xiaomi
Xiaomi: MiMo-V2.5
xiaomi/mimo-v2.5
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
xiaomi/mimo-v2.5 é o modelo omnimodal nativo da Xiaomi: um sistema esparso de mistura de especialistas com 310B de parâmetros totais e 15B ativados, que aceita texto, imagem, vídeo e áudio como entrada e produz texto, conforme sua ficha no Hugging Face e o catálogo da OpenRouter. A ficha descreve um design híbrido de atenção por janela deslizante e global, codificadores dedicados de visão e áudio, predição multitoken para decodificação mais rápida e uma janela de contexto de até 1M de tokens. Os pesos são publicados sob licença MIT com guias documentados de implantação em SGLang e vLLM. As capacidades agênticas e multimodais declaradas vêm do fornecedor e do catálogo; a evidência de avaliação independente foi limitada neste pacote de fontes.[1][2]
Pontos fortes
- Entrada omnimodal nativa: a ficha descreve compreensão unificada de texto, imagens, vídeo e áudio por meio de um transformador de visão de 729M parâmetros e um codificador de áudio inicializado a partir do MiMo-Audio, coerente com as modalidades listadas no catálogo da OpenRouter.[1][2]
- Arquitetura voltada à eficiência em contextos longos: atenção híbrida que, segundo a ficha, reduz o armazenamento de cache KV em quase 6 vezes, predição multitoken para decodificação especulativa, treinamento em FP8 e janela de contexto anunciada de até 1M de tokens.[2]
- Distribuição aberta e suporte à implantação: pesos sob licença MIT no Hugging Face, com guias oficiais referenciados para SGLang e vLLM; o catálogo também lista chamadas de ferramentas, saídas estruturadas e raciocínio opcional entre os parâmetros de API suportados.[1][2]
Limitações
- Lacuna de evidência: os resultados de benchmarks da ficha estão embutidos como imagens sem valores extraíveis neste pacote, e apenas dados de benchmark reportados pelo catálogo estavam disponíveis; as alegações do fornecedor sobre desempenho agêntico e multimodal devem ser validadas em cargas de trabalho próprias.[1][2]
- A saída é limitada a texto, a data de corte do conhecimento não está especificada na entrada do catálogo, e a ficha adverte que quem baixou os pesos antes de uma atualização de configuração precisa renovar config.json e tokenizer_config.json para evitar comportamento degradado.[1][2]
- As restrições de uso do fornecedor proíbem aplicações militares, usos ilícitos ou prejudiciais e ações autônomas de alto risco sem supervisão humana, o que pode restringir alguns cenários de implantação.[2]
Onde usar
- Assistentes ou pipelines multimodais que precisem analisar imagens, vídeo ou áudio e retornar texto estruturado, sugerido pelos codificadores documentados e pelas modalidades de entrada listadas no catálogo.[1][2]
- Análise de documentos ou sessões longas que possam se beneficiar da janela de contexto anunciada de 1M de tokens e da menor pegada de cache KV, sujeita a validação com entradas representativas.[2]
- Aplicações agênticas e de chamadas de ferramentas via API, dado o suporte listado no catálogo para ferramentas, saídas estruturadas e parâmetros de raciocínio, junto com o pós-treinamento agêntico reportado pelo fornecedor.[1][2]
Fontes
- [1] OpenRouter catalog · Xiaomi: MiMo-V2.5Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Xiaomi: MiMo-V2.5Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- xiaomi/mimo-v2.5
- ID canônico
- xiaomi/mimo-v2.5-20260422
- Criador
- xiaomi
- Adicionado ao OpenRouter
- 22.04.2026
- Comprimento de contexto
- 1,000,000
- Modalidade
- text+image+audio+video->text
- Modalidades de entrada
- text, audio, image, video
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.400 / saída $2
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Programação | BB — próximos 30% da coorte | — |
| Agentes | BB — próximos 30% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | entrada: audio |
| Vídeo | Sem medição | entrada: video |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 56.8 | BB — próximos 30% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 15.8 | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 50.9% · posição 49 | 1,200Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 45.1% · posição 50 | 1,139Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 53.7% · posição 42 | 1,253Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 53.9% · posição 35 | 1,250Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 52.6% · posição 41 | 1,243Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 50.3% · posição 39 | 1,176Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 53.7% · posição 44 | 1,250Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 53.9% · posição 36 | 1,261Elo | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Venicefp8 | 1,000,000 | $0.400 | $2 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.