MiMo-V2.5：Xiaomi的多模态模型
1M tokens · Text / Vision / Audio / Video / Code · Prompt cache
Okou已不再运行MiMo-V2.5。本页作为它的规格、价格和基准测试参考保留。要做同类工作，请用GPT 5.6 Luna。
查看GPT 5.6 Luna适合对成本敏感、又需要同时看混合媒体和文本或代码的智能体。它不像Moonshot那样是专门的代码路由，也不像GLM那样是Z.AI直连路由，所以当工具调用质量是主要约束时，留着Sonnet或Kimi备用。
MiMo-V2.5是什么？
2026年6月
这个模型把100万token的上下文窗口与文本、图像、音频、视频输入支持结合在一起。当智能体要在普通文本之外还读大量媒体素材时，它是务实的低成本选择。
规格速览
MiMo-V2.5价格
服务商标价，按每100万token计。
MiMo-V2.5实际用起来怎么样
来自生产环境智能体运行的实际观察。
多模态覆盖
要在一个智能体步骤里同时处理文本、图像、音频和视频输入，MiMo-V2.5是低成本的那条路。
大上下文
100万token的上下文窗口给智能体留够了空间，长文档、文字记录和配套文件都装得下，不用激进地切块。
MiMo-V2.5最适合的智能体任务
混合媒体的研究轮次
当智能体需要把截图、视频片段、文字记录和笔记放在一起看完，再输出一份结构化简报时，用MiMo-V2.5。
大上下文文档审阅
把带图片或媒体引用的长篇原始材料装进去，让它给出跨文档的发现，不必一上来就换高端模型。
什么时候不该用MiMo-V2.5
需要最强的Claude式工具调用，或者工作流只处理文本、用更便宜的专用模型就够了，这两种情况别用MiMo-V2.5。
MiMo-V2.5与其他模型对比
MiMo-V2.5对比Kimi K2.7 Code
Kimi是Moonshot那条更强的代码路由。当更广的多模态输入和更大的100万上下文更重要时，MiMo-V2.5胜出。
MiMo-V2.5对比Claude Sonnet 4.6
工具调用和硬骨头推理上，Sonnet仍是更稳妥的高端默认项。MiMo-V2.5是成本更低的多模态探索路线。
MiMo-V2.5对比Hy3 Preview
Hy3 Preview更便宜，只支持文本，上下文256K。需要图像、音频、视频或100万窗口时，MiMo-V2.5更合适。
MiMo-V2.5在Okou上的可用情况
MiMo-V2.5已从Okou阵容中移除，因此在聊天和工作流里都无法再选用，也不能用你自己的API密钥接入。GPT 5.6 Luna覆盖同一个省钱档位。
