API ya Dîtinê ya MiMo a Bê Sansûr
Modela tenê ya di katalogê me de ku rasttiya giraniyan a 8-bit bi têgihiştina wêneyan re dicivîne — û ew tam wê dike ku modelên erdê yên tenê-nivîs dikin: $0.50 têketin / $2.00 derketin ji bo her mîlyon tokenan.
TL;DR
MiMo-V2.5-W8A16 endamê bi kapasîteya dîtinê yê cota MiMo ye li ser Dergehê Shannon AI, ku ji xeta MiMo ya Xiaomi tê — modeleke zimanî ku pêşî ramanê digire bi stûneke dîtinê ya ku lê hatiye zeliqandin — û li W8A16, asta me ya quantizasyonê ya bi wefadariya herî bilind, li ser koma GPU ya me bi xwe tê xizmet kirin. Contexta 262,144-tokenî, 16,384 tokenên derketinê yên herî zêde, bangkirina amûran, şemaya JSON ya hişk, streaming, û derenceyeke reasoning_effort. Tu tebeqeya redkirinê, tu fîltreya derketinê. Ew bi MiniMax-M3 re ji bo dîtina herî erzan a di rêzê de wekhev e û li ser rasttiyê wê dibe.
Endpointên pir-modalî yên erzan erzan in ji ber ku tiştek hatiye birrîn, û tiştê ku tê birrîn bi gelemperî ew beş e ku tu nikarî bibînî: giranî bo sê an çar bitan tên pêçiqandin, û model hîn jî bi baweriyê li ser grafîkekê bersivê dide ku êdî bi rastî nikare wê bixwîne. MiMo-V2.5 nimûneya berevajî ya di katalogê me de ye — bi hev re li erdê bihayê û li asta rasttiyê ya jorîn, ji ber ku ew bingehê ku ew jê tê biçûk û dagirtî hatiye avakirin ne mezin û seyrek.
01MiMo ji ku tê: pêşî modeleke ramanê, paşê modeleke dîtinê
Xeta MiMo bernameya lêkolînê ya Xiaomi bi giraniyên vekirî ye, û argumana wê ya damezrîner ne moda ye: kapasîteya ramanê di dema pêş-perwerdehiyê de tê danîn, ne ku paşê bi RLê ve tê zeliqandin. Kar bi piranî endezyariya daneyan e — Xiaomi derxistin û fîltrekirina nivîsê ji nû ve ava kir da ku dendika şablonên ramanê di korpusê de bilind bike, daneyên ramanê yên sentetîk bi pîvana mezin çêkir, û MiMo-7B-Base li ser bi qasî 25 trîlyon tokenan di bin tevlihevkirineke sê-qonaxî de pêş-perwerde kir, bi Pêşbîniya Pir-Tokenî wek armanceke alîkar ku di dema inferansê de wek dekoderekî speculative jî kar dike (rêjeya qebûlkirinê nêzî 90%, li gorî Xiaomi).
Piştî-perwerdehî bi mebest sade ye: 130,000 pirsgirêkên matematîk û kodê bi tenê xelatên rasttiyê yên li ser bingehê qaîdeyan, tu modela xelatê ya fêrbûyî tune, li ser wê ramanê ku modeleke xelatê ya neuronî rûyek e ku dikare were hackkirin. Xelatên verîfîkirbar nayên xapandin. MiMo-7B-RL jimarên ne li gorî mezinahiya xwe diweşîne — Xiaomi 68.2% li ser AIME 2024, 95.8% li ser MATH-500, 57.8% li ser LiveCodeBench v5 li pass@1 ragihîne, ku bi o1-mini ya OpenAI re li hev tê. Ev şeklê wê modelê ye ku tu bang dikî: kompakt, bi dendik hatiye perwerdekirin, hatiye eyarkirin ku pirsgirêkekê bi ser de bixebite ne ku bersivekê bîne bîra xwe — û ew mîzac di nav dûndeyên pir-modalî de xelas dibe.
02MiMo çawa fêrî dîtinê bû: mîmariya MiMo-VL
MiMo-VL şaxê zimanî-dîtinê ye, û avakirina wê hînker e. Xiaomi sê beş li hev anîn: kodkerekî ViT ya bi rezolusyona niştecih ku hûrgilên hûr diparêze li şûna ku her wêneyekê bi rêya toreke rezolusyona nizm a sabît mecbûr bike, projeksiyonerekî MLP yê bi tesadufî destpêkirî bo fezaya latent a modela zimanî, û — bi awayekî krîtîk — stûna ramanê ya MiMo wek modela zimanî. Pergala dîtinê dekoderekî mîras digire ku jixwe di hizirkirina pir-gavî de baş e ne yekî ku tenê di kaptionkirinê de baş e.
