Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Xiaomi · pașaport de model

Xiaomi: MiMo-V2.5

mimo-v2-5

Ponderi deschise
Licență MIT
310.8B parametri
1,050,000 context
Lansat 2026-04-27(repo HF creat)

General · LMArena: 1,434#96 din 396
Cea mai bună percentilă: 79.5Prompturi dificile
Poziția în cohortă: 63.7mediană 59.5

Ce spun datele

Evaluat pe 8 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 28,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 79.5 pct pe Prompturi dificile față de 50.6 pct pe Factuality Arena.

Prompturi dificile79.5 pct1,462Verifică →
Urmarea instrucțiunilor79 pct1,431Verifică →
Programare78.5 pct1,491Verifică →
IFBench (Artificial Analysis)76.9 pct67.1%Verifică →
General76 pct1,434Verifică →
Vision Arena59.3 pct1,234Verifică →
WebDev Arena51.1 pct1,438Verifică →
Factuality Arena50.6 pct1,439Verifică →
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

RepositoryXiaomiMiMo/MiMo-V2.5

Parametri310.8B

ArhitecturăMiMoV2ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "XiaomiMiMo/MiMo-V2.5"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIxiaomi/mimo-v2.5

Lungime context1,050,000 tokeni

Ieșire maximă131,072 tokeni

Acceptătext, audio, image, video

Preț intrare$0.14 per 1M tokeni

Preț intrare din cache$0.00 per 1M tokeni

Preț ieșire$0.28 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningMax tokensPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"xiaomi/mimo-v2.5","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

mimo-v2.5 stands at 63.7 (raw mean 68.9) — measured on 8 of 27 axes.
pozițieșablonVerifică →
mimo-v2.5 stands at 63.7 versus a cohort median of 59.5 across 221 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →