Mimo réunit les modèles multimodaux à long contexte de Xiaomi et les produits navigateur, agent, terminal et API bâtis dessus, vendus par une filière à l'usage et un abonnement réservé au code, avec des poids publiés.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Mimo (désigné sur ses pages sous le nom de Xiaomi MiMo) regroupe une famille de grands modèles et les produits pour développeurs bâtis dessus, publiés par Xiaomi, que sa page d'accueil présente comme une plateforme d'intelligence universelle. Ce n'est pas une application unique : les mêmes modèles s'atteignent depuis une interface de conversation, un espace de travail agentique, un client en terminal, un client de bureau et une API facturée à l'usage.
Deux modèles phares en forment le socle. MiMo-V2.5-Pro se consacre au raisonnement de longue haleine, MiMo-V2.5 est le membre nativement multimodal, acceptant images, vidéos et audio en plus du texte. Tous deux offrent une fenêtre de contexte d'un million de jetons et une sortie maximale de 128K, ce qui place le centre de gravité du côté des travaux à l'échelle d'un dépôt et des documents longs, plutôt que des échanges brefs.
Les poids sont publiés plutôt que gardés : l'organisation de modèles de Xiaomi répertorie des points de contrôle téléchargeables, dont une version Pro à mille milliards de paramètres et un MiMo-V2.5 à 311 milliards, si bien que voie hébergée et voie auto-hébergée se comparent directement.
Un détail structurel conditionne tout ce qui suit : l'accès se vend en deux filières de facturation aux identifiants et aux adresses distincts, et ce choix limite contractuellement ce que vous avez le droit de construire.
L'API couvre la génération de texte, la compréhension des images, de l'audio et de la vidéo, la reconnaissance et la synthèse vocales, la réflexion approfondie, la sortie structurée, l'appel d'outils et la recherche web. La voix relève de modèles dédiés plutôt qu'intégrés au dialogue : MiMo-V2.5-ASR gère la reconnaissance en chinois, en anglais et en dialectes régionaux, et la série MiMo-V2.5-TTS couvre voix prédéfinies, conception de timbre et clonage de timbre.
Les capacités ne sont pas réparties uniformément dans la famille. La documentation n'attribue la compréhension d'images qu'à mimo-v2.5, si bien qu'une chaîne standardisée sur le modèle Pro pour la qualité de raisonnement ne peut pas lui envoyer d'images ; la recherche web se limite de même aux deux modèles textuels phares.
Les modèles vocaux ont des enveloppes bien plus étroites : la reconnaissance avec un contexte de 8K et une sortie maximale de 2K, la synthèse avec 8K de contexte et 8K de sortie, soit des services à l'échelle de la requête plutôt que du contexte long.
Les plafonds sont publiés par modalité, non comme une règle unique. Une image transmise par lien ne doit pas dépasser 50 Mo, le même plafond vaut pour sa chaîne encodée en base64, et le nombre de pixels reste borné entre 8 192 et 8 388 608.
La vidéo est plus généreuse par lien et plus stricte en données intégrées : un fichier transmis par lien ne doit pas dépasser 300 Mo, sa chaîne base64 doit rester sous 50 Mo. Les conteneurs acceptés sont MP4, MOV, AVI et WMV, l'échantillonnage utilise un paramètre fps entre 0,1 et 10, et l'extraction s'arrête à 2 048 images.
La réflexion approfondie fonctionne sur les deux modèles phares et modifie la requête elle-même, pas seulement la qualité de la réponse. Ces modèles n'acceptent pas les paramètres temperature et top_p personnalisés, imposant 1.0 et 0.95, si bien que l'échantillonnage ne se règle pas tant que le mode est actif.
La règle multitours pèse davantage. Avec les appels d'outils, le champ de raisonnement doit être retransmis intégralement, faute de quoi l'API renvoie une erreur 400 ; l'omettre dégrade le suivi des instructions et augmente les hallucinations. Les boucles agentiques qui suppriment les champs intermédiaires pour économiser des jetons se cassent ici.
La recherche web s'exécute de façon forcée ou déclenchée par la reconnaissance d'intention du modèle, réglée par des paramètres d'étendue des mots-clés, de nombre de résultats et de localisation approximative. C'est une extension facturée plutôt qu'un simple interrupteur : elle doit être activée avant usage, et un délai de cache de cinq minutes suit toute activation ou désactivation.
Les limites de débit sont publiées par modèle et agrégées par compte : les deux modèles phares autorisent 100 requêtes et 10 millions de jetons par minute, la reconnaissance vocale 100 requêtes pour un budget bien plus réduit de 10 000 jetons. Le plafond additionne le trafic de toutes les clés d'un même compte appelant ce modèle.
Comme les points de terminaison reprennent deux protocoles répandus, la voie d'adoption documentée consiste à reconfigurer un outil déjà en place. Les intégrations documentées comprennent le MiMo Code de l'éditeur, aux côtés de clients tiers tels qu'OpenCode, OpenClaw, Claude Code, Codex, Hermes Agent, Kilo Code, Cline, Cherry Studio, Qwen Code et CodeBuddy, tous configurés de la même manière : pointer l'adresse vers le point de terminaison compatible OpenAI ou Anthropic, puis fournir la clé de votre filière.
Sessions de codage à l'échelle d'un dépôt. MiMo Code est un assistant natif du terminal qui lit et écrit du code, exécute des commandes, gère Git et conserve une mémoire persistante gardant sa compréhension d'un projet d'une session à l'autre. Les modes agentiques de construction, de planification et de composition, l'orchestration de sous-agents en parallèle et les connexions au protocole de contexte de modèle conviennent aux refontes en plusieurs étapes plutôt qu'aux retouches d'un seul fichier.
Analyse de documents longs et de médias mixtes. La fenêtre d'un million de jetons avec entrée native d'images, de vidéos et d'audio couvre des archives qui exigeraient autrement un découpage, à condition d'orienter le travail vers le modèle qui accepte ces entrées.
Flux agentiques produisant des livrables. MiMo Claw est un espace de travail agentique, non une fenêtre de discussion : il génère, prévisualise, modifie et exporte des documents via une suite bureautique intégrée, gère les fichiers avec téléchargement groupé et fait tourner plusieurs conversations et tâches en parallèle.
Produits vocaux. Le clonage de timbre depuis un seul échantillon, la conception de timbre et les voix prédéfinies relèvent de modèles distincts : un produit choisit le degré de contrôle nécessaire au lieu d'accepter une voix figée.
Évaluer avant de s'engager. Les points de contrôle publiés permettent de comparer d'abord le point de terminaison hébergé à une copie auto-hébergée des mêmes poids.
Bon choix : les développeurs utilisant déjà un client compatible OpenAI ou Anthropic, puisque la migration relève surtout de la configuration et que la liste d'intégrations documentées couvre l'essentiel des flux en terminal et en éditeur.
Bon choix : les équipes dont le travail relève vraiment du contexte long. Une fenêtre d'un million de jetons avec 128K de sortie ne justifie son prix que si documents, dépôts ou trajectoires agentiques atteignent cette échelle.
Choix mitigé : les équipes espérant bâtir un arrière-plan de produit sur un abonnement. Cette filière est contractuellement réservée aux outils de programmation : le trafic d'arrière-plan et d'automatisation doit passer par la filière à l'usage, et une équipe ayant besoin des deux finance deux systèmes.
Mauvais choix : les acheteurs exigeant des comptes d'organisation, un remboursement ou un engagement de confidentialité vérifiable avant de signer. La connexion se limite au compte personnel, les remboursements ne sont pas pris en charge, et les pages de politique de confidentialité et de conditions n'ont renvoyé aucun texte lisible lors de cette vérification, si bien que ces engagements n'ont pas pu être confirmés à la source.
Mauvais choix : les équipes de l'Union européenne, du Royaume-Uni ou de Corée ayant besoin des modèles en avant-première, documentés comme actuellement indisponibles sur ces marchés.
L'accès se répartit entre des surfaces distinctes plutôt que dans une application unique :
Le code source du client en terminal est publié sous licence MIT, assorti de restrictions d'usage et d'une politique de marque distinctes.
Deux filières se vendent côte à côte, et le solde facturé à l'usage n'est explicitement pas interopérable avec le quota d'abonnement. Les tarifs à l'usage sont publiés par million de jetons, en yuans pour la Chine et en dollars à l'international :
| Modèle | Région | Entrée en cache | Entrée hors cache | Sortie |
|---|---|---|---|---|
| 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 | Chine | ¥0.025 | ¥3.00 | ¥6.00 |
| mimo-v2.5 | Chine | ¥0.02 | ¥1.00 | ¥2.00 |
Deux postes échappent à ce tableau. La reconnaissance vocale se facture à la durée audio, à 0,074 dollar l'heure à l'international et 0,5 yuan en Chine ; la recherche web coûte 5 dollars les mille requêtes à l'international et 16 yuans les mille en Chine, en plus des jetons consommés par les pages récupérées. Les écritures en cache et les modèles de synthèse vocale sont gratuits pour une durée limitée, si bien que le total affiché aujourd'hui n'est pas une prévision stable.
