MiMo-V2.5是什么

MiMo-V2.5 是小米大模型团队推出的新一代全模态 Agent 大模型系列，包含 V2.5、V2.5-Pro、V2.5-TTS 及 V2.5-ASR 四个版本。MiMo-V2.5 为原生全模态 Agent，支持图像、音频、视频理解与行动，上下文长达 1M Token；MiMo-V2.5-Pro 专为长程复杂任务设计，可稳定完成近千轮工具调用，在软件工程能力上对标 Claude Opus 4.6 与 GPT-5.4，且 Token 效率提升 42%~50%。MiMo-V2.5全系模型即将开源。

MiMo-V2.5的主要功能

• MiMo-V2.5

  • 原生全模态 Agent：支持同时看、听、读，将理解转化为行动，覆盖图像、音频、视频多模态感知。

  • 通用 Agent 场景：胜任日常简单到中等复杂度任务，API 成本较上一代降低约 50%。

  • 多模态感知升级：跨模态推理、视频理解、图表分析能力全面超越前代 MiMo-V2-Omni，在 VideoMME、CharXiv、MMMU-Pro 等评测中逼近顶级闭源模型。

  MiMo-V2.5-Pro

  • 长程复杂任务：单次可稳定完成近千轮工具调用的专业级工作，指令遵循与模糊指令理解显著增强。

  • 复杂软件工程：支持大型代码库开发、多语言编程、代码调试与性能优化，可独立交付编译器、视频编辑器等项目。

  • 自主项目交付：用 Rust 从零实现完整 SysY 编译器（4.3 小时，672 次调用，隐藏测试集 233/233 满分）；仅凭简单指令构建可运行的多轨道视频编辑器 Web 应用（8,192 行代码，1,868 次调用，11.5 小时完成）。

  语音能力

  • V2.5-TTS 系列：语音合成自然度、多语种/方言/音色支持全面升级。

  • V2.5-ASR：语音识别准确率与实时性提升，支持多语种和多方言。

如何使用MiMo-V2.5

• 网页端体验：访问 MiMo Studio 官网，注册登录后选择 MiMo-V2.5 模型即可开始对话。
• API 开发接入：访问API开放平台https://platform.xiaomimimo.com/#/token-plan注册开发者账号，创建应用获取 API Key。

MiMo-V2.5的关键信息和使用要求

• 访问方式

  • MiMo Studio 体验：https://aistudio.xiaomimimo.com

  • API 调用：https://platform.xiaomimimo.com

• 开源计划：MiMo-V2.5-Pro 和 MiMo-V2.5 即将全球开源。

• 定价与计费

  • MiMo-V2.5：1x Credits（1 Token = 1 Credit）

  • MiMo-V2.5-Pro：2x Credits（1 Token = 2 Credits）

• 上下文窗口：全系支持 1M Token（约 75 万字）超长上下文，长文档分析不再额外加价。

MiMo-V2.5的核心优势

• Token 效率革命：在 ClawEval 基准达到相同分数时，V2.5-Pro 比 Kimi K2.6 节省 42% Token，V2.5 比 Muse Spark 节省 50% Token，显著降低大规模部署成本。
• 长程任务稳定性：搭配合适运行框架，可稳定完成单次近千轮工具调用的长程任务，并在超长周期内保持逻辑一致与自我修正（如编译器任务中第 512 轮重构后自行诊断恢复）。
• 全模态原生融合：文本、图像、音频、视频能力集成于单一模型，无需在多模态模型和文本模型之间切换。
• 推理速度：V2.5 平均推理速度 100~150 tokens/s，V2.5-Pro 为 60~80 tokens/s，基础版更适合时延敏感场景。

MiMo-V2.5的项目地址

• 项目官网：https://platform.xiaomimimo.com/docs/news/v2.5-news

MiMo-V2.5的同类竞品对比

MiMo-V2.5的应用场景

• 复杂软件开发：自主完成编译器、视频编辑器、Web 应用等大型工程项目的从零构建与调试，可替代人类专家数天至数周的工作量。

• 多模态内容分析：上传冰箱照片获取菜谱建议、解析视频教程生成步骤摘要、录制会议提取待办事项。

• 科研与工程自动化：模拟电路 EDA 设计、性能优化、学术文献长程分析与跨文档推理。

• 智能客服与交互：基于全模态感知（语音+图像+文本）的车载、智能家居、实时交互系统。

• 企业级 Agent 部署：大规模 API 调用场景下，凭借高 Token 效率实现成本可控的自动化工作流。