Mimo bündelt Xiaomis multimodale Modelle mit langem Kontext und die darauf gebauten Browser-, Agenten-, Terminal- und API-Produkte, verkauft über einen nutzungsbasierten Weg und ein Abo nur fürs Programmieren, mit offenen Gewichten.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Mimo (auf den eigenen Seiten als Xiaomi MiMo geführt) umfasst eine Familie großer Modelle samt der darauf aufbauenden Entwicklerprodukte von Xiaomi; die Startseite beschreibt es als universelle Intelligenzplattform. Es handelt sich nicht um eine einzelne Anwendung: Dieselben Modelle erreicht man über eine Chatoberfläche im Browser, einen Agenten-Arbeitsbereich, einen Terminal-Client, einen Desktop-Client und eine nutzungsbasiert abgerechnete Schnittstelle.
Zwei Spitzenmodelle bilden den Kern. MiMo-V2.5-Pro ist auf langfristiges Schlussfolgern ausgelegt, MiMo-V2.5 ist das nativ multimodale Mitglied und nimmt neben Text auch Bild, Video und Audio entgegen. Beide bieten ein Kontextfenster von einer Million Token und maximal 128K Ausgabe, weshalb der Schwerpunkt der Plattform bei Arbeiten in Repository-Größe und langen Dokumenten liegt statt bei kurzen Dialogen.
Die Gewichte werden veröffentlicht statt zurückgehalten: Die Modellorganisation von Xiaomi führt herunterladbare Prüfpunkte auf, darunter eine Pro-Version mit einer Billion Parametern und ein MiMo-V2.5 mit 311 Milliarden, sodass sich der gehostete und der selbst betriebene Weg direkt vergleichen lassen.
Ein struktureller Punkt prägt alles Weitere: Der Zugang wird in zwei Abrechnungswegen mit getrennten Zugangsdaten und Adressen verkauft, und diese Wahl begrenzt vertraglich, was Sie bauen dürfen.
Die Schnittstelle umfasst Textgenerierung, Bild-, Audio- und Videoverständnis, Spracherkennung, Sprachsynthese, vertieftes Denken, strukturierte Ausgabe, Werkzeugaufrufe und Websuche. Sprache liegt in eigenen Modellen statt im Chatmodell: MiMo-V2.5-ASR übernimmt die Erkennung von Chinesisch, Englisch und regionalen Dialekten, die Reihe MiMo-V2.5-TTS deckt voreingestellte Stimmen, Klangfarbengestaltung und Klangfarbenklonen ab.
Die Fähigkeiten verteilen sich nicht gleichmäßig über die Familie. Bildverständnis ist nur für mimo-v2.5 vermerkt, sodass eine auf das Pro-Modell vereinheitlichte Verarbeitungskette diesem keine Bilder schicken kann; auch die Websuche bleibt auf die beiden Textspitzenmodelle beschränkt.
Die Sprachmodelle arbeiten in weit engeren Grenzen: Erkennung mit 8K Kontext und maximal 2K Ausgabe, Synthese mit 8K Kontext und 8K Ausgabe, womit sie Dienste auf Anfrageebene und nicht für lange Kontexte sind.
Obergrenzen werden je Modalität veröffentlicht und nicht als eine einzige Plattformregel. Ein per Link übergebenes Bild darf 50 MB nicht überschreiten, dieselbe Grenze gilt für die base64-kodierte Zeichenkette, und die Pixelzahl bleibt zwischen 8.192 und 8.388.608 begrenzt.
Video ist per Link großzügiger und bei eingebetteten Daten strenger: Eine per Link übergebene Videodatei darf 300 MB nicht überschreiten, ihre base64-Zeichenkette muss unter 50 MB bleiben. Akzeptierte Container sind MP4, MOV, AVI und WMV, die Bildentnahme steuert ein fps-Parameter zwischen 0,1 und 10, und die Extraktion endet bei 2.048 Einzelbildern.
