API-и бесензураи биноии MiMo

Нуқтаҳои интиҳоии арзони бисёрмодалӣ бинобар он арзонанд, ки чизе бурида шудааст, ва он чи бурида мешавад, одатан қисмест, ки шумо онро дида наметавонед: вазнҳо то се ё чор бит фишурда мешаванд ва модел то ҳол дар бораи диаграммае, ки дигар воқеан хонда наметавонад, боэътимод ҷавоб медиҳад. MiMo-V2.5 намунаи муқобил дар каталоги мост — ҳамзамон дар фарши нарх ва дар зинаи болоии дақиқӣ, зеро асосе, ки аз он мебарояд, хурд ва зич сохта шудааст, на бузург ва сироҷ.

01MiMo аз куҷо меояд: аввал модели мулоҳиза, баъд модели биноӣ

Хати MiMo барномаи тадқиқотии вазнҳои кушодаи Xiaomi аст ва далели бунёдии он мод нест: қобилияти мулоҳиза дар пештаълим муқаррар мешавад, на баъдтар бо RL часпонида. Кор асосан муҳандисии маълумот аст — Xiaomi истихроҷ ва филтронии матнро аз нав сохт, то зичии намунаҳои мулоҳиза-ро дар корпус баланд бардорад, маълумоти синтетикии мулоҳизаро дар миқёс тавлид кард ва MiMo-7B-Base-ро дар тақрибан 25 триллион токен зери омехтаи семарҳилавӣ пештаълим дод, бо Пешгӯии Бисёртокенӣ ҳамчун ҳадафи ёрирасон, ки ҳангоми хулосабарорӣ ҳамчун декодери тахминӣ хизмат мекунад (меъёри қабул наздик ба 90%, тибқи Xiaomi).

Пас аз таълим дидаву дониста сода аст: 130,000 масъалаи математика ва код бо танҳо мукофотҳои дақиқии қоидавӣ, бе модели омӯхташудаи мукофот, бо ин мулоҳиза, ки модели нейронии мукофот сатҳест, ки онро вайрон кардан мумкин аст. Мукофотҳои тасдиқшавандаро бо чапласӣ фиреб додан мумкин нест. MiMo-7B-RL рақамҳое мегузорад, ки ба андозааш номутаносибанд — Xiaomi 68.2% дар AIME 2024, 95.8% дар MATH-500, 57.8% дар LiveCodeBench v5 дар pass@1-ро эълон мекунад, ки ба o1-mini-и OpenAI баробар аст. Ин шакли моделест, ки шумо фаро мехонед: паймон, зич таълимгирифта, танзимшуда, то масъаларо ҳал карда гузарад, на он ки ҷавобро ба ёд орад — ва ҳамин хислат ба насли бисёрмодалӣ мегузарад.

02MiMo чӣ гуна дидан омӯхт: меъмории MiMo-VL

MiMo-VL шохаи биноӣ-забонӣ аст ва сохти он ибратомӯз аст. Xiaomi се қисмро ҷамъ овард: кодкунандаи ViT бо ҳалнокии ватанӣ, ки ба ҷои маҷбур кардани ҳар тасвир аз шабакаи собити ҳалнокии паст тафсилоти нозукро нигоҳ медорад, проектори MLP-и тасодуфан оғозшуда ба фазои ниҳонии модели забонӣ ва — муҳимтар аз ҳама — сутунмӯҳраи мулоҳизавии MiMo ҳамчун модели забонӣ. Системаи биноӣ декодереро мерос мегирад, ки аллакай дар андешаи бисёрзинагӣ хуб аст, на танҳо дар сарлавҳанависӣ.

Таълим дар чор марҳилаи пештаълим гузашт — гарм кардани проектор, ҳамоҳангсозии биноӣ-забонӣ, пештаълими умумии бисёрмодалӣ, SFT-и контексти дароз — дар тақрибан 2.4 триллион токен, сипас Таълими Такмилии Омехтаи On-policy (MORL), ки дақиқии идрок, дақиқии заминадоркунии визуалӣ, дурустии мулоҳиза ва афзалияти инсон/зеҳни сунъиро ба як давраи on-policy ҷамъ мекунад. Ҳисобот ростқавлона иқрор мешавад, ки оптимизатсияи ҳамаи инҳо якбора ноустувор аст — тарҳрезии ростқавлонатар аз он ки аксари мақолаҳои бисёрмодалӣ пешниҳод мекунанд.