Perwerdehî di çar qonaxên pêş-perwerdehiyê de meşiya — germkirina projeksiyonerî, hevrêzkirina zimanî-dîtbarî, pêş-perwerdehiya pir-modalî ya giştî, SFTa contexta dirêj — li seranserê bi qasî 2.4 trîlyon tokenan, paşê Fêrbûna Bihêzkirinê ya On-policy a Tevlihev (MORL), ku rasttiya têgihiştinê, rasttiya bingehkirina dîtbarî, rastbûna ramanê, û tercîha mirov/AI di yek lûpeke on-policy de dipêçe. Rapor eşkere ye ku optîmîzekirina hemûyan bi carekê bêîstiqrar e — çarçoveyeke ji ya piraniya gotarên pir-modalî dilsoztir.
Encamên weşandî ji bo hejmara parametreyan bihêz in. Xiaomi ragihîne ku MiMo-VL-7B-RL li ser 35 ji 40 karan Qwen2.5-VL-7B dibe, 59.4 li ser OlympiadBench (li jorî modelên heta 78B), û 56.1 li ser OSWorld-G ji bo bingehkirina GUIyê, li pêşiya ajanên navrûyê yên bi mebest çêkirî. Nûkirina paşerojê ya 2508 MMMU ji 70an derbas kir ji bo cara yekem di rêzê de (70.6), gihîşt 94.4 li ser ChartQA, 92.5 li ser ScreenSpot-v2 û 70.8 li ser VideoMME, û guhêrbareke kontrola hizirkirinê zêde kir da ku şopên ramanê ji bo her daxwazekê bên vemirandin.
Notek li ser îdiayên guhertoyan
Her jimareke jorîn jimara weşandî ya Xiaomi bi xwe ye ji bo checkpointekî berdayî yê taybet, ku di bloka çavkaniyan a jêrîn de hatiye girêdan. Têketina katalogê me xaleke paşerojê ya wê rêzê ye. Em şirove dikin ka model ji ku tê û malbat ji bo çi hatiye avakirin — em îdia nakin ku ew nirxên rast digihîjin wê avakirinê ku tu bang dikî. Karê xwe benchmark bike; erdê bihayê ji bo wê ye.
03W8A16 çi tê wateyê, û çima ew ji bo dîtinê ji nivîsê bêtir girîng e
Her modeleke li ser dergehê paşgireke quantizasyonê hildigire. Ew ne xemilandin e — ew ji te re dibêje çi hatiye dayîn da ku model xizmetkirbar bibe.
| Paşgir | Ew çi ye | Çima tê bikaranîn |
|---|---|---|
| 3BIT-REAP | Giraniyên 3-bit plus REAP, rêbazeke birrîna pisporan ku pisporên kêm-rêkirî ji modeleke MoE berî quantizasyonê davêje | Riya tenê ya cihgirtin û xizmetkirina bingehên herî mezin bi lezeke aqilane |
| W4A16-AUTOROUND-REAP | Giraniyên 4-bit, aktîvasyonên 16-bit, bi AutoRound quantizekirî — gilorkirina fêrbûyî ku rasttiyê li ser gilorkirina sade ya ber bi ya nêzîk vedigerîne — plus birrîna REAP | Erdê navîn ji bo bingehên mezin ên ku pêçandineke tund hewce nakin |
| W8A16 | Giraniyên 8-bit, aktîvasyonên 16-bit — asta bi wefadariya herî bilind a ku em xizmet dikin | Li cihê ku bingeh têra xwe biçûk e ku pêçandineke tund ne pêwîst e tê bikaranîn |
MiMo-V2.5 rêza sêyem bi kompakt bûna xwe hêjayî dike: bingehekê dagirtî yê vî polî hewce nake ku bo sê bitan were pêçiqandin da ku cih bigire, loma tu dikarî heştan bihêlî, û ew giraniyên ku tu jê nimûne digirî nêzî wan dimînin ku hatine perwerdekirin. Ev ji bo karê wêneyan bi awayekî ne li gorî pîvanê girîng e, ji bo sedemeke strukturî. Di dekoderekî tenê-nivîs de, embeddingekê ku di bin quantizasyonê de dişemite ji aliyê dehan tebeqeyên balê yên paşerojê ve ji nû ve tê contextkirin — gelek şansên vegerandinê. Stûneke dîtinê tu valahiyeke wisa nîne: agahiya dîtbarî bi rêya kodkerekî yekane û projeksiyonerekî teng ê yekane derbas dibe berî ku bigihîje dekoderî, û her tiştê pêşerojê li ser tiştê ku ew asteng çêkiriye şert e. Sînyala hûrgilî — 3 li hember 8 di skeneke bi contrasta nizm de, ew pîkselê rast ku darikek li ser tewanga grafîkê diqede, sînorê hêmaneke navrûyê ku ji te tê xwestin lê bitikînî — di wan hûrgilên giraniyan ên bi mezinahiya nizm de dijî ku quantizasyona tund pêşî wan davêje.
