MiMo-V2.5

Что это за модель

MiMo-V2.5 — открытая модель Xiaomi, которая принимает на вход текст, картинки, видео и звук. Она построена по схеме смеси экспертов (mixture of experts): всего в ней 310 млрд параметров, но на каждый токен работают только 15 млрд. Поэтому модель большая, а обходится дёшево. К языковой части подключены два собственных кодировщика Xiaomi, для изображений и для звука. Её обучали на примерно 48 трлн токенов в пять этапов. На последнем этапе модель доучивали с подкреплением и перенимали навыки сразу у нескольких моделей-учителей.

Языковую основу модель взяла у MiMo-V2-Flash. Это гибридное внимание: на пять слоёв, которые смотрят только на ближний фрагмент текста, приходится один слой, который видит весь текст. Карточка модели говорит, что так память под кэш сокращается примерно в шесть раз, а это помогает держать очень длинный контекст. По сравнению с прошлыми версиями MiMo добавилось понимание звука, а контекст вырос до миллиона токенов. В линейке V2.5 это младшая модель. Старшая, MiMo-V2.5-Pro, заметно крупнее: у неё около триллиона параметров, из которых на каждый токен работают 42 млрд.

Модель берут для агентов, то есть программ, которые сами выполняют многошаговые задачи с инструментами. Её также используют для программирования и для разбора видео, графиков и документов. Лаборатория приводит такие результаты: 56,1% в SWE-Bench Pro, 65,8% в Terminal Bench 2.0 и 62,3 балла на общем наборе задач Claw-Eval. Xiaomi заявляет, что на видео модель держится на уровне Gemini 3 Pro, а в мультимодальных агентных задачах — на уровне Claude Sonnet 4.6. По словам компании, в агентных задачах модель сравнима с MiMo-V2-Pro и при этом стоит вдвое дешевле.

Веса опубликованы на Hugging Face под лицензией MIT. Она разрешает коммерческое использование, дообучение и изменение модели. Для запуска на своих серверах лаборатория официально поддерживает SGLang и vLLM. Но из-за размера в 310 млрд параметров на домашнем компьютере её не запустить. Отвечает модель только текстом: картинки, звук и видео она понимает, но не создаёт.

Источники: Анонс MiMo-V2.5 на сайте Xiaomi, Карточка модели на Hugging Face