Натиҷаҳои нашршуда барои ин шумораи параметрҳо қавӣ мебошанд. Xiaomi эълон мекунад, ки MiMo-VL-7B-RL аз Qwen2.5-VL-7B дар 35 аз 40 вазифа болотар мебарояд, 59.4 дар OlympiadBench (болотар аз моделҳои то 78B) ва 56.1 дар OSWorld-G барои заминадоркунии GUI, пеш аз агентҳои махсус сохташудаи интерфейс. Навсозии баъдии 2508 MMMU-ро бори аввал дар ин силсила аз 70 болотар бурд (70.6), ба 94.4 дар ChartQA, 92.5 дар ScreenSpot-v2 ва 70.8 дар VideoMME расид ва фишанги идораи андешаро илова кард, то изҳои мулоҳизаро дар ҳар дархост хомӯш кардан мумкин бошад.

03W8A16 чӣ маъно дорад ва чаро он барои биноӣ аз матн бештар муҳим аст

Ҳар модели шлюз пасванди квантизатсия дорад. Ин ороиш нест — он ба шумо мегӯяд, ки барои қобили хизматрасонӣ гардонидани модел чӣ мубодила шудааст.

Пасванд	Ин чист	Чаро он истифода мешавад
3BIT-REAP	Вазнҳои 3-битӣ ба замми REAP, усули буридани мутахассисон, ки мутахассисони нодир маршрутшударо аз модели MoE пеш аз квантизатсия мепартояд	Ягона роҳи ҷойгир кардан ва хизматрасонии бузургтарин асосҳо бо суръати оқилона
W4A16-AUTOROUND-REAP	Вазнҳои 4-битӣ, фаъолсозиҳои 16-битӣ, ки бо AutoRound квантизатсия шудаанд — мудавварсозии омӯхташуда, ки дақиқиро нисбат ба мудавварсозии оддӣ ба наздиктарин барқарор мекунад — ба замми буридани REAP	Замини миёна барои асосҳои калон, ки ба фишурдасозии шадид ниёз надоранд
W8A16	Вазнҳои 8-битӣ, фаъолсозиҳои 16-битӣ — баландтарин зинаи садоқате, ки мо хизмат мерасонем	Дар ҷое истифода мешавад, ки асос ба қадри кофӣ хурд аст ва фишурдасозии шадид лозим нест

MiMo-V2.5 сатри сеюмро бо паймон буданаш сазовор мешавад: асоси зичи ин синф барои ҷойгир шудан ба фишурдан то се бит ниёз надорад, бинобар ин шумо метавонед ҳаштро нигоҳ доред ва вазнҳое, ки шумо аз онҳо намуна мегиред, ба вазнҳои таълимгирифта наздик мемонанд. Ин барои кор бо тасвир номутаносиб муҳим аст, ба сабаби сохторӣ. Дар декодери танҳо матнӣ, ҷойгиршавие, ки зери квантизатсия дур мешавад, аз ҷониби даҳҳо қабати баъдии таваҷҷуҳ аз нав контекстонида мешавад — имконоти зиёде барои барқароршавӣ. Стеки биноӣ чунин захира надорад: иттилои визуалӣ пеш аз расидан ба декодер аз як кодкунанда ва як проектори танг мегузарад ва ҳама чизи баъдина ба он чи ин гулӯгоҳ тавлид кардааст, шарт мегузорад. Сигнали нозук — 3 дар муқобили 8 дар скани контрасти паст, пиксели дақиқе, ки дар он сутун дар меҳвари диаграмма тамом мешавад, ҳудуди унсури интерфейс, ки шумо бояд ба он пахш кунед — дар тафсилоти камбузурги вазн зиндагӣ мекунад, ки квантизатсияи шадид онро аввал мепартояд.

Модели биноии 3-битӣ баланд садо дода ноком намешавад; он хомӯшона ноком мешавад ва тавсифи равони ҳуҷҷатро тавлид мекунад, ки дар он ду рақами маблағи умумӣ ҷойҳояшонро иваз кардаанд. Дақиқии баландтари вазн арзонтарин суғурта дар муқобили ин нокомист ва дар ин ҷо он ройгон аст — шумо ба ҳар ҳол нархи фаршро мепардозед.

