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.

Базовая модельВсе модели этой базовойВсе модели провайдерак провайдеру

Читайте также: Цены на API Xiaomi MiMo: MiMo V2.6 Pro и V2.6 Flash у всех провайдеров

Все модели Xiaomi MiMo у всех провайдеров

Вход, $/1M $0.14

Выход, $/1M $0.28

Контекст 262 144

Макс. выход 16 384

Принимает аудио, картинки, текст, видео

Последняя проверка 04.11.2026 12:00:14 UTC

Источник —