Modeleke dîtinê ya 3-bit bi deng têk naçe; ew bi bêdengî têk diçe, û şiroveyeke herikbar a belgeyekê çêdike ku tê de du reqem di kombûnê de hatine guhertin. Rasttiya giraniyan a bilindtir sîgorteya herî erzan e li hember wê têkçûnê, û li vir ew belaş e — tu bi her awayî bihayê erdê didî.
04Bihayê erdê, di contextê de
Çar model di katalogê me yê diwazdeh-modelî de li erdê bihayê $0.50 têketin / $2.00 derketin ji bo her mîlyon tokenan rûdinin. Tenê yek ji wan wêneyan digire. Li vir e ku modelên bi kapasîteya dîtinê li ser lêçûna derketinê li ku dikevin, ew jimara ku piraniya fatûreyên rastîn serdest dike:
Bihayê derketinê bi USD ji bo her 1M tokenan, rêjeyên lîsteyê yên Dergehê Shannon AI, Îlona 2026. Dirêjahiya darikê li gorî modela dîtinê ya herî biha ya di katalogê de ye.
Li hember Kimi-K3 — modela dîtinê ya tavanê, û bi rastî yeke bihêztir — MiMo-V2.5 li ser derketinê bi qasî 9.6× erzantir û li ser têketinê 7.7× erzantir e. Ev ne îdiaya wekheviyê ye; ew argumanek e li ser şeklê karî. Li sed hezar wêneyan di mehekê de, modela tavanê ne bibihanî ye û modela erdê ye, û pirsa dilsoz ev e ka modela erdê pîvana te ya rasttiyê derbas dike an na — ne ka ew benchmarkekê dibe an na.
05MiMo-V2.5 li hember MiniMax-M3: du modelên dîtinê yên erzan, bi dilsozî berawird kirin
Ev her du li ser biha, context, û rûyê endpointê tam wekhev in. Ew ne li şûna hev in: asta quantizasyonê nûnerê du bahîsên cuda ye li ser wê ka çi modeleke dîtinê bikêrhatî dike.
| MiMo-V2.5 · W8A16 | MiniMax-M3 · 3BIT-REAP | |
|---|---|---|
| Têketin / derketin ji bo her 1M | $0.50 / $2.00 | $0.50 / $2.00 |
| Rasttiya giraniyan | 8-bit | 3-bit + birrîna pisporan |
| Mezinahiya bingehê | Kompakt, dagirtî | MoEyeke mezin û seyrek |
| Dîtin | Erê | Erê |
| Pencereya contextê | 262,144 | 262,144 |
| Şema · amûr · streaming | Erê | Erê |
MiMo-V2.5 hilbijêre gava wêne beşa dijwar be: OCRa dagirtî ya li ser skenên ne bêkêmasî, derxistina hejmarî ji grafîk û tabloyan, bingehkirina screenshot û navrûyan, xwendina nivîsa biçûk, veqetandina wêneyên berheman ên hema hema wekhev — her tiştê ku tê de reqemekê guhertî kêmasiyek e ne şaşiyeke kozmetîk. Tu riya herî bi wefadarî ji pîkselan bo tokenan dixwazî, û giraniyên 8-bit riya wergirtina wê li vî bihayî ne.