04Нархи фарш дар контекст

Чор модел аз каталоги дувоздаҳмоделаи мо дар фарши нархи $0.50 вуруд / $2.00 баромад барои як миллион токен ҷойгиранд. Танҳо яке аз онҳо тасвирҳоро мегирад. Инак моделҳои қобили биноӣ аз рӯи арзиши баромад, рақаме, ки дар аксари ҳисобномаҳои воқеӣ бартарӣ дорад, дар куҷо ҷойгиранд:

Нархи баромад бо доллари ИМА барои 1M токен, меъёрҳои рӯйхати Шлюзи Shannon AI, сентябри соли 2026. Дарозии сутун нисбат ба гаронтарин модели биноии каталог аст.

Дар муқобили Kimi-K3 — модели биноии ҳадди боло ва воқеан қавитар — MiMo-V2.5 тақрибан 9.6× арзонтар дар баромад ва 7.7× арзонтар дар вуруд аст. Ин даъвои баробарӣ нест; ин далел дар бораи шакли бори корист. Дар сад ҳазор тасвир дар як моҳ, модели ҳадди боло дастрас нест ва модели фарш дастрас аст, ва саволи ростқавлона ин аст, ки оё модели фарш аз ҳадди дақиқии шумо мегузарад — на он ки оё он дар бенчмарк ғолиб мешавад.

05MiMo-V2.5 дар муқобили MiniMax-M3: ду модели арзони биноӣ, ростқавлона муқоисашуда

Ин ду аз рӯи нарх, контекст ва сатҳи нуқтаи интиҳоӣ маҳз баробаранд. Онҳо ивазшаванда нестанд: зинаи квантизатсия нишондиҳандаи ду гарави гуногун дар бораи он аст, ки чӣ модели биноиро муфид мегардонад.

	MiMo-V2.5 · W8A16	MiniMax-M3 · 3BIT-REAP
Вуруд / баромад барои 1M	$0.50 / $2.00	$0.50 / $2.00
Дақиқии вазн	8-бит	3-бит + буридани мутахассисон
Андозаи асос	Паймон, зич	Калон, MoE-и сироҷ
Биноӣ	Бале	Бале
Тирезаи контекст	262,144	262,144
Схема · абзорҳо · ҷараёнӣ	Бале	Бале

MiMo-V2.5-ро вақте интихоб кунед, ки тасвир қисми душвор аст: OCR-и зич дар сканҳои носолим, истихроҷи ададӣ аз диаграммаҳо ва ҷадвалҳо, заминадоркунии скриншот ва интерфейс, хондани матни хурд, фарқ кардани аксҳои қариб якхелаи маҳсулот — ҳар чизе, ки дар он рақами ҷойивазшуда нуқсон аст, на камбудии зоҳирӣ. Шумо роҳи бо баландтарин садоқат аз пиксел то токен мехоҳед ва вазнҳои 8-битӣ ҳамон роҳест, ки шумо онро бо ин нарх мегиред.

MiniMax-M3-ро вақте интихоб кунед, ки тасвир қисми осон аст. Асоси калони сироҷ, ки то 3 бит фишурда шудааст, то ҳол аз модели паймони зич бештар дониши ҷаҳон ва фарохии мулоҳиза дорад, ҳатто пас аз буридан. Агар вазифа «ба ин акс нигар ва дар бораи он чи он ишора мекунад, дуру дароз мулоҳиза кун» бошад ё тасвир як вуруд дар сӯҳбати асосан матнӣ бошад, асоси калонтар асбоби беҳтар аст — тезбинии визуалӣ, ки шумо аз он даст кашидед, маҳдудияти асосӣ набуд.

06MiMo-V2.5 дар муқобили MiMo-V2.5-Pro: бародаре, ки чашмонро ба умқ мубодила кард

Ин муқоисаест, ки бештарин дархостҳои дастгириро тавлид мекунад, бинобар ин арзиши рӯирост буданро дорад. MiMo-V2.5-Pro-W8A16 ва MiMo-V2.5-W8A16 нарх, тирезаи контекст, зинаи дақиқӣ ва номи оилавиро мубодила мекунанд. Pro тасвирҳоро қабул намекунад. Он маҷмӯаи васеътар нест. Он тақсимоти дигари ҳамон буҷа аст.

Хизматрасонии модели бисёрмодалӣ маънои пардохт барои манораи биноӣ ва проектор дар паҳлӯи декодерро дорад — бо ҳадафи арзиши собит, иқтидоре, ки ба худи модели забонӣ сарф намешавад. Pro ҳамаашро ба матн сарф мекунад: асоси калонтар бо фазои бештар барои навиштани дарозшакл, мулоҳизаи васеъ ва код. MiMo-V2.5 як қисми онро ба биноӣ сарф мекунад.

