Xiaomi merilis MiMo-V2.5 dan langsung menempatkannya di kelas model AI besar. Model ini sejak awal telah dibuat multimodal, jadi tidak hanya mengolah teks, meski demikian demikian pula gambar dan video dalam satu sistem. Xiaomi demikian pula menambahkan kemampuan agentic, yang membentuk model mampu menjalankan tugas yang lebih kompleks tanpa sejumlah besar instruksi manual.
Bagi melihat posisinya, Xiaomi membandingkan MiMo-V2.5 menggunakan beberapa model masif yang sudah lebih dulu dikenal. Ada DeepSeek-V4, Kimi K2.6, Claude Opus 4.6, sampai Gemini 3.1 Pro yang dijadikan acuan. Dari hasil yang dibagikan, MiMo-V2.5 terlihat mampu bersaing, terutama di tugas yang melibatkan eksekusi instruksi.
Salah satu hal menarik muncul di pengujian coding internal mereka. Versi standar MiMo-V2.5 dapat mengejar performa versi Pro, meski demikian dengan kebutuhan komputasi yang lebih rendah. Ini menciptakan model tersebut terasa lebih efisien, tidak sekadar mengandalkan ukuran masif.
Di sisi lain, kemampuan memahami gambar dan video serta ikut diuji. Xiaomi menyebut hasilnya setara dengan model closed-source yang selama ini lebih dominan di area tersebut. Artinya, MiMo-V2.5 tidak hanya kuat di teks, tetapi serta cukup seimbang di berbagai jenis input.
Model ini dilatih mendayagunakan 48 triliun token, angka yang menunjukkan skala pengembangannya. Xiaomi merilis dua varian dengan perbedaan kolosal di jumlah parameter dan kapasitas aktifnya. Dukungan konteks hingga 1 juta token demikian pula membuatnya bisa menangani input yang panjang tanpa simpel kehilangan konteks.
Soal akses, MiMo-V2.5 memang dapat diunduh dan dijalankan sendiri. Namun, kebutuhan hardware-nya tidak main-main, bahkan GPU kelas atas seperti RTX 5090 masih belum cukup. Pilihan yang lebih masuk akal guna dewasa ini ada di API atau AI Studio milik Xiaomi, meski platform tersebut belum selalu stabil.
Xiaomi terlihat tidak hanya ingin punya model sendiri, namun pun ikut membuka akses lewat pendekatan open-weight. Ini sanggup menarik bagi pengembang yang ingin fleksibilitas lebih masif. Menarik untuk dilihat, apakah model seperti ini sanggup cepat dipakai luas, atau tetap kalah praktis dibanding layanan AI tertutup yang usai lebih dulu mapan.
Sumber
