MiMo V2.5
9087°
Lancer ce modèle
Offres / Pub
Xiaomi | contexte de 1 050 000 tokens | 0,14 $/M en entrée, 0,28 $/M en sortie. MiMo-V2.5 est un modèle omnimodal natif de Xiaomi. Il offre des performances agentiques de niveau Pro à environ la moitié du coût d'inférence, tout en surpassant MiMo-V2-Omni en perception multimodale sur les tâches de compréhension d'images et de vidéos. Sa fenêtre de contexte de 1 million supporte des documents complets, des conversations étendues et des contextes de tâches complexes en un seul passage, ce qui le rend idéal pour l'intégration avec des frameworks agent où le raisonnement solide, la perception riche et l'efficacité des coûts sont importants.
Guides pour ce modèle
Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
De combien de VRAM ai-je vraiment besoin pour l'IA locale ?
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
MiMo-V2.5 est le modèle omnimodal natif de Xiaomi construit sur une architecture MoE sparse, gérant texte, image, vidéo et audio dans une seule architecture avec une fenêtre contextuelle d’un million de tokens. À 0,14 $/M en entrée, il se positionne comme une voie moins coûteuse vers des performances agentiques professionnelles que les modèles de pointe comparables. Les poids ouverts sont disponibles, et la conception est explicitement optimisée pour les frameworks agents nécessitant un raisonnement fort associé à une perception multimodale.
Connu pour
- Gère texte, image, vidéo et audio nativement dans une architecture unifiée
- Fenêtre contextuelle d’un million de tokens adaptée à des bases de code entières ou longues chaînes de documents
- 310 milliards de paramètres totaux / 15 milliards activés via MoE sparse pour une inférence légère
- Post-entraînement agentique via SFT, RL à grande échelle et distillation multi-enseignants
- Attention à fenêtre glissante hybride réduisant le stockage du cache KV d’environ 6×
Attention à
- 310 milliards de paramètres totaux impliquent des exigences matérielles sérieuses pour l’auto-hébergement ; la plupart des utilisateurs passeront par l’API.
- Les fichiers de configuration ont été mis à jour après la sortie initiale — si vous avez téléchargé les poids tôt, re-téléchargez config.json et tokenizer_config.json.
- Xiaomi n’a pas publié de licence détaillée ; vérifiez le dépôt avant tout déploiement commercial.
Prompts à essayer
Plan agent multi-étapes
Vous avez une boîte de réception support client avec 200 emails non lus. Concevez un workflow agent autonome en cinq étapes pour trier, catégoriser, rédiger des réponses aux requêtes courantes, escalader les cas limites, et produire un rapport quotidien résumé. Pour chaque étape, nommez les appels d’outils que l’agent doit faire et les critères de décision à appliquer.
Raisonnement sur un long document
Voici un contrat de fusion de 400 pages. Identifiez chaque clause imposant une pénalité financière à l’acquéreur, indiquez la condition déclenchante pour chacune, et classez-les par exposition financière potentielle de la plus élevée à la plus faible. Signalez toute clause où la condition déclenchante est ambiguë.
Analyse de scène vidéo
Joignez un court extrait vidéo d’une chaîne de fabrication. Listez chaque danger visible sur toutes les images, notez la plage temporelle où chaque danger apparaît, et suggérez une action corrective par danger. Si un même danger revient, regroupez les plages temporelles.
Comparer avec
- MiMo-V2.6-Pro-UltraSpeedModèle uniquement APIContexte de 1,048,576 tokens · entrée $4.35/M, sortie $8.70/M
- MiMo-V2.6-FlashModèle à poids ouvertsContexte de 1,050,000 tokens · entrée $0.14/M, sortie $0.28/M
- MiMo-V2.6-ProModèle à poids ouvertsContexte de 1,050,000 tokens · entrée $0.43/M, sortie $0.87/M
- MiMo-V2.5-ProModèle à poids ouvertsContexte de 1,050,000 tokens · entrée $0.43/M, sortie $0.87/M
Plus de modèles de texte de xiaomi
Questions fréquentes
- Les poids de MiMo-V2.5 sont-ils ouverts et puis-je l’exécuter localement ?
- Oui, les poids sont publiés sur Hugging Face sous XiaomiMiMo/MiMo-V2.5. Avec 310 milliards de paramètres totaux et 15 milliards activés via MoE sparse, vous aurez besoin d’un matériel conséquent — la plupart des auto-hébergeurs voudront vérifier attentivement les exigences en VRAM avant de tenter un déploiement local.
- Quel est le coût de MiMo-V2.5 et quelle est la taille de sa fenêtre contextuelle ?
- Via l’API Xiaomi MiMo, le prix est de 0,14 $ par million de tokens en entrée et 0,28 $ par million en sortie, avec une fenêtre contextuelle allant jusqu’à 1 million de tokens.
- En quoi MiMo-V2.5 diffère-t-il de MiMo-V2-Omni et MiMo-V2.5-Pro ?
- MiMo-V2.5 améliore MiMo-V2-Omni en perception multimodale sur les tâches image et vidéo tout en fonctionnant à environ la moitié du coût d’inférence des modèles pro ; MiMo-V2.5-Pro est le grand frère à 1,02 trillion de paramètres totaux / 42 milliards activés, destiné à des tâches plus ambitieuses.
Verdict du capitaineUn modèle omnimodal MoE vraiment capable à un prix qui rend les charges agentiques à long contexte intéressantes — si vous pouvez vivre avec les termes de licence Xiaomi encore peu clairs.
Fiche modèle sur Hugging Face
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #17 Hottest Text / LLM model · #17 Hottest Text / LLM text model
Not this creator?
Get your own badge
Tendance de popularité de MiMo V2.5
Score de chaleur depuis 22 Apr 2026
Score de popularité
9,087°
Cette semaine
▲
5.7%
9,079° alors, 9,087° maintenant
Ce mois-ci
▲
29.3%
9,050° alors, 9,087° maintenant
L'année passée
n/a
Pas encore publié/suivi
7,000°
Plancher
L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.
+1,793°
Tokens OpenRouter
9,529,993,993,048 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 952,999 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).
+294°
Taux d’adoption
Environ 8,222 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.
Afficher le détail
Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,087°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.
- 1Commence au plancher.Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.7,000°total en cours
- 2Ajoute les téléchargements.952,999 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.+1,793°8,793°total en cours
- 3Ajoute le taux d’adoption.Environ 8,222 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.+294°9,087°total en cours
- =Le score de chaleur.La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.9,087°
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.
MiMo V2.5 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmxiaomivisionaudiovidéoraisonnementagentscontexte long
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153