Какие типы данных может обрабатывать MiMo-V2.5?

Модель является нативно мультимодальной и способна принимать на вход текст, изображения, аудио и видео, выдавая текстовый результат.

Каков максимальный объем контекста у этой модели?

MiMo-V2.5 поддерживает внушительное контекстное окно размером до 1 048 576 токенов, что позволяет работать с очень длинными документами и видео.

В чем главное преимущество версии V2.5 перед V2-Omni?

Основное улучшение заключается в более качественном мультимодальном восприятии и достижении производительности уровня Pro-агентов при оптимизированной скорости работы.

Xiaomi: MiMo-V2.5

XIXiaomiОбновлено: 22 апреля 2026 г.

MiMo-V2.5 — это нативная мультимодальная модель от Xiaomi, обеспечивающая производительность уровня Pro-агентов. Она значительно превосходит предыдущие итерации в понимании изображений и видео, предлагая высокую эффективность при выполнении сложных задач.

Использовать через API

Метрики

Вход

48 ₽/M

Выход

240 ₽/M

Контекст

1M tokens

Параметры

Релиз

22 апреля 2026 г.

Поддерживаемые параметры

frequency_penaltyinclude_reasoningmax_tokenspresence_penaltyreasoningresponse_formatstoptemperaturetool_choicetoolstop_p

Технический обзор

MiMo-V2.5 — это нативная омнимодальная модель от Xiaomi. Она обеспечивает производительность уровня Pro для агентных задач примерно за половину стоимости вывода, при этом превосходя MiMo-V2-Omni в мультимодальном восприятии при анализе изображений и видео.

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели Модели с длинным контекстом

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

Xiaomi: MiMo-V2.5Текущая

Для чего

Контекст

Цена ₽

48 / 240

Xiaomi: MiMo-V2.5Текущая

48 / 240

Модель

Xiaomi: MiMo-V2-Omni

Для чего

Предыдущая версия в линейке Xiaomi с аналогичной мультимодальностью, которую MiMo-V2.5 превосходит в качестве восприятия контента.

Контекст

262k

Цена ₽

48 / 240

Xiaomi: MiMo-V2-Omni

262k

48 / 240

Модель

Healer Alpha

Для чего

Конкурирующая мультимодальная модель, поддерживающая обработку текста, изображений, аудио и видео.

Контекст

262k

Цена ₽

— / —

Healer Alpha

Конкурирующая мультимодальная модель, поддерживающая обработку текста, изображений, аудио и видео.

262k

— / —

Когда выбирать

Необходим глубокий анализ видеоконтента и сложных изображений
Требуется работа с огромными контекстными окнами до 1 миллиона токенов
Нужна высокая производительность автономных ИИ-агентов для решения комплексных задач

Когда не выбирать

Требуется исключительно текстовая генерация без использования мультимодальных функций
Задачи ограничены простыми запросами, не требующими Pro-уровня рассуждений
Необходима модель с узкой специализацией, не связанной с анализом медиафайлов