MiMo-V2.5-Pro

2026-04-27 · Éditeur : Xiaomi · Domaine : Intelligence Artificielle

Xiaomi ouvre MiMo-V2.5-Pro, un MoE de 1,02 billion de paramètres dont 42 milliards actifs, avec un contexte d'un million de tokens, sous licence MIT, visant les tâches d'agents et de génie logiciel de longue durée.

Xiaomi ouvre MiMo-V2.5-Pro, un MoE de 1,02 billion de paramètres dont 42 milliards actifs, avec un contexte d'un million de tokens, sous licence MIT, visant les tâches d'agents et de génie logiciel de longue durée. ### Contexte MiMo-V2.5-Pro succède à MiMo-V2-Pro et prolonge l'architecture de MiMo-V2-Flash (décembre 2025) à l'échelle du billion de paramètres. Au printemps 2026, les références fermées sont Claude Opus 4.6, Gemini 3.1 Pro et GPT-5.4, que Xiaomi utilise comme comparaison. Le modèle est publié en même temps que MiMo-V2.5 (310 milliards de paramètres, 15 milliards actifs, omnimodal). ### Ce que le modèle apporte - Contexte d'un million de tokens : sur GraphWalks, Xiaomi rapporte 0,56 (parcours en largeur) et 0,92 (parents) à 512 000 tokens, puis 0,37 et 0,62 à 1 million, alors que MiMo-V2-Pro s'effondre à 0 à 1 million. - Attention hybride reprise de MiMo-V2-Flash avec un ratio de 6 couches à fenêtre glissante (128 tokens) pour une couche globale, et trois modules de prédiction multi-tokens (MTP). - Post-entraînement combinant SFT, apprentissage par renforcement d'agents à grande échelle et distillation multi-enseignants sur politique (MOPD). - Efficacité en jetons : à Claw-Eval, Xiaomi indique 64 % de réussite (pass^3) avec environ 70 000 tokens par trajectoire, soit 40 à 60 % de tokens en moins que Claude Opus 4.6, Gemini 3.1 Pro et GPT-5.4 à niveau comparable (annonce de l'éditeur). - Prise en charge dès le lancement par SGLang et vLLM, avec des partenariats matériels (AWS, AMD, T-Head, Enflame) cités par VentureBeat. ### Architecture et caractéristiques - Architecture : MoE de 1,02 billion de paramètres au total, 42 milliards actifs ; 70 couches (1 dense, 69 MoE), 384 experts routés dont 8 par token ; 10 couches d'attention globale et 60 à fenêtre glissante. - Contexte : jusqu'à 1 million de tokens (256 000 pour le modèle de base). Précision : FP8 (E4M3) mixte. - Entraînement : 27 000 milliards de tokens, séquences natives de 32 000 tokens. Modalités : texte pour le Pro ; MiMo-V2.5 est omnimodal. - Licence : MIT, usage commercial, reprise d'entraînement et affinage sans autorisation. - Poids : MiMo-V2.5-Pro et MiMo-V2.5-Pro-Base sur Hugging Face et ModelScope ; coupure des connaissances non communiquée. ### Coût et accès Tarifs de l'API officielle rapportés par VentureBeat : 1 dollar par million de tokens en entrée et 3 dollars en sortie jusqu'à 256 000 tokens de contexte pour MiMo-V2.5-Pro (MiMo-V2.5 : 0,40 et 2,00 dollars). Pour l'auto-hébergement, le modèle pèse environ 1 téraoctet de fichiers sur Hugging Face (statistique de dépôt) ; la configuration matérielle minimale n'est pas publiée dans les sources consultées. | Poste | Prix (USD par million de tokens) | | --- | --- | | Entrée (contexte jusqu'à 256 000) | 1,00 | | Sortie (contexte jusqu'à 256 000) | 3,00 | | Cache et palier au-delà de 256 000 | Non communiqué | ### Benchmarks | Benchmark | MiMo-V2.5-Pro | Claude Opus 4.6 | Gemini 3.1 Pro | GPT-5.4 | | --- | --- | --- | --- | --- | | SWE-Bench Pro | 57,2 | 57,3 | 54,2 | 57,7 | | Terminal-Bench 2.0 | 68,4 | 65,4 | 68,5 | 75,1 | | Claw-Eval (pass^3) | 63,8 | 70,4 | 57,8 | 60,3 | | GDPVal-AA (Elo) | 1581 | 1606 | 1317 | 1674 | | τ3-bench | 72,9 | 72,4 | 67,1 | 72,9 | | Humanity's Last Exam (sans outils) | 34,0 | 40,0 | 44,4 | 42,7 | | Humanity's Last Exam (avec outils) | 48,0 | 53,0 | 51,4 | 58,7 | | MiMo Coding Bench (interne) | 73,7 | 77,1 | 67,8 | - | Source : données du graphique de la page officielle de l'annonce MiMo-V2.5-Pro (mimo.xiaomi.com). Scores publiés par Xiaomi ; aucune mesure tierce reprise ici. ### Face aux modèles fermés Sur les benchmarks d'agents et de code publiés par Xiaomi, MiMo-V2.5-Pro est à moins de deux points de Claude Opus 4.6 à SWE-Bench Pro (57,2 contre 57,3) et devant Gemini 3.1 Pro sur ce même test (54,2) et sur Claw-Eval (63,8 contre 57,8). Il est en retrait sur GDPVal-AA (1581 contre 1606 pour Opus 4.6 et 1674 pour GPT-5.4), à Terminal-Bench 2.0 face à GPT-5.4 (68,4 contre 75,1) et sur le raisonnement pur : 34,0 à Humanity's Last Exam sans outils contre 40,0 à 44,4 pour les trois modèles fermés. Sur le prix, VentureBeat rapporte un tarif de sortie de 3 dollars par million de tokens, et l'éditeur met en avant un coût par tâche inférieur grâce à la sobriété en jetons (annonce de l'éditeur). Le choix ouvert prend ici un sens concret : un modèle de la classe du billion de paramètres, sous MIT, exploitable en interne, dont l'écart avec les références fermées de la même période est de l'ordre de quelques points sur le code d'agent et de quelques dizaines de points Elo sur le travail de bureau, mais plus marqué sur le raisonnement pur. ### À retenir MiMo-V2.5-Pro fait passer Xiaomi de l'échelle des 300 milliards à celle du billion de paramètres, avec un million de tokens de contexte et une licence MIT. Selon les chiffres de l'éditeur, il se situe à quelques points des modèles fermés de printemps 2026 sur le code d'agent, mais reste derrière sur le raisonnement sans outils.

Tags : LLM, Open Source, Xiaomi, MiMo, MIT, MoE, 1 M de tokens