MiniMax-M3 hilbijêre gava wêne beşa hêsan be. Bingehekê seyrek ê mezin ê ku bo 3 bitan hatiye pêçandin hîn jî zanîna cîhanê û firehiya ramanê ya zêdetir ji ya ku modeleke dagirtî ya kompakt dikare digire, tevî birrînê. Heke kar «li vî wêneyî binêre û bi dirêjahî li ser wê hizir bike ka ew çi îma dike» be, an wêne têketinek e di axaftineke bi piranî nivîsî de, bingehê mezintir amûrê çêtir e — ew tûjiya dîtbarî ya ku te da ne astenga girêdayî bû.
06MiMo-V2.5 li hember MiMo-V2.5-Pro: xwişka ku çav bi kûrahiyê guhertin
Ev berawirdkirina ku herî zêde bilêtên piştgiriyê çêdike ye, loma hêjayî eşkerebûnê ye. MiMo-V2.5-Pro-W8A16 û MiMo-V2.5-W8A16 bihayekî, pencereyeke contextê, asteke rasttiyê, û navekî malbatî parve dikin. Pro wêneyan qebûl nake. Ew ne komeke jorîn e. Ew dabeşkirineke cuda ya heman budceyê ye.
Xizmetkirina modeleke pir-modalî tê wateya dayîna pereyê ji bo stûneke dîtinê û projeksiyonerekî ligel dekoderî — li hedefeke lêçûnê ya sabît, kapasîteya ku li ser modela zimanî bi xwe nayê xerckirin. Pro hemûyê li ser nivîsê xerc dike: bingehekê mezintir bi cihekî zêdetir ji bo nivîsandina dirêj, ramîna dirêjkirî, û kodê. MiMo-V2.5 beşekê wê li ser dîtinê xerc dike.
Loma qaîdeya biryarê li ser têketinên te ye, ne li ser armancên te. Heke her daxwazek dikare screenshotekê, rûpeleke skenkirî, grafîkekê, diagramekê, an wêneyekî di xwe de bigire, tu MiMo-V2.5 hewce dikî — Pro dê bloka naverokê red bike. Heke her daxwazek nivîs be û te ji adetê destê xwe dirêjî modela dîtinê kiribe, tu kalîteya bingehê ji bo tu tiştî li ser masê dihêlî: MiMo-V2.5-Pro li heman rêjeyê bigire.
Şablonekî hêjayî dizînê: li gorî cureyê naverokê rêkirinê bike. Her tiştê ku beşeke wêneyî tê de heye diçe MiMo-V2.5-W8A16, her tiştê din diçe MiMo-V2.5-Pro-W8A16. Heman malbat, heman biha, heman budceya contextê — router sade ye û tu modela lêçûnê nîne ku were lihevanîn.
07«Têgihiştina wêneyan a bê sansûr» bi rastî çi tê wateyê
Li ber vê modelê tu tebeqeya redkirinê tune û li ser derketina wê tu fîltreya naverokê nîne. Ev biryareke berhemê ye bi encameke taybet ji bo karê dîtinê: model şirove dike ka çi di çarçoveyê de ye li şûna ku li ser bingehê mijarê red bike.
Ev girîng e ji ber ku API yên dîtinê yên fîltrekirî ji aliyê strukturî ve ji bo kategoriyeke tevahî ya karê meşrû ne guncaw in. Lûleyeke moderasyonê divê li wî materyalî binêre ku moderasyon dike û bibêje ew çi ye; klasîfîkerekî ku red dike ku li wî tiştî binêre ku klasîfîye dike ne klasîfîker e. Heman tişt li seranserê lîsteyeke dirêj a karên rastîn derbas dibe:
- Amûrên bawerî û ewlehiyê — nîşankirina tam wan wêneyan ku API yeke sereke wan pêvajo nake, ku ev ew wêne ne ku herî zêde nîşankirinê hewce dikin.
- Wêneyên bijîşkî, adlî û qezayê — wênekêşiya klînîkî, ya birînan, û ya dîmenan ku fîltreyên giştî wan wek grafîk red dikin bêyî ku girîng be kî dipirse.
- Lêkolîna ewlehiyê — xwendina rûpelên phishingê, navrûyên xerabkar, û ekranên girtî bêyî ku model li ser bingehî bisekine.
- Klasîfîkasyona naveroka mezinan û katalogkirina arşîvê — lûleyên ku ji bo nasandina materyalî hene û nikarin nêrînê li derve bidin, plus komeleyên dîrokî ku fîltre wan wek nenîşandbar dihesibînin.