Пас қоидаи қарор дар бораи вурудҳои шумост, на дар бораи ниятҳои шумо. Агар ҳар дархост метавонад скриншот, саҳифаи сканшуда, диаграмма, нақша ё аксро дар бар гирад, ба шумо MiMo-V2.5 лозим аст — Pro блоки мазмунро рад мекунад. Агар ҳар дархост матн бошад ва шумо аз рӯи одат ба модели биноӣ муроҷиат карда бошед, шумо сифати асосро бе ҳеҷ фоида аз даст медиҳед: MiMo-V2.5-Pro-ро бо ҳамон меъёр гиред.

Намунае, ки арзиши дуздиданро дорад: аз рӯи навъи мазмун маршрут кунед. Ҳар чизе, ки қисми тасвир дорад, ба MiMo-V2.5-W8A16 меравад, ҳама чизи дигар ба MiMo-V2.5-Pro-W8A16. Ҳамон оила, ҳамон нарх, ҳамон буҷаи контекст — маршрутизатор ночиз аст ва ҳеҷ модели арзише нест, ки мувофиқ кардан лозим бошад.

07«Фаҳмиши бесензураи тасвир» воқеан чӣ маъно дорад

Дар пеши ин модел қабати рад кардан нест ва дар баромади он филтри мазмун нест. Ин қарори маҳсулот бо оқибати мушаххас барои кори биноӣ аст: модел он чиро, ки дар кадр аст, тавсиф мекунад, на он ки аз рӯи мавзӯъ рад кунад.

Ин муҳим аст, зеро API-ҳои филтршудаи биноӣ аз ҷиҳати сохторӣ барои як категорияи пурраи кори қонунӣ номувофиқанд. Конвейери модератсия бояд ба маводе, ки модератсия мекунад, нигоҳ кунад ва гӯяд, ки он чист; таснифкунандае, ки аз тафтиши чизе, ки тасниф мекунад, рад мекунад, таснифкунанда нест. Ҳамин дар рӯйхати дарози корҳои воқеӣ дуруст аст:

• Абзорҳои эътимод ва бехатарӣ — тамғагузории маҳз ҳамон тасвирҳое, ки API-и маъмулӣ онҳоро коркард намекунад, ки маҳз ҳамонҳо ба тамғагузорӣ бештар ниёз доранд.
• Тасвирҳои тиббӣ, криминалистӣ ва садама — аксбардории клиникӣ, ҷароҳат ва саҳна, ки филтрҳои умумӣ онҳоро новобаста аз он ки кӣ мепурсад, ҳамчун шадид рад мекунанд.
• Тадқиқоти амният — хондани саҳифаҳои фишинг, интерфейсҳои зараровар ва экранҳои сабтшуда бе он ки модел аз асоси савол пас гардад.
• Таснифоти мазмуни калонсолон ва каталогсозии бойгонӣ — конвейерҳое, ки барои муайян кардани мавод вуҷуд доранд ва нигоҳ карданро ба берун супорида наметавонанд, ба замми маҷмӯаҳои таърихӣ, ки филтрҳо онҳоро ҳамчун тамғагузоринашаванда меҳисобанд.

Бартараф кардани қабати рад кардан монеаи муҳандисиро бартараф мекунад, на монеаи ҳуқуқиро. Shannon AI аз ҷониби Shannon Lab LLC дар Ню-Мексико, ИМА идора мешавад ва истифодаи API тибқи Сиёсати Истифодаи Масъулонаи мо танзим мешавад. Баромади бефилтр имконият аст, на иҷозатнома.

08Фарохонии он: нуқтаҳои интиҳоӣ, вуруди тасвир ва ҷои он

Модел MiMo-V2.5-W8A16 аст, ки дар се лаҳҷаи дархост дар муқобили ҳамон вазнҳо дастрас аст, бинобар ин шумо ҳамон SDK-еро, ки аллакай доред, нигоҳ медоред:

• /v1/chat/completions — мувофиқи OpenAI. Тасвирҳо ҳамчун қисмҳои мазмуни image_url ворид мешаванд, ё ҳамчун URL-и https ё ҳамчун URI-и маълумоти base64.
• /v1/messages — мувофиқи Anthropic. Тасвирҳо ҳамчун блокҳои мазмуни image ворид мешаванд.
• /v1/responses — лаҳҷаи навъи Responses.

