That's NeuralCatálogo de modelos

xiaomi

Xiaomi: MiMo-V2.5-Pro

xiaomi/mimo-v2.5-pro

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-Pro es un modelo MoE de código abierto, solo de texto, con 1,02 billones de parámetros totales, 42 000 millones activos, atención híbrida, tres capas de predicción multitoken y un contexto de hasta 1M de tokens. Xiaomi lo orienta a tareas agénticas, ingeniería de software compleja y procesos de largo alcance; la evaluación GraphWalks comunicada por Xiaomi indica comportamiento útil en contextos largos, aunque degradado cerca del límite. OpenRouter enumera herramientas, salidas estructuradas y controles opcionales de razonamiento. La evidencia procede de una ficha del proveedor y metadatos de catálogo, por lo que sigue siendo necesaria una validación con la carga de trabajo.[1][2]

Puntos fuertes

  • Diseño MoE de código abierto: 1,02T de parámetros totales, 42B activos, atención híbrida local/global y tres capas MTP.[2]
  • La evaluación GraphWalks comunicada por Xiaomi indica que el modelo aún realiza ambas subtareas con entradas muy largas, aunque la precisión cae cerca de 1M de tokens.[2]
  • El catálogo de OpenRouter enumera herramientas, salidas estructuradas, formato de respuesta, logprobs, muestreo y parámetros opcionales de razonamiento.[1]

Limitaciones

  • Solo se documentan entrada y salida de texto; no hay evidencia de capacidad multimodal.[1][2]
  • El paquete contiene una ficha del proveedor y un catálogo agregador; los resultados independientes se limitan a campos del catálogo, por lo que se requiere verificación por tarea.[1][2]
  • No se indican fecha de corte de conocimiento ni requisitos concretos de hardware; los ejemplos de servicio son despliegues distribuidos.[1][2]

Dónde utilizarlo

  • Considérelo para análisis de documentos largos o tareas de software a escala de repositorio donde pueda ayudar el contexto amplio; verifique la recuperación en las longitudes necesarias.[2]
  • Evalúelo para agentes con herramientas o asistentes de código con salidas estructuradas, por las interfaces catalogadas y no por resultados probados.[1]
  • Potencialmente útil para flujos de texto en inglés o chino, los únicos idiomas citados en los metadatos de la ficha.[2]

Fuentes

  1. [1] OpenRouter catalog · Xiaomi: MiMo-V2.5-ProFuentes consultadas: 13 nov 2026
  2. [2] Model documentation · Xiaomi: MiMo-V2.5-ProFuentes 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-Pro is Xiaomi’s flagship model, delivering strong performance in general agentic capabilities, complex software engineering, and long-horizon tasks, with top rankings on benchmarks such as ClawEval, GDPVal, and SWE-bench Pro....

Especificaciones

ID del modelo
xiaomi/mimo-v2.5-pro
ID canónico
xiaomi/mimo-v2.5-pro-20260422
Creador
xiaomi
Añadido a OpenRouter
22.04.2026
Longitud de contexto
1,024,000
Modalidad
text->text
Modalidades de entrada
text
Modalidades de salida
text
Precio por token
USD por 1M de tokens: entrada $0.435 / salida $0.870
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.

TareaNotaCapacidad declarada por la fuente
Calidad generalSin mediciónrazonamiento: opcional · parámetros: include_reasoning, reasoning
ProgramaciónBB — siguiente 30% de la cohorte—
AgentesBB — siguiente 30% de la cohorteparámetros: structured_outputs, tool_choice, tools
EscrituraSin mediciónsalida: text
RazonamientoSin mediciónrazonamiento: opcional · parámetros: include_reasoning, reasoning
Análisis de documentosSin medición—
VisiónSin medición—
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin medición—
EmbeddingsSin medición—

Evaluaciones

FuenteBenchmarkValorNotaDatos obtenidos
Artificial AnalysisCoding index60.2BB — siguiente 30% de la cohorte13.11.2026
Artificial AnalysisAgentic index21.3BB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · 3dtasa de victoria 54.1% · posición 381,235EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · asciiarttasa de victoria 46.6% · posición 421,151EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · codecategoriestasa de victoria 52.2% · posición 351,262EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · dataviztasa de victoria 51% · posición 321,258EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · gamedevtasa de victoria 54% · posición 281,265EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · svgtasa de victoria 48.8% · posición 371,184EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · uicomponenttasa de victoria 51% · posición 461,244EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · websitetasa de victoria 51.4% · posición 331,263EloAA — siguiente 20% de la cohorte13.11.2026
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.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
AtlasCloudfp81,024,000$0.435$0.870——100%
DigitalOcean262,144$0.480$1.8——100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.