La filière d'abonnement propose quatre paliers avec allocations mensuelles : Lite à 6 dollars par mois avec 4,1 milliards de crédits, Standard à 16 dollars avec 11 milliards, Pro à 50 dollars avec 38 milliards et Max à 100 dollars avec 82 milliards, les achats annuels coûtant environ douze fois le montant mensuel. Une fois l'allocation mensuelle épuisée, le système interrompt le service au lieu de basculer vers la facturation à l'usage, et les remboursements ne sont pas pris en charge.
Un annuaire logiciel indépendant classe ce produit parmi les outils de grands modèles de langage et nomme les assistants que les acheteurs mettent en balance avec lui, dont ChatGPT, DeepSeek, Claude, Google Gemini, Qwen, Kimi et Microsoft Copilot. Le signal utile : l'ensemble de comparaison est le marché généraliste des assistants, non une niche.
Pour le client en terminal, la comparaison est plus étroite mais mieux mesurée. Une couverture indépendante enregistre MiMo Code à 62 % sur SWE-bench Pro contre 55 % pour Claude Code associé à Claude Sonnet 4.6, et 73 % sur Terminal Bench 2 contre 69 %. La même couverture note que Xiaomi n'a publié aucune comparaison avec les outils de codage en ligne de commande de deux autres éditeurs, et qu'au classement public un autre modèle a obtenu 82,7 % sur Terminal Bench 2, au-dessus du chiffre revendiqué ici.
Sur le modèle lui-même, un service de mesure indépendant attribue à MiMo-V2.5-Pro un indice d'intelligence de 26, nettement au-dessus de la médiane de 17 pour les modèles à poids ouverts comparables, tout en relevant un débit de 35,3 jetons par seconde contre une médiane de 66,7. Ce résultat s'achète au prix de la vitesse.
L'accès n'est pas verrouillé sur un seul vendeur. Le modèle multimodal est revendu par au moins une place de marché à des tarifs et un plafond de contexte différents de ceux de l'éditeur : une comparaison de prix mérite d'être menée avant de se standardiser sur le point de terminaison de première partie.
Pas entièrement. L'API facturée à l'usage se paie au jeton dès le premier appel, l'abonnement démarre à 6 dollars par mois. Certains éléments sont temporairement gratuits : les écritures en cache et les modèles de synthèse vocale sont annoncés gratuits pour une durée limitée, et l'espace de travail agentique a proposé une version d'essai gratuite avant sa version payante.
Non. Le forfait d'abonnement se limite aux outils de programmation et interdit les appels d'API pour des scénarios manifestement non liés au codage, tels que des scripts automatisés et des arrière-plans d'applications personnalisées, avec suspension du service et blocage de la clé pour conséquence annoncée. Les arrière-plans applicatifs relèvent de la filière à l'usage.
À mimo-v2.5. La compréhension d'images est documentée pour ce modèle plutôt que pour toute la famille, et une image reste plafonnée à 50 Mo, avec un nombre de pixels borné entre 8 192 et 8 388 608.
Oui, en partie. Les points de contrôle sont publiés en téléchargement et le code source du client en terminal paraît sous licence MIT. Héberger soi-même un modèle à mille milliards de paramètres exige toutefois une infrastructure sérieuse : c'est une option d'évaluation et de maîtrise plutôt qu'une échappatoire économique.
La mesure indépendante situe le débit à 35,3 jetons par seconde contre une médiane de 66,7 chez ses pairs, et le délai jusqu'au premier jeton à 3,40 secondes contre une médiane de 2,32, tout en plaçant son intelligence bien au-dessus de cette même médiane. L'échange se fait donc entre qualité et latence.
Le service s'arrête. La documentation indique qu'une fois le quota mensuel total du forfait épuisé, le système interrompt le service, sans bascule automatique vers la facturation à l'usage. Les remboursements n'étant pas pris en charge, bien dimensionner son palier compte.
