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 os modelos desta baseTodos os modelos do provedorao provedor

Leia também: Preços da API Xiaomi MiMo: MiMo V2.6 Pro e V2.6 Flash em todos os provedores

Todos os modelos Xiaomi MiMo em todos os provedores

Entrada, $/1M $0.14

Saída, $/1M $0.28

Contexto 262 144

Saída máx. 16 384

Aceita áudio, imagens, texto, vídeo

Última verificação 04.11.2026 12:00:14 UTC

Fonte —