Rakirina tebeqeya redkirinê astengeke endezyariyê radike, ne yeke hiqûqî. Shannon AI ji aliyê Shannon Lab LLC li New Mexico, DYA ve tê xebitandin, û bikaranîna API di bin Polîtîkaya Bikaranîna Berpirsiyar a me de ye. Derketina bêfîltre kapasîteyek e, ne kaxeza destûrê.
08Bangkirina wê: endpoint, têketina wêneyan, û ew li ku dikeve
Model MiMo-V2.5-W8A16 e, ku li ser sê zaravayên daxwazê li hember heman giraniyan tê gihîştin, loma tu kîjan SDKya ku jixwe te heye digirî:
/v1/chat/completions— bi OpenAI re lihevhatî. Wêne wek beşên naverokê yênimage_urldiçin hundir, an wek URLeke https an wek URIya daneyên base64./v1/messages— bi Anthropic re lihevhatî. Wêne wek blokên naverokê yênimagediçin hundir./v1/responses— zaravayê bi şeklê Responses.
Streaming û bangkirina amûran li ser her sêyan dixebitin, loma model dikare li screenshotekê binêre û di yek dorekê de bang li fonksiyonekê li ser tiştê ku dît bike. Şemayên daxwaz û bersivê yên tam di belgekirina API de ne, ku herwiha playgroundekê dihewîne ku tu dikarî wêneyekî tê de bilizînî berî ku tu tu kodekê binivîsî.
MiMo-V2.5 piştgiriya json_schema ya hişk û response_format dike — cudahiya di navbera demoyekê û lûleyekê de. Fatûreyekê plus şemayeke bi qadên bi tîp ji bo firoşkar, tarîx, hêmanên rêzê, û kombûnê bide wê, û tu objeyekê werdigirî ku koda te dikare wê verîfîye bike ne paragrafek ku divê tu regex lê bikî. Du ji diwazdeh modelên di vê katalogê de piştgiriya derketina strukturkirî ya tam kêm dikin; ev yek nake, û ev sedem e ku ew wek xizmeteke derxistinê ya bi hejmara mezin dixebite.
Pencereya contextê 262,144 token e; derketina çêkirî li 16,384 tokenan ji bo her daxwazekê tê sînordar kirin. Wêne tokenên têketinê li gorî rezolusyonê xerc dikin, loma skenên rûpelan ên bi rezolusyona bilind contextê ji hejmareke peyvan a wekhev pir zûtir dixwin. Belgeyên dirêj bi rûpelan bişîne li şûna barkirina skeneke 300-rûpelî di yek daxwazekê de, û tavana derketinê wek astengeke rastîn a li ser derxistina tevayî bihesibîne — tabloyên dagirtî li gorî rêza rêzan parçe bike li şûna wergirtina bersiveke birrandî.
Derenceya reasoning_effort li vir bi paşxaneya malbatê re hêzeke rastîn heye. Wê ji bo klasîfîkasyona bi hejmara mezin nizm bike, li cihê ku bersiv etîketek e û tokenên hizirkirinê lêçûneke safî ne; wê ji bo şirovekirina grafîkan, matematîka dîtbarî, û ramîna diagraman bilind bike, li cihê ku divê model çend tiştên ku dibîne li hev bîne berî ku bikaribe bersivê bide.
Ew li ku dikeve, û li ku nakeve
Cihên baş. Derxistina belgeyan û fatûreyan a bi hejmara mezin; karê nêzî OCRê li ser skenên ne bêkêmasî; xwendina grafîk, dashboard û tabloyan; têgihiştina screenshotan û bingehkirina navrûyan; nîşankirina katalogê û pirs-bersivên dîtbarî; lûleyên moderasyonê — her karekî pir-modalî ku tê de lêçûna her bangekê girêdayî ye û rasttiya hûrgilî ew tişt e ku tu red dikî bidî.
Cihên xerab. Ramîna pir-modalî ya bi dijwariya sînor ku modela herî bihêz hewce dike bêyî ku girîng be biha — karê Kimi-K3, û ew bi sedemekê nêzî deh caran zêdetir dike. Çêkirina tenê-nivîs, li cihê ku MiMo-V2.5-Pro li heman rêjeyê bingehekê çêtir dide. Karê ku li ser zanîna cîhanê ya ansîklopedîk disekine, li cihê ku bingehekê seyrek ê mezin ji yekî dagirtî yê kompakt derbas dibe. Û her tiştê ku ji 262K contextê zêdetir hewce dike, ku tu modeleke li vir wê pêşkêş nake.
