MiMo-V2.5：完整規格、定價、API 存取與應用場景（2026）

MiMo-V2.5 是小米推出的一款多模態、面向智慧型體的模型，專為程式設計、長上下文分析及融合文字、視覺或音訊資訊的工作流程所設計。該模型於2026年4月22日發表，採用稀疏專家混合架構，支援最高達100萬上下文 token。本指南將梳理該模型的官方能力、Gate.AI 公布的定價、支援的多模態類型、運作權衡、實際應用場景，以及截至2026年7月經驗證的 API 接入方式。

什麼是 MiMo-V2.5？

MiMo-V2.5 是小米研發的一款擁有3100億參數的稀疏專家混合模型。推論時實際啟用參數約為150億，這意味著模型雖然架構龐大，但每個 token 僅需激活部分參數。

小米將該模型定位為集智慧型體執行、程式設計與多模態推理於一體的統一系統。其語言主幹結合專用的視覺和音訊編碼器，使其能夠處理文字、圖像、音訊及影片資訊，而非僅限於文字。小米亦表示，經過指令微調的版本支援最高100萬 token 的上下文視窗。

MiMo-V2.5 與 MiMo-V2.5 Pro 在定位與規模上有所不同。標準版總參數為3100億，啟用參數為150億，而 Pro 版則擁有1.02兆總參數和420億啟用參數。因此，標準版更著重於多模態能力與智慧型體效能的成本效益平衡。

MiMo-V2.5 的核心參數與定價如何？

規格	經驗證或官方數據
服務商	小米
發布時間	2026年4月22日
架構	稀疏專家混合
總參數量	3100億
啟用參數量	150億
上下文視窗	最高100萬 token
訓練 token 數	48萬億
Gate.AI 模型ID	xiaomi/mimo-v2.5
Gate.AI 輸入價格	每100萬 token $0.14
Gate.AI 輸出價格	每100萬 token $0.28
Gate.AI 快取讀取價格	每100萬 token $0.0428
快取寫入價格	未公布
輸入類型	文字、圖像、音訊、影片
主要輸出	文字

小米官方確認了架構、參數量、訓練 token 數、上下文視窗及多模態設計。模型ID與 token 定價由 Gate.AI 單獨公布，不代表小米官方 API 價格。

例如，若一次請求包含200萬未快取輸入 token 和50萬輸出 token，預估費用為：

(2 × $0.14) + (0.5 × $0.28) = $0.42

此計算未包含快取折扣、重試、帳戶專屬條款及其他可能費用。

MiMo-V2.5 在生產環境中的核心價值體現在哪裡？

MiMo-V2.5 的生產力優勢在於將長上下文處理、程式設計能力與多模態理解集於一身。

例如，軟體智慧型體可在提出修復建議前，綜合分析原始碼、技術文件、介面截圖與錯誤日誌，無需分別將視覺資訊和程式碼傳送至不同模型。小米亦將 MiMo-V2.5 定位於多步驟、工具調用及長時上下文的智慧型體任務。

其100萬 token 上下文視窗可容納大型程式碼庫、長文件或大量互動歷史。但每次請求都提交最大上下文可能導致成本與處理時間增加，因此檢索、文件篩選與上下文壓縮依然有其現實意義。

該模型亦可解析錄製的示範或支援會話。例如，將語音回饋與介面操作對應，並自動產生結構化的缺陷報告。這類工作流程仰賴多模態理解；但目前無文件顯示 MiMo-V2.5 原生支援圖像、音訊或影片生成。

MiMo-V2.5 支援哪些多模態類型？

模態	輸入	輸出	實際應用場景
文字	支援	支援	分析、程式設計、摘要與指令
圖像	支援	未確認	截圖、圖表、文件與視覺推理
音訊	支援	未確認	語音與聲音理解
影片	支援	未確認	錄製流程與時序分析
程式碼	支援	支援	產生、除錯與程式碼庫審查

小米官方明確文件化了對視覺和音訊的原生理解，並介紹了模型在圖像、影片及多模態智慧型體任務中的表現。公開資料顯示，文字生成是主要輸出，暫未確認可直接生成原生媒體內容。

