Czy wagi są otwarte i czy mogę uruchomić MiMo-V2.5-Pro lokalnie?

Tak, wagi są publicznie dostępne na Hugging Face pod XiaomiMiMo/MiMo-V2.5-Pro. Uruchomienie lokalne jest technicznie możliwe, ale wymagające: model ma 1,02 biliona parametrów w mieszanej precyzji FP8, więc potrzebujesz znacznego sprzętu multi-GPU.

Ile kosztuje MiMo-V2.5-Pro i jak długie jest okno kontekstu?

Przez API Xiaomi kosztuje 0,43 USD za milion tokenów wejściowych i 0,87 USD za milion tokenów wyjściowych, z oknem kontekstu do 1 000 000 tokenów.

Czym różni się MiMo-V2.5-Pro od MiMo-V2.5 (mniejszego modelu)?

MiMo-V2.5-Pro skaluje się do 1,02 biliona parametrów wobec 310 mld, rozszerza okno kontekstu z mniejszego modelu do 1 mln tokenów i jest dodatkowo trenowany z użyciem dużych agentowych metod uczenia ze wzmocnieniem, specjalnie do złożonej inżynierii oprogramowania i długoterminowych zadań autonomicznych.

▲

3.4%

ten tydzień

MiMo V2.5 Pro

8096°

#llm #xiaomi #rozumowanie #agenci #kodowanie #długi kontekst

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Xiaomi | kontekst 1 050 000 tokenów | $0.43/M wejście, $0.87/M wyjście. MiMo-V2.5-Pro to flagowy model Xiaomi, oferujący silną wydajność w ogólnych zdolnościach agentowych, złożonej inżynierii oprogramowania i długoterminowych zadaniach, z czołowymi miejscami w benchmarkach takich jak ClawEval, GDPVal i SWE-bench Pro. Potrafi samodzielnie i autonomicznie wykonać profesjonalne zadania, które zajęłyby ekspertom dni lub tygodnie, obejmujące ponad tysiąc wywołań narzędzi. Jego długość kontekstu do 1M czyni go dobrze dopasowanym do integracji z szerokim zakresem frameworków agentowych.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

MiMo-V2.5-Pro to flagowy model MoE Xiaomi z otwartymi wagami, z 1,02 biliona parametrów łącznie i 42 mld aktywnych, stworzony specjalnie do pracy agentowej: wieloetapowej inżynierii oprogramowania, długoterminowych zadań i trajektorii obejmujących tysiące wywołań narzędzi. Okno kontekstu 1 mln tokenów i architektura Multi-Token Prediction, która potraja prędkość generowania, czynią go praktycznym wyborem do integracji w ramach agentów. Jeśli Twoje obciążenie jest złożone, autonomiczne i długotrwałe, Xiaomi stworzyło go właśnie do tego.

Znany z

Utrzymuje spójne trajektorie przez tysiące wywołań narzędzi autonomicznie
Okno kontekstu 1 mln tokenów, odpowiednie dla dużych baz kodu i agentów długoterminowych
Projekt MoE: 1,02 biliona parametrów łącznie, tylko 42 mld aktywnych podczas inferencji
Multi-Token Prediction potraja prędkość generowania podczas inferencji
Najlepsze wyniki w benchmarkach SWE-bench Pro oraz agentowych ClawEval i GDPVal

Uważaj na

1,02 biliona parametrów oznacza, że lokalne wdrożenie wymaga poważnej infrastruktury multi-GPU mimo 42 mld aktywnych parametrów.
Otwarte wagi są udostępnione w mieszanej precyzji FP8; sprawdź, czy Twój stos inferencyjny obsługuje ten format przed pobraniem.
Warunki licencji nie są szczegółowo opisane w karcie modelu; przed komercyjnym użyciem zweryfikuj dozwolone zastosowania w repozytorium Hugging Face.

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Autonomiczne polowanie na błąd w repozytorium

Masz dostęp do powłoki i narzędzi systemu plików. Sklonuj repozytorium pod podanym przeze mnie URL, odtwórz nieudany test w trackerze problemów, zlokalizuj przyczynę w plikach, napisz poprawkę i otwórz podsumowanie wszystkich wywołań narzędzi, które wykonałeś i dlaczego. Zacznij od: https://github.com/pallets/flask/issues/5508

Plan wieloetapowej refaktoryzacji

Mam monolit w Pythonie o długości około 8000 linii, który miesza dostęp do bazy danych, logikę biznesową i obsługę HTTP w tych samych plikach. Przygotuj etapowy plan refaktoryzacji: zidentyfikuj graf zależności, zaproponuj strukturę modułów, wypisz kolejność zmian, aby nie łamać testów na każdym kroku, i zaznacz trzy najbardziej ryzykowne zmiany.

Krzyżowe odwołania w długim dokumencie

Wklejam poniżej 200-stronicową specyfikację techniczną. Przeczytaj cały dokument, a następnie: wypisz każde wymaganie sprzeczne z innym, podaj oba numery sekcji i zasugeruj minimalną zmianę w sformułowaniu, która rozwiąże konflikt. Specyfikacja: [wklej tutaj]

Porównaj z

MiMo-V2.6-Pro-UltraSpeed
Model tylko z API
Kontekst 1,048,576 tokenów · $4.35/M wejście, $8.70/M wyjście
MiMo-V2.6-Flash
Model z otwartymi wagami
Kontekst 1,050,000 tokenów · $0.14/M wejście, $0.28/M wyjście
MiMo-V2.5
Model z otwartymi wagami
Kontekst 1,050,000 tokenów · $0.14/M wejście, $0.28/M wyjście
MiMo-V2.6-Pro
Model z otwartymi wagami
Kontekst 1,050,000 tokenów · $0.43/M wejście, $0.87/M wyjście

