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.

Modelo baseTodos los modelos de esta baseTodos los modelos del proveedoral proveedor

Lea también: Precios de la API de Xiaomi MiMo: MiMo V2.6 Pro y V2.6 Flash en todos los proveedores

Todos los modelos de Xiaomi MiMo en todos los proveedores

Entrada, $/1M $0.14

Salida, $/1M $0.28

Contexto 262 144

Salida máx. 16 384

Acepta audio, imágenes, texto, vídeo

Última comprobación 04.11.2026 12:00:14 UTC

Fuente —