Ҷараёнӣ ва фарохонии абзорҳо дар ҳар се кор мекунанд, бинобар ин модел метавонад ба скриншот нигарад ва дар як давра дар бораи он чи дид, функсияро фаро хонад. Схемаҳои пурраи дархост ва ҷавоб дар ҳуҷҷатгузории API ҳастанд, ки инчунин майдончаеро мизбонӣ мекунад, ки шумо метавонед пеш аз навиштани ягон код ба он тасвир гузоред.

MiMo-V2.5 json_schema-и қатъӣ ва response_format-ро дастгирӣ мекунад — фарқи байни намоиш ва конвейер. Ба он квитансия ба замми схема бо майдонҳои типноки фурӯшанда, сана, бандҳои сатрӣ ва маблағи умумӣ диҳед ва шумо объектеро мегиред, ки коди шумо онро тасдиқ карда метавонад, на сархате, ки бояд бо regex коркард кунед. Дуто аз дувоздаҳ модели ин каталог дастгирии пурраи баромади сохториро надоранд; ин модел дорад ва маҳз бинобар ин он ҳамчун хизматрасонии истихроҷи ҳаҷми калон кор мекунад.

Тирезаи контекст 262,144 токен аст; баромади тавлидшуда бо 16,384 токен дар як дархост маҳдуд аст. Тасвирҳо токенҳои вурудро вобаста ба ҳалнокӣ истеъмол мекунанд, бинобар ин сканҳои саҳифаи ҳалнокии баланд контекстро хеле тезтар аз шумораи баробари калимаҳои матн мехӯранд. Ҳуҷҷатҳои дарозро ба саҳифаҳо тақсим кунед, на он ки скани 300-саҳифагиро дар як дархост бор кунед, ва ҳадди баромадро ҳамчун маҳдудияти воқеӣ дар истихроҷи фарогир ҳисоб кунед — ҷадвалҳои зичро аз рӯи диапазони сатрҳо тақсим кунед, на он ки ҷавоби буридашуда гиред.

Фишанги reasoning_effort бо назардошти пайдоиши ин оила дар ин ҷо фишанги воқеӣ дорад. Онро барои таснифоти ҳаҷми калон паст кунед, ки дар он ҷавоб тамға аст ва токенҳои андеша арзиши софанд; онро барои тафсири диаграмма, математикаи визуалӣ ва мулоҳиза дар болои нақшаҳо баланд кунед, ки дар онҳо модел бояд якчанд чизи дидаашро якҷоя кунад, то ҷавоб диҳад.

Он ба куҷо мувофиқ аст ва ба куҷо не

Мувофиқати хуб. Истихроҷи ҳаҷми калони ҳуҷҷатҳо ва квитансияҳо; кори ба OCR наздик дар сканҳои носолим; хондани диаграмма, панел ва ҷадвал; фаҳмиши скриншот ва заминадоркунии интерфейс; тамғагузории каталог ва саволу ҷавоби визуалӣ; конвейерҳои модератсия — ҳар вазифаи бисёрмодалӣ, ки дар он арзиши ҳар фарохонӣ маҳдуд мекунад ва дақиқии тафсилоти нозук ҳамон чизест, ки шумо аз он даст кашидан намехоҳед.

Мувофиқати суст. Мулоҳизаи бисёрмодалии душвории сарҳадӣ, ки новобаста аз нарх ба қавитарин модел ниёз дорад — ин кори Kimi-K3 аст ва он бесабаб қариб даҳ маротиба гаронтар нест. Тавлиди танҳо матнӣ, ки дар он MiMo-V2.5-Pro бо ҳамон меъёр асоси беҳтар медиҳад. Коре, ки ба дониши энсиклопедии ҷаҳон такя мекунад, ки дар он асоси калони сироҷ аз паймони зич пеш меравад. Ва ҳар чизе, ки ба зиёда аз 262K контекст ниёз дорад, ки ҳеҷ модели ин ҷо онро пешниҳод намекунад.

09Саволҳои маъмул

---

Манбаъҳо: Ҳисоботи техникии MiMo (arXiv 2505.07608) · MiMo-VL Technical Report (arXiv 2506.03569) · XiaomiMiMo/MiMo-VL · MiMo-VL-7B-RL-2508. Ҳамаи рақамҳои бенчмарк аз ҷониби Xiaomi барои нуқтаҳои назорати дар боло номбаршуда эълон шудаанд ва насаби оиларо тавсиф мекунанд, на маҳз сохти ин нуқтаи интиҳоиро. Нархҳо, контекст ва парчамҳои имкониятҳо қиматҳои рӯйхати Шлюзи Shannon AI, сентябри соли 2026 мебошанд.