expertos con 310B de parámetros totales y 15B activados, que acepta texto, imagen, video y audio como entrada y produce texto, según su ficha en Hugging Face y el catálogo de OpenRouter. La ficha describe un diseño híbrido de atención por ventana deslizante y global, codificadores dedicados de visión y audio, predicción multitoken para acelerar la decodificación y una ventana de contexto de hasta 1M de tokens. Los pesos se publican bajo licencia MIT con guías documentadas de despliegue en SGLang y vLLM. Las capacidades agénticas y multimodales declaradas provienen del proveedor y del catálogo; la evidencia de evaluación independiente fue limitada en este paquete de fuentes.[1][2]
Puntos fuertes
- Entrada omnimodal nativa: la ficha describe comprensión unificada de texto, imágenes, video y audio mediante un transformador de visión de 729M parámetros y un codificador de audio inicializado desde MiMo-Audio, coherente con las modalidades listadas en el catálogo de OpenRouter.[1][2]
- Arquitectura orientada a la eficiencia en contextos largos: atención híbrida que según la ficha reduce el almacenamiento de caché KV casi 6 veces, predicción multitoken para decodificación especulativa, entrenamiento en FP8 y una ventana de contexto anunciada de hasta 1M de tokens.[2]
- Distribución abierta y soporte de despliegue: pesos bajo licencia MIT en Hugging Face, con guías oficiales referenciadas para SGLang y vLLM; el catálogo también lista llamadas a herramientas, salidas estructuradas y razonamiento opcional entre los parámetros de API soportados.[1][2]
Limitaciones
- Brecha de evidencia: los resultados de benchmarks de la ficha están incrustados como imágenes sin cifras extraíbles en este paquete, y solo se dispuso de datos de benchmark reportados por el catálogo; las afirmaciones del proveedor sobre rendimiento agéntico y multimodal deben validarse en cargas de trabajo propias.[1][2]
- La salida se limita a texto, la fecha de corte de conocimiento no está especificada en la entrada del catálogo, y la ficha advierte que quienes descargaron los pesos antes de una actualización de configuración deben renovar config.json y tokenizer_config.json para evitar un comportamiento degradado.[1][2]
- Las restricciones de uso del proveedor prohíben aplicaciones militares, usos ilícitos o dañinos y acciones autónomas de alto riesgo sin supervisión humana, lo que puede limitar algunos escenarios de despliegue.[2]
Dónde utilizarlo
- Asistentes o pipelines multimodales que necesiten analizar imágenes, video o audio y devolver texto estructurado, sugerido por los codificadores documentados y las modalidades de entrada listadas en el catálogo.[1][2]
- Análisis de documentos o sesiones largas que podrían beneficiarse de la ventana de contexto anunciada de 1M de tokens y de la menor huella de caché KV, pendiente de validación con entradas representativas.[2]
- Aplicaciones agénticas y de llamadas a herramientas vía API, dado el soporte listado en el catálogo para herramientas, salidas estructuradas y parámetros de razonamiento junto con el postentrenamiento agéntico reportado por el proveedor.[1][2]
Fuentes
- [1] OpenRouter catalog · Xiaomi: MiMo-V2.5Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Xiaomi: MiMo-V2.5Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
MiMo-V2.5 is a native omnimodal model by Xiaomi. It delivers Pro-level agentic performance at roughly half the inference cost, while surpassing MiMo-V2-Omni in multimodal perception across image and video understanding...
Especificaciones
- ID del modelo
- xiaomi/mimo-v2.5
- ID canónico
- xiaomi/mimo-v2.5-20260422
- Creador
- xiaomi
- Añadido a OpenRouter
- 22.04.2026
- Longitud de contexto
- 1,000,000
- Modalidad
- text+image+audio+video->text
- Modalidades de entrada
- text, audio, image, video
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.400 / salida $2
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | BB — siguiente 30% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | entrada: audio |
| Vídeo | Sin medición | entrada: video |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 56.8 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 15.8 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 50.9% · posición 49 | 1,200Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 45.1% · posición 50 | 1,139Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 53.7% · posición 42 | 1,253Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 53.9% · posición 35 | 1,250Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 52.6% · posición 41 | 1,243Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 50.3% · posición 39 | 1,176Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 53.7% · posición 44 | 1,250Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 53.9% · posición 36 | 1,261Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Venicefp8 | 1,000,000 | $0.400 | $2 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.