Vertieftes Denken läuft auf beiden Spitzenmodellen und verändert die Anfrage selbst, nicht nur die Antwortqualität. Diese Modelle unterstützen keine eigenen Werte für temperature und top_p, sondern erzwingen 1.0 und 0.95, sodass sich die Stichprobenziehung bei aktivem Modus nicht einstellen lässt.
Schwerer wiegt die Regel für mehrstufige Verläufe. In Verbindung mit Werkzeugaufrufen muss das Begründungsfeld vollständig zurückgegeben werden, sonst antwortet die Schnittstelle mit einem Fehler 400; wird es weggelassen, sinkt die Befolgung von Anweisungen und Halluzinationen nehmen zu. Agentenschleifen, die Zwischenfelder zum Token-Sparen entfernen, brechen hier.
Die Websuche läuft erzwungen oder von der Absichtserkennung des Modells ausgelöst und wird über Parameter für Stichwortbreite, Ergebniszahl und ungefähren Standort gesteuert. Sie ist eine kostenpflichtige Erweiterung und kein kostenloser Schalter: Vor der Nutzung muss sie aktiviert werden, und nach jedem Ein- oder Ausschalten folgt eine Zwischenspeicherfrist von fünf Minuten.
Ratenbegrenzungen werden je Modell veröffentlicht und je Konto zusammengerechnet: Beide Spitzenmodelle erlauben 100 Anfragen und 10 Millionen Token pro Minute, die Spracherkennung ebenfalls 100 Anfragen, jedoch bei einem weit kleineren Budget von 10.000 Token. Die Obergrenze zählt den gesammelten Verkehr aller Schlüssel eines Kontos für dasselbe Modell.
Da die Endpunkte zwei weit verbreitete Protokolle nachbilden, besteht der dokumentierte Weg darin, ein bereits genutztes Werkzeug neu zu konfigurieren. Zu den dokumentierten Integrationen zählen das hauseigene MiMo Code sowie Clients Dritter wie OpenCode, OpenClaw, Claude Code, Codex, Hermes Agent, Kilo Code, Cline, Cherry Studio, Qwen Code und CodeBuddy, alle gleich eingerichtet: die Adresse auf den OpenAI- oder Anthropic-kompatiblen Endpunkt richten und den zum gewählten Weg passenden Schlüssel eintragen.
Programmiersitzungen in Repository-Größe. MiMo Code ist ein terminalnativer Assistent, der Code liest und schreibt, Befehle ausführt, Git verwaltet und über ein dauerhaftes Gedächtnis sein Verständnis eines Projekts über Sitzungen hinweg behält. Agentenmodi für Bauen, Planen und Zusammensetzen, die Steuerung parallel laufender Unteragenten und Verbindungen zum Modellkontextprotokoll passen zu mehrstufigen Umbauten statt zu Änderungen an einer einzelnen Datei.
Analyse langer Dokumente und gemischter Medien. Das Fenster von einer Million Token mit nativer Bild-, Video- und Audioeingabe deckt Bestände ab, die sonst zerteilt werden müssten, sofern die Arbeit an das Modell geht, das diese Eingaben annimmt.
Agentenabläufe mit greifbaren Ergebnissen. MiMo Claw ist ein Agenten-Arbeitsbereich und kein Chatfenster: Es erzeugt, zeigt, bearbeitet und exportiert Dokumente über eine eingebundene Bürosuite, verwaltet Dateien mit Sammel-Download und führt mehrere Unterhaltungen und Aufgaben parallel aus.
Sprachprodukte. Klangfarbenklonen aus einer einzigen Probe, Klangfarbengestaltung und voreingestellte Stimmen sind eigene Modelle, sodass ein Produkt den nötigen Grad an Kontrolle wählt, statt eine feste Stimme hinzunehmen.
Prüfen vor der Festlegung. Veröffentlichte Prüfpunkte erlauben, den gehosteten Endpunkt zuerst mit einer selbst betriebenen Kopie derselben Gewichte zu vergleichen.
