Xiaomi: MiMo-V2.5-Pro

Xiaomi: MiMo-V2.5-Pro adalah model teks dari Xiaomi. Ini adalah model unggulan perusahaan, yang diposisikan pada kemampuan agentic umum, rekayasa perangkat lunak yang kompleks, dan tugas berhorizon panjang. Xiaomi melaporkan peringkat teratas untuk model ini pada benchmark seperti ClawEval, GDPVal, dan SWE-bench Pro. Ini adalah model text-in, text-out, sehingga bekerja dengan prompt tertulis dan mengembalikan respons tertulis.

Model ini menerima input teks dan menghasilkan output teks, dengan context window 1.050.000 token. Itu cukup besar untuk menampung seluruh codebase, kumpulan dokumen panjang, atau transkrip agen yang diperpanjang dalam satu permintaan. Panjang output maksimum adalah 131.072 token, yang mendukung jawaban yang dihasilkan panjang, bukan hanya balasan singkat. Reasoning adalah bagian dari fitur model: parameter yang didukung mencakup reasoning dan include_reasoning, sehingga Anda dapat mengontrol atau menampilkan perilaku reasoning model di mana klien Anda mendukungnya.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Alur kerja agentic sangat cocok, karena model ini dibangun untuk perilaku agen umum dan tugas berhorizon panjang yang mencakup banyak langkah. Rekayasa perangkat lunak yang kompleks adalah penggunaan lain, termasuk pekerjaan pada repositori besar di mana context window menjadi penting. Karena output dapat mencapai 131.072 token, model ini juga cocok untuk tugas yang membutuhkan hasil terstruktur yang panjang, bukan jawaban singkat. Structured outputs dan tool calling membuatnya dapat digunakan dalam pipeline di mana model harus mengembalikan data yang dapat dibaca mesin atau memanggil fungsi eksternal.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "xiaomi/mimo-v2.5-pro". Parameter permintaan yang didukungnya adalah frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, dan top_p. Dalam praktiknya, temperature, top_p, dan top_k membentuk sampling; max_tokens dan stop membatasi respons; seed menambah reproduktifitas; frequency_penalty, presence_penalty, dan repetition_penalty mengurangi pengulangan; response_format dan structured_outputs membatasi bentuk output; serta tools dan tool_choice mengaktifkan function calling. logprobs dan top_logprobs mengembalikan informasi probabilitas tingkat token, dan reasoning serta include_reasoning berkaitan dengan output reasoning model.

Pertimbangannya sebagian besar tentang kecocokan. Input hanya teks, jadi tidak ada dukungan gambar, audio, atau modalitas lain; jika tugas Anda bergantung pada input tersebut, diperlukan model yang berbeda. Context window yang sangat besar dan output maksimum yang panjang berguna tetapi tidak selalu diperlukan, jadi untuk tugas teks yang singkat dan sederhana, model yang lebih kecil atau lebih cepat mungkin lebih cocok. Dalam batasan tersebut, MiMo-V2.5-Pro ditujukan untuk pekerjaan teks yang menuntut: agen, rekayasa perangkat lunak, dan tugas yang berjalan dalam horizon panjang.