Xiaomi: MiMo-V2.5

Xiaomi: MiMo-V2.5는 Xiaomi의 텍스트 모델로, api14에 모델 id xiaomi/mimo-v2.5로 등록되어 있습니다. Xiaomi는 이를 추론 비용을 약 절반으로 줄이면서 Pro 수준의 에이전트 성능을 제공하는 네이티브 옴니모달 모델이라고 설명하며, 이미지와 비디오 이해 전반에서 MiMo-V2-Omni를 능가한다고 밝히고 있습니다. 이 모델은 텍스트 카테고리에 속하므로 돌려받는 것은 텍스트이지만, 받아들이는 입력의 범위는 카테고리 라벨이 시사하는 것보다 훨씬 넓습니다.

입력 측면에서 MiMo-V2.5는 텍스트, 오디오, 이미지, 비디오를 받아들이고 텍스트 출력을 생성합니다. 따라서 작성된 프롬프트만이 아니라 혼합 미디어를 대상으로 지정할 수 있는 모델입니다. 컨텍스트 윈도우는 1,050,000 토큰으로, 매우 긴 문서나 긴 녹취록, 또는 미디어에서 파생된 확장 컨텍스트를 단일 요청에 담기에 충분히 큽니다. 최대 출력은 131,000 토큰이므로 같은 호출 안에서 긴 생성이 가능합니다. 추론도 그 일부이며, 지원되는 항목에는 reasoning과 include_reasoning이 포함되므로 모델의 추론 동작을 단순한 텍스트 생성기로 취급하지 않고 다룰 수 있습니다.

이러한 기능은 상당히 구체적인 사용 사례 집합을 가리킵니다. 오디오, 이미지, 비디오가 모두 입력으로 허용되므로 MiMo-V2.5는 녹음된 회의와 기타 오디오를 요약하거나 질의하는 작업, 정보를 추출하는 작업, 비디오 콘텐츠에 대해 질문에 답하는 작업에 적합하며, 모델 앞단에 별도의 전사나 비전 단계가 필요하지 않습니다. 매우 큰 컨텍스트 윈도우는 긴 원본 자료를 다루는 작업, 예를 들어 긴 보고서를 미디어와 함께 분석하거나 긴 에이전트 세션을 계속 시야에 두는 작업에 알맞습니다. 이 모델이 에이전트형이라고 설명되므로 도구 사용도 자연스럽게 맞으며, 파라미터 목록이 이를 뒷받침합니다.

모델 id xiaomi/mimo-v2.5를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 지원하는 요청 파라미터는 frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_p입니다. 실제로 이는 temperature, top_p, top_k로 샘플링을 제어하고, response_format 또는 structured_outputs로 출력 형태를 잡고, max_tokens로 생성을 제한하고, seed로 실행을 재현 가능하게 하고, tools와 tool_choice를 통해 함수 호출을 정의할 수 있다는 뜻입니다. 추론은 reasoning 및 include_reasoning 파라미터를 통해 요청하거나 표면화할 수 있습니다.

주로 염두에 두어야 할 점은 출력 측입니다. MiMo-V2.5는 텍스트만 반환하므로, 애플리케이션이 생성된 이미지, 오디오 또는 비디오를 필요로 한다면 이 모델은 입력으로 그러한 형식을 읽을 수 있음에도 불구하고 그것들을 생성하지 않습니다. 카테고리는 텍스트이므로 멀티모달 입력, 텍스트 출력 모델로 취급하는 것이 가장 좋습니다. 순전히 텍스트만 다루고 오디오, 이미지, 비디오 이해가 필요 없는 워크로드라면 더 단순한 텍스트 모델이 더 직접적인 선택일 수 있으며, 큰 컨텍스트 윈도우와 옴니모달 입력 처리가 결정할 때 저울질할 만한 특징입니다.