MiMo-V2.5 – 小米于正式开源的原生全模态大模型

MiMo-V2.5是小米于正式开源的原生全模态大模型。与专注于复杂推理的Pro版本不同，MiMo-V2.5主打全能感知与高性价比，能够像人类一样同时“看、听、读”，并迅速做出反应。它被视为覆盖绝大多数通用智能体(Agent)场景的主力模型。

MiMo-V2.5核心定位

• 全感官支持：它配备了专用的视觉编码器（7.29亿参数 ViT）和音频编码器（2.61亿参数），能够深度理解文本、图像、视频和音频。
• 应用场景：非常适合需要处理多模态信息的任务，如视频内容分析、图表解读、语音交互等。

⚡ 极速响应与高性价比

• 推理速度更快：相比Pro版，MiMo-V2.5的平均推理速度更高，能够更迅速地响应用户请求，特别适合对时延敏感的任务。
• 成本更低：在 API调用成本上，MiMo-V2.5比Pro版更便宜（Credits 消耗仅为 Pro 版的一半），且在通用任务中展现出极高的Token效率。例如，在达到同等效果时，其Token消耗量比Meta的Muse Spark模型节省约 50%。

MiMo-V2.5硬核技术规格

MiMo-V2.5性能表现

• 评测成绩：在 Claw-Eval通用子集评测中得分62.3，在VideoMME、CharXiv等视频与图表分析评测中，表现逼近甚至超越了部分顶级闭源模型。
• 能力跃升：相比上一代MiMo-V2-Omni，其跨模态推理和视频理解能力有显著提升；相比MiMo-V2-Pro，它在通用 Agent任务上表现更优且成本更低。

MiMo-V2.5开源与获取

• 开源协议：同样采用MIT协议，允许全球开发者免费商用、微调和二次开发。
• 硬件适配：与 Pro 版一样，MiMo-V2.5也在开源首日完成了与阿里平头哥、AMD、百度昆仑芯等主流芯片厂商的适配。
• 激励计划：同样包含在小米的 “MiMo Orbit”计划中，开发者可申请免费Token额度进行体验与开发。