MiMo-V2.5 · deepinfra

MiMo-V2.5 is a native omnimodal model with strong agentic capabilities, supporting text, image, video, and audio understanding within a unified architecture. Built upon the MiMo-V2-Flash backbone and extended with dedicated vision and audio encoders, it delivers robust performance across multimodal perception, long-context reasoning, and agentic workflows.

BasismodellAlle Modelle dieser BasisAlle Modelle des Anbieterszum Anbieter

Lesen Sie auch: Xiaomi MiMo API-Preise: MiMo V2.6 Pro und V2.6 Flash bei allen Anbietern

Alle Xiaomi MiMo-Modelle bei allen Anbietern

Eingabe, $/1M $0.14

Ausgabe, $/1M $0.28

Kontext 262 144

Max. Ausgabe 16 384

Akzeptiert Audio, Bilder, Text, Video

Zuletzt geprüft 04.11.2026 12:00:14 UTC

Quelle —