Gut geeignet: Entwickler, die bereits einen OpenAI- oder Anthropic-kompatiblen Client einsetzen, da der Wechsel überwiegend Konfigurationsarbeit ist und die dokumentierte Integrationsliste die meisten Terminal- und Editorabläufe abdeckt.
Gut geeignet: Teams, deren Arbeit wirklich lange Kontexte umfasst. Ein Fenster von einer Million Token mit 128K Ausgabe rechnet sich nur, wenn Dokumente, Repositorys oder Agentenverläufe diesen Umfang tatsächlich erreichen.
Teilweise geeignet: Teams, die ein Produkt-Backend auf ein Abonnement stützen wollen. Dieser Weg ist vertraglich auf Programmierwerkzeuge beschränkt, weshalb Backend- und Automatisierungsverkehr über den nutzungsbasierten Weg laufen muss; wer beides braucht, finanziert zwei Systeme.
Schlecht geeignet: Käufer, die vor Vertragsschluss Organisationskonten, Erstattungen oder eine überprüfbare Datenschutzzusage brauchen. Die Anmeldung ist auf persönliche Konten beschränkt, Erstattungen werden derzeit nicht unterstützt, und die Seiten zu Datenschutz und Bedingungen lieferten bei dieser Prüfung keinen lesbaren Text, sodass diese Zusagen an der Quelle unbestätigt blieben.
Schlecht geeignet: Teams in der Europäischen Union, im Vereinigten Königreich oder in Korea, die die Vorschaumodelle benötigen, die dort laut Dokumentation derzeit nicht verfügbar sind.
Der Zugang verteilt sich über getrennte Oberflächen statt über eine einzelne Anwendung:
Der Quellcode des Terminal-Clients erscheint unter der MIT-Lizenz, begleitet von gesonderten Nutzungsbeschränkungen und einer Markenrichtlinie.
Zwei Wege werden nebeneinander verkauft, und das nutzungsbasierte Guthaben ist ausdrücklich nicht mit dem Abonnementkontingent austauschbar. Die Nutzungstarife erscheinen je Million Token, in Yuan für China und in Dollar international:
| Modell | Region | Eingabe aus Cache | Eingabe ohne Cache | Ausgabe |
|---|---|---|---|---|
| mimo-v2.5-pro | International | $0.0036 | $0.435 | $0.87 |
| mimo-v2.5 | International | $0.0028 | $0.14 | $0.28 |
| mimo-v2.5-pro | China | ¥0.025 | ¥3.00 | ¥6.00 |
| mimo-v2.5 | China | ¥0.02 | ¥1.00 | ¥2.00 |
Zwei Posten stehen außerhalb dieser Tabelle. Die Spracherkennung wird nach Audiodauer berechnet, international mit 0,074 Dollar je Stunde und in China mit 0,5 Yuan; die Websuche kostet international 5 Dollar je tausend Anfragen und in China 16 Yuan je tausend, zusätzlich zu den Token, die die abgerufenen Seiten verbrauchen. Cache-Schreibvorgänge und die Sprachsynthesemodelle sind zeitlich befristet kostenlos, weshalb die heute genannte Summe keine belastbare Prognose ist.
Der Abonnementweg verkauft vier Stufen mit monatlichem Kontingent: Lite für 6 Dollar im Monat mit 4,1 Milliarden Credits, Standard für 16 Dollar mit 11 Milliarden, Pro für 50 Dollar mit 38 Milliarden und Max für 100 Dollar mit 82 Milliarden, wobei Jahreskäufe etwa das Zwölffache des Monatsbetrags kosten. Ist das Monatskontingent erschöpft, stellt das System den Dienst ein, statt auf nutzungsbasierte Abrechnung zu wechseln, und Erstattungen werden derzeit nicht unterstützt.