Więcej modeli tekstowych od xiaomi

Pytania, które ludzie zadają

Czy wagi są otwarte i czy mogę uruchomić MiMo-V2.5-Pro lokalnie?: Tak, wagi są publicznie dostępne na Hugging Face pod XiaomiMiMo/MiMo-V2.5-Pro. Uruchomienie lokalne jest technicznie możliwe, ale wymagające: model ma 1,02 biliona parametrów w mieszanej precyzji FP8, więc potrzebujesz znacznego sprzętu multi-GPU.
Ile kosztuje MiMo-V2.5-Pro i jak długie jest okno kontekstu?: Przez API Xiaomi kosztuje 0,43 USD za milion tokenów wejściowych i 0,87 USD za milion tokenów wyjściowych, z oknem kontekstu do 1 000 000 tokenów.
Czym różni się MiMo-V2.5-Pro od MiMo-V2.5 (mniejszego modelu)?: MiMo-V2.5-Pro skaluje się do 1,02 biliona parametrów wobec 310 mld, rozszerza okno kontekstu z mniejszego modelu do 1 mln tokenów i jest dodatkowo trenowany z użyciem dużych agentowych metod uczenia ze wzmocnieniem, specjalnie do złożonej inżynierii oprogramowania i długoterminowych zadań autonomicznych.

Wyrok kapitana
Poważny koń roboczy agentowy od Xiaomi: 1 mln kontekstu i przyspieszenie MTP to realne zalety, jeśli masz odpowiedni sprzęt lub budżet na API.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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.

Change colors / personalize / get code

Also ranked: #73 Hottest Text / LLM model · #73 Hottest Text / LLM text model

Not this creator?

Get your own badge

Trend popularności: MiMo V2.5 Pro

Wynik heat od 22 Apr 2026

Wskaźnik popularności

8,096°

Ten tydzień

▲

3.4%

8,091° wtedy, 8,096° teraz

Ten miesiąc

▲

16.6%

8,073° wtedy, 8,096° teraz

Ostatni rok

n/a

Jeszcze nie wydano/śledzono

7,000°

Podstawa

Skala idzie od 0° do 9 999°. Wszystko poniżej 7,000° jest zarezerwowane dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne. 7,000° to punkt startowy dla danych pomiarowych: model z prawdziwymi danymi, ale prawie bez pobrań, stoi na tej podstawie, a pomiary wypełniają stopnie powyżej niej. Podstawa nic nie mówi o modelu; to stopnie powyżej niej robią różnicę i to one rozróżniają modele.

+1,096°

Tokeny OpenRouter

45,007,664,648 tokenów przetworzonych przez ten model przez OpenRouter w ciągu ostatnich 30 dni, razem zapytania i odpowiedzi. Każde 10,000,000 tokenów liczy się jako jedno pobranie w terminie pobrań, łącznie 4,500; tokeny z ostatniego dnia wchodzą do wskaźnika adopcji. Źródło: OpenRouter (openrouter.ai/rankings).

Pokaż szczegóły

Każdą liczbę na tej stronie można sprawdzić. Wynik popularności tego modelu to 8,096°, a tutaj jest zbudowany krok po kroku, z bieżącym sumowaniem po każdym składniku: podstawa, stopnie dodawane przez każde źródło, bonus za rodzaj modelu oraz odejmowanie za wiek wag. Kolory odpowiadają zakresom na wykresie powyżej. Na końcu znajduje się słownik, który wyjaśnia każde pojęcie.

1
Zacznij od podstawy.
Dlaczego 7,000°, a nie zero: skala idzie od 0° do 9 999°, a część poniżej 7,000° jest zarezerwowana dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne i nigdy nie wyprzedzały modeli z danymi. 7,000° to punkt startowy dla danych pomiarowych. Model z prawdziwymi danymi, ale prawie bez pobrań, stoi tutaj; wszystko co dalej to pomiary, a przestrzeń powyżej podstawy mieści dziesięć dziesięciokrotnych kroków w pobraniach po 300° każdy. Podstawa jest taka sama dla każdego modelu, więc nic nie decyduje; decydują stopnie powyżej niej.
7,000°
bieżąca suma
2
Dodaj pobrania.
4,500 równoważników pobrań łącznie, z Tokeny OpenRouter. Dziesięć razy więcej pobrań dodaje ten sam 300°, więc rozmiar ma znaczenie, ale nigdy nie dominuje wyniku.
+1,096°
8,096°
bieżąca suma
=
Wynik heat.
Pozycja tego modelu na każdej liście na tej stronie. Nic innego tego nie zmienia.
8,096°

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Jak popularność tego modelu zmieniała się w porównaniu do reszty katalogu: jego wzrost w pobraniach, polubieniach i użyciu w każdym okresie, mierzony względem typowego wzrostu modelu w tym samym czasie, wraz z jego wynikiem heat score. Powyżej typowego wzrostu oznacza wzrost, poniżej spadek. Przeszłość jest odtwarzana na podstawie dzisiejszych sum, pierwszego dnia modelu i zmierzonej prędkości pobrań, jeśli są dwa odczyty; model, który nie istniał na początku okresu, pokazuje n/d.

Podobne modele

Modele AI do generowania obrazów, wideo i tekstu

MiMo V2.5 Pro to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm xiaomi rozumowanie agenci kodowanie długi kontekst lokalny

Przeglądaj według rodziny modeli