Her jimareke weşandî ya jorîn ya Xiaomi bi xwe ye, ji bo checkpointekî bi nav ê di rêzên MiMo û MiMo-VL de. Li şûna kurteya me ya wan, materyalê seretayî bixwîne.
09Pirsên ku pir tên kirin
API ya dîtinê ya MiMo a bê sansûr çi ye?
Ew modela MiMo-V2.5 W8A16 li ser Dergehê Shannon AI e: modeleke bi kapasîteya dîtinê di rêza MiMo ya Xiaomi de, ku li ser koma GPU ya me bi xwe bi rasttiya giraniyan a 8-bit bi contexteke 262,144-tokenî û bêyî tebeqeyeke redkirinê an fîltreya derketinê tê xizmet kirin. Ew wêne û nivîsê li ser /v1/chat/completions, /v1/messages û /v1/responses digire bi $0.50 ji bo her mîlyon tokenên têketinê û $2.00 ji bo her mîlyon tokenên derketinê.
Kîjan modela bê sansûr a herî erzan e ku bi rastî dikare wêneyan bibîne?
Du li erdê bihayê $0.50 têketin / $2.00 derketin ji bo her mîlyon tokenan wekhev in: MiMo-V2.5 W8A16 û MiniMax-M3 3BIT-REAP. MiMo-V2.5 ya bi rasttiya bilindtir a her duyan e bi giraniyên 8-bit, vebijarka standard a ewletir ji bo karê wêneyan ê ji hûrgilan hesas. MiniMax-M3 bingehekê pir mezintir dimeşîne ku bo 3 bitan hatiye pêçandin, û firehiya zanîna cîhanê li ser wefadariya her-pîkselî tercîh dike.
W8A16 çi tê wateyê û çima ew ji bo dîtinê girîng e?
W8A16 tê wateya giraniyên 8-bit bi aktîvasyonên 16-bit, asta bi wefadariya herî bilind a di kataloga Shannon de, ku li cihê ku bingeh têra xwe biçûk e ku pêçandineke tund ne pêwîst e tê bikaranîn. Ew ji bo dîtinê girîng e ji ber ku stûneke dîtinê û projeksiyonerê wê hûrgilên hûr bi riyeke teng derbas dikin, û ew çewtiyên ku li wir tên danîn paşê bi wî awayî nayên vegerandin ku embeddingeke nivîsê ya hinekî tar pir caran tê.
MiMo-V2.5 ji MiMo-V2.5-Pro çawa cuda ye?
Heman biha, heman contexta 262,144-tokenî, heman asta W8A16, lê ne heman model. MiMo-V2.5 wêneyan qebûl dike; MiMo-V2.5-Pro nake, û wê budceya xizmetkirinê li şûna wê li ser bingehekê nivîsê yê mezintir xerc dike. MiMo-V2.5 bikar bîne gava têketin screenshot, belge, grafîk an wêne di xwe de digirin; ji bo karê tenê-nivîs li heman rêjeyê Pro bikar bîne.
Ma modela dîtinê ya MiMo a bê sansûr piştgiriya şemaya JSON û bangkirina amûran dike?
Erê. MiMo-V2.5 W8A16 piştgiriya derketina strukturkirî ya hişk a json_schema, response_format, bangkirina amûran, streaming û kontroleke reasoning_effort dike. Ev tişt e ku wê wek backendekî derxistinê bikêrhatî dike: wêneyekî bide wê û objeyeke verîfîkirî werbigire ne nivîsekê ku divê tu wê parse bikî.
Wêneyekî jê re bişîne
Dîtina 8-bit, contexta 262K, tu tebeqeya redkirinê — li bihayê modeleke tenê-nivîs.
Belgekirina API Bixwîne Li Hemû 12 Modelan BigereNasnameya modelê: MiMo-V2.5-W8A16 · di bin Polîtîkaya Bikaranîna Berpirsiyar a me de
Çavkanî: Rapora teknîkî ya MiMo (arXiv 2505.07608) · Rapora Teknîkî ya MiMo-VL (arXiv 2506.03569) · XiaomiMiMo/MiMo-VL · MiMo-VL-7B-RL-2508. Hemû jimarên benchmarkê ji aliyê Xiaomi ve ji bo checkpointên berdayî yên li jor bi nav hatine ragihandin û rêza malbatê şirove dikin, ne avakirina rast a li ser vî endpointî. Biha, context, û alayên kapasîteyê nirxên lîsteyê yên Dergehê Shannon AI ne, Îlona 2026.