MiMo-V2.5 有哪些限制？

透過 Gate.AI 路由，部分運作細節尚未公開確認，包括最大輸出長度、速率限制、微調支援、媒體上傳要求及模型特定結構化輸出行為。

大上下文視窗也可能導致提示詞使用效率低落。直接提交整個程式碼庫，成本較高且結果未必聚焦，不如僅檢索相關文件。

多模態請求可能包含人臉、對話、客戶資訊、原始碼或憑證。團隊應於傳送敏感資訊前，做好去識別化、存取控制與資料留存策略。

由智慧型體生成的程式碼與工具操作需額外防護。輸出結果應經自動化測試、相依檢查與人工審核，工具權限應遵循最小權限原則。

MiMo-V2.5 適合哪些應用場景？

MiMo-V2.5 特別適用於：

• 融合原始碼、截圖或日誌的程式設計助手；
• 長文件與程式碼庫分析；
• 多模態除錯與介面審查；
• 錄製流程或產品示範分析；
• 對成本敏感、需廣泛輸入支援的智慧型體。

當工作流程需要多種輸入模態、長上下文及較低 token 定價時，建議選擇 MiMo-V2.5。若任務需原生媒體生成、極高專業度程式設計、嚴格結構化輸出或完整企業級管控，則建議考慮其他模型。

MiMo-V2.5 與 MiMo-V2.5 Pro 及 Gemini 2.5 Flash 對比如何？

對比維度	MiMo-V2.5	MiMo-V2.5 Pro	Gemini 2.5 Flash
主要定位	高效多模態智慧型體	複雜程式設計與長週期智慧型體	通用多模態應用
總參數量	3100億	1.02兆	未公開
啟用參數量	150億	420億	未公開
上下文視窗	100萬 token	100萬 token	視平台而定
多模態輸入	文字、圖像、音訊、影片	需驗證具體路由	多模態
主要決策因素	成本與多模態廣度	更高端智慧型體效能	Google 生態整合

MiMo-V2.5 是小米面向 token 效率與多模態理解的實用選擇。MiMo-V2.5 Pro 更適合高需求的軟體工程及長週期任務。

Gemini 2.5 Flash 適合已採用 Google 模型生態的團隊。模型選擇應基於已驗證的 API 功能、任務品質、延遲及整體會話成本，而非僅關注上下文視窗大小。

如何透過 Gate.AI 存取 MiMo-V2.5？

Gate.AI 提供相容 OpenAI 的 API，基礎 URL 為 https://api.gate.ai/openai/v1。根據 Gate.AI 公告，模型識別為 xiaomi/mimo-v2.5。

Python

import os
from openai import OpenAI
client = OpenAI(
    api_key=os.environ["GATEAI_API_KEY"],
    base_url="https://api.gate.ai/openai/v1",
)
try:
    response = client.chat.completions.create(
        model="xiaomi/mimo-v2.5",
        messages=[
            {
                "role": "user",
                "content": "Review this Python service and identify reliability risks."
            }
        ],
    )
    print(response.choices[0].message.content)
except Exception as error:
    print(f"Request failed: {error}")

curl

curl "https://api.gate.ai/openai/v1/chat/completions" \
  -H "Authorization: Bearer $GATEAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "xiaomi/mimo-v2.5",
    "messages": [
      {
        "role": "user",
        "content": "Create a migration plan for this Python service."
      }
    ]
  }'

以上範例均採用 Gate.AI 公布的通用 chat-completions 路由。在實作圖像、音訊或影片請求前，請確認帳戶權限及現行媒體輸入規範。

常見問題解答

MiMo-V2.5 是否支援100萬 token 上下文視窗？

支援。小米官方文件明確指令微調版 MiMo-V2.5 支援最高100萬 token 的上下文視窗。

MiMo-V2.5 能處理影片和音訊嗎？

支援。小米文件顯示模型具備原生視覺與音訊理解能力，並在影片及多模態任務上進行了評測。

透過 Gate.AI 使用 MiMo-V2.5 的費用是多少？

根據 Gate.AI 公布，輸入每100萬 token 收費$0.14，輸出每100萬 token $0.28，快取讀取每100萬 token $0.0428。

MiMo-V2.5 適合用作程式設計智慧型體嗎？

適合。該模型專為程式設計與智慧型體工作流程設計，但產生的變更仍需經過測試、安全審查及人工確認。

MiMo-V2.5 是否比 MiMo-V2.5 Pro 更便宜？

Gate.AI 公布的定價顯示標準版為低成本選項。若需更高端軟體工程或更長週期自主流程，MiMo-V2.5 Pro 或許更為適合。