Ein unabhängiges Softwareverzeichnis führt das Produkt als Werkzeug für große Sprachmodelle und nennt die Assistenten, die Käufer dagegen abwägen, darunter ChatGPT, DeepSeek, Claude, Google Gemini, Qwen, Kimi und Microsoft Copilot. Das aussagekräftige Signal dabei: Die Vergleichsgruppe ist der allgemeine Assistentenmarkt, keine Nische.
Beim Terminal-Client fällt der Vergleich enger, aber genauer aus. Unabhängige Berichterstattung verzeichnet MiMo Code mit 62 % auf SWE-bench Pro gegenüber 55 % für Claude Code zusammen mit Claude Sonnet 4.6 sowie 73 % gegenüber 69 % auf Terminal Bench 2. Dieselbe Berichterstattung hält fest, dass Xiaomi keine Vergleiche mit den Kommandozeilenwerkzeugen zweier anderer Anbieter veröffentlicht hat und dass in der öffentlichen Rangliste ein anderes Modell auf Terminal Bench 2 82,7 % erreichte, also über dem hier genannten Wert.
Zum Modell selbst vergibt ein unabhängiger Messdienst für MiMo-V2.5-Pro einen Intelligenzwert von 26, deutlich über dem Median von 17 für Modelle mit offenen Gewichten ähnlicher Größe, misst zugleich aber eine Ausgabe von 35,3 Token pro Sekunde gegenüber einem Median von 66,7. Dieses Ergebnis wird mit Geschwindigkeit bezahlt.
Auch der Bezug ist nicht an einen Anbieter gebunden. Das multimodale Modell wird über mindestens einen Marktplatz weiterverkauft, zu Tarifen und einer Kontextgrenze abweichend von den Herstellerangaben; ein Preisvergleich lohnt sich, bevor man sich auf den eigenen Endpunkt festlegt.
Nicht vollständig, denn der Zugang wird in zwei Wegen verkauft. Die nutzungsbasierte Schnittstelle wird ab dem ersten Aufruf nach Token abgerechnet, das Abonnement beginnt bei 6 Dollar im Monat. Einiges ist befristet kostenlos: Cache-Schreibvorgänge und die Sprachsynthesemodelle, und der Agenten-Arbeitsbereich erschien zunächst als kostenlose Testfassung vor der kostenpflichtigen Version.
Nein. Das Abonnementpaket ist auf Programmierwerkzeuge beschränkt und untersagt Schnittstellenaufrufe für eindeutig nicht dem Programmieren dienende Zwecke wie automatisierte Skripte und eigene Anwendungs-Backends; als Folge sind Aussetzung des Dienstes und Sperrung des Schlüssels genannt. Anwendungs-Backends gehören auf den nutzungsbasierten Weg.
An mimo-v2.5. Bildverständnis ist für dieses Modell dokumentiert und nicht für die gesamte Familie; ein einzelnes Bild ist auf 50 MB begrenzt, die Pixelzahl muss zwischen 8.192 und 8.388.608 liegen.
Zum Teil ja. Die Prüfpunkte stehen zum Download bereit, und der Quellcode des Terminal-Clients erscheint unter der MIT-Lizenz. Ein Modell mit einer Billion Parametern selbst zu betreiben verlangt allerdings ernsthafte Infrastruktur, weshalb dies eher eine Option zur Prüfung und Kontrolle als ein günstiger Ausweg ist.
Unabhängige Messung nennt eine Ausgabe von 35,3 Token pro Sekunde gegenüber einem Median von 66,7 und eine Zeit bis zum ersten Token von 3,40 Sekunden gegenüber 2,32 Sekunden, wobei der Intelligenzwert deutlich über diesem Median liegt. Der Handel lautet also Qualität gegen Latenz.
Der Dienst hält an. Die Dokumentation hält fest, dass das System den Dienst einstellt, sobald das monatliche Gesamtkontingent des Pakets erschöpft ist, und beschreibt keinen automatischen Übergang zur nutzungsbasierten Abrechnung. Da Erstattungen derzeit nicht unterstützt werden, kommt es auf die richtige Wahl der Stufe an.
