Szczegóły modelu
Xiaomi: MiMo-V2.5
Status: AktywnyDostęp API
🤗 HuggingFace · 📰 Blog · 🎨 Platforma API Xiaomi MiMo · 🗨️ Xiaomi MiMo Studio · Grupa społecznościowa WeChat · Discord · Telegram · Reddit ⚠️ Ważne: Informacja o aktualizacji konfiguracji Pliki config.json i tokenizerconfig.json w tym repozytorium zostały zaktualizowane od czasu pierwszej wersji. Jeśli pobrałeś MiMo-V2.5 przed tym commitem (4da2748), pobierz ponownie lub ręcznie zaktualizuj te dwa pliki, aby zapewnić poprawne działanie modelu. Użycie nieaktualnej konfiguracji może prowadzić do obniżonej wydajności modelu. Przepraszamy za wszelkie niedogodności. Szybka naprawa: hf download XiaomiMiMo/MiMo-V2.5 config.json tokenizerconfig.json –local-dir ./MiMo-V2.5 MiMo-V2.5 to natywny model omnimodalny z silnymi możliwościami agentowymi, obsługujący tekst, obraz, wideo i dźwięk w jednolitej architekturze. Zbudowany na bazie MiMo-V2-Flash i rozszerzony o dedykowane enkodery wizyjne i audio, zapewnia solidną wydajność w multimodalnej percepcji, rozumowaniu długiego kontekstu i przepływach pracy agenta. Kluczowe cechy obejmują:
- Hybrydowa architektura uwagi: Dziedziczy hybrydowy projekt z MiMo-V2-Flash, przeplatając Sliding Window Attention (SWA) i Global Attention (GA) w stosunku 5:1 z oknem przesuwnym o rozmiarze 128. Zmniejsza to przechowywanie KV-cache prawie 6-krotnie, jednocześnie utrzymując wydajność długiego kontekstu dzięki możliwej do nauczenia biasowi attention sink.
- Natywne omnimodalne enkodery: Wyposażony w Vision Transformer (ViT) o 729M parametrów z hybrydową uwagą okienną i dedykowany enkoder audio zainicjowany wagami z MiMo-Audio, umożliwiający wysokiej jakości rozumienie obrazu, wideo i dźwięku.
- Wielotokenowa predykcja (MTP): Trzy lekkie moduły MTP z gęstymi FFN przyspieszają wnioskowanie poprzez spekulacyjne dekodowanie i poprawiają efektywność treningu RL.
- Efektywny trening wstępny: Trenowany na łącznie ~48T tokenów przy użyciu mieszanej precyzji FP8. Okno kontekstu obsługuje do 1M tokenów.
- Dostawca
- xiaomi
- Modalność
- text+image+audio+video->text
- Licencja
- Nie określono
- Kontekst
- 1 048 576 tokenów
- Parametry
- Nie określono
- Architektura
- Nie określono
Ostatnia aktualizacja: 2026-08-07
Szybka opinia
Czy ten model pomógł Ci w realnym zadaniu? To zajmuje jedno kliknięcie. Szczegółowa ocena jest opcjonalna.
Brak szybkich opinii.
API i ceny
Ceny API są źródłowymi stawkami dostawcy, przeliczonymi na PLN według ostatniego zapisanego kursu średniego USD NBP. Stawki tokenowe pokazujemy za 1 mln tokenów. Dla obrazu, wyszukiwania, cache, reasoning i żądań zachowujemy jednostkę przekazaną przez API.
Ceny są przeliczone na PLN według ostatniego zapisanego średniego kursu NBP USD z 2026-08-07.
| Dostawca API | Wejście / 1 mln tokenów | Wyjście / 1 mln tokenów | Pozostałe stawki źródłowe | Możliwości |
|---|---|---|---|---|
| OpenRouter | 0,523 zł / 1 mln tokenów | 1,05 zł / 1 mln tokenów | Żądanie: 0 zł / 1 żądanie Obraz: 0 zł / 1 obraz Wyszukiwanie: 0 zł / 1 operacja Reasoning: 0 zł / 1 mln tokenów Cache odczyt: 0,01 zł / 1 mln tokenów Cache zapis: 0 zł / 1 mln tokenów | Kontekst providera: 1 048 576 · Maks. odpowiedź: 131 072 · Tokenizer: Other · Wejście: text, audio, image, video · Wyjście: text · API: frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens · Bez moderacji providera |
Ceny API są źródłowymi stawkami dostawcy, przeliczonymi na PLN według ostatniego zapisanego kursu średniego USD NBP. Stawki tokenowe pokazujemy za 1 mln tokenów. Dla obrazu, wyszukiwania, cache, reasoning i żądań zachowujemy jednostkę przekazaną przez API. Ceny są przeliczone na PLN według ostatniego zapisanego średniego kursu NBP USD z 2026-08-07.
Język polski
Wsparcie języka polskiego: deklarowane. Jakość języka polskiego: NIEZWERYFIKOWANA.
Dyskusja o modelu
Komentarze dotyczące praktycznego użycia tego modelu.
Nie ma jeszcze zatwierdzonych komentarzy.
Historia modelu
Wykres pokazuje wyłącznie porównywalne punkty głównego rankingu. Tabela zawiera wynik, pozycję, dane źródłowe i stan każdego dnia.
Dane porównywalne
Historia wyniku AI-TOP
Seria używa snapshotów głównego rankingu z metodologii 1.2.
Skala adaptacyjna: obserwowany zakres 73,8–74,6 pkt / 100.
- Wynik AI-TOP
| Data | Wynik AI-TOP | Miejsce | Dane źródłowe | Metodologia | Stan dnia |
|---|---|---|---|---|---|
| 2026-08-07 |
|
|
|
|
|
| 2026-07-26 |
|
|
|
|
|
| 2026-07-25 |
|
|
|
|
|
| 2026-07-22 |
|
| — |
|
|
| 2026-07-21 | — | — |
| — |
|
| 2026-07-20 |
|
|
|
|
|
| 2026-07-19 |
|
|
|
|
|
| 2026-07-18 |
|
|
|
|
|
| 2026-07-17 | — | — |
| — |
|