Xiaomi: MiMo-V2.5

Xiaomi: MiMo-V2.5 adalah model teks dari Xiaomi, terdaftar di api14 dengan model id xiaomi/mimo-v2.5. Xiaomi mendeskripsikannya sebagai model omnimodal native yang memberikan performa agentic tingkat Pro dengan biaya inferensi sekitar setengahnya, dan melampaui MiMo-V2-Omni dalam persepsi multimodal pada pemahaman gambar dan video. Model ini berada di kategori teks, jadi teks adalah yang Anda dapatkan kembali, tetapi rentang input yang diterimanya jauh lebih luas daripada yang disiratkan oleh label kategorinya.

Di sisi input, MiMo-V2.5 menerima teks, audio, gambar dan video, dan menghasilkan output teks. Itu menjadikannya model yang dapat Anda arahkan ke media campuran, bukan hanya ke prompt tertulis. Jendela konteksnya adalah 1.050.000 token, yang cukup besar untuk menampung dokumen yang sangat panjang, transkrip panjang atau konteks turunan media yang diperluas dalam satu permintaan. Output maksimumnya adalah 131.072 token, sehingga generasi panjang dimungkinkan dalam panggilan yang sama. Penalaran juga menjadi bagian dari gambaran ini: parameter yang didukung mencakup reasoning dan include_reasoning, sehingga Anda dapat bekerja dengan perilaku penalaran model alih-alih memperlakukannya sebagai generator teks biasa.

Kemampuan tersebut mengarah pada serangkaian kasus penggunaan yang cukup spesifik. Karena audio, gambar dan video semuanya diterima sebagai input, MiMo-V2.5 cocok untuk tugas seperti merangkum atau menanyakan rapat yang direkam dan audio lainnya, mengekstrak informasi dari gambar, dan menjawab pertanyaan tentang konten video, semuanya tanpa langkah transkripsi atau visi terpisah di depan model. Jendela konteks yang sangat besar cocok untuk pekerjaan atas materi sumber yang panjang, misalnya menganalisis laporan yang panjang bersama media pendukung, atau menjaga sesi agent yang panjang tetap terlihat. Karena model ini dideskripsikan sebagai agentic, penggunaan tool juga sangat cocok, dan daftar parameter mendukung hal itu.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id xiaomi/mimo-v2.5. Parameter permintaan yang didukungnya adalah frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Dalam praktiknya itu berarti Anda dapat mengontrol sampling dengan temperature, top_p dan top_k, membentuk output dengan response_format atau structured_outputs, membatasi generasi dengan max_tokens, membuat eksekusi dapat direproduksi dengan seed, dan mendefinisikan pemanggilan fungsi melalui tools dan tool_choice. Penalaran dapat diminta atau dimunculkan melalui parameter reasoning dan include_reasoning.

Hal utama yang perlu diingat adalah sisi output. MiMo-V2.5 hanya mengembalikan teks, jadi jika aplikasi Anda membutuhkan gambar, audio atau video yang dihasilkan, model ini tidak akan menghasilkannya, meskipun model ini dapat membaca format tersebut sebagai input. Kategorinya adalah teks, jadi paling baik diperlakukan sebagai model dengan input multimodal dan output teks. Untuk beban kerja yang sepenuhnya teks dan tidak membutuhkan pemahaman audio, gambar atau video, model teks yang lebih sederhana mungkin lebih cocok secara langsung, dan jendela konteks yang besar serta penanganan input omnimodal adalah fitur yang layak dipertimbangkan saat Anda memutuskan.