Mimo はシャオミの長文脈マルチモーダルモデル群と、その上のブラウザ・エージェント・ターミナル・API 製品で、従量課金と開発専用サブスクの二経路で販売され、重みも公開されています。
このツールを使いましたか？評価してください
Mimo（公式ページの表記は Xiaomi MiMo）は、シャオミが公開した大規模モデル群と、その上に載る開発者向け製品の総称で、公式サイトは汎用的な知能プラットフォームとして紹介しています。単一のアプリではありません。同じモデルを、ブラウザの対話画面、エージェント作業空間、ターミナル用クライアント、デスクトップ用クライアント、従量課金 API から呼び分ける構成です。
中核は二つの主力モデルです。MiMo-V2.5-Pro は長時間の推論を担い、MiMo-V2.5 はテキストに加えて画像・動画・音声も受け取るネイティブマルチモーダルです。いずれも 100 万トークンの文脈長と 128K の最大出力を備えており、そのため重心は短い会話ではなく、リポジトリ規模の作業や長い文書に置かれます。
重みは伏せられず公開されています。モデル配布先には 1 兆パラメータの Pro 版と 3110 億パラメータの MiMo-V2.5 を含む取得可能なチェックポイントが並び、ホスティングと自前構築を直接比べられます。
以下の判断すべてを左右する構造上の特徴が一つあります。利用権は別々の資格情報とアドレスを使う二つの課金経路に分かれて販売され、どちらを選ぶかが契約上つくってよいものを縛ります。
API はテキスト生成、画像・音声・動画の理解、音声認識、音声合成、深い思考、構造化出力、ツール呼び出し、ウェブ検索にまたがります。音声は対話モデルに畳み込まれず専用モデルに分かれており、MiMo-V2.5-ASR が中国語・英語・地域方言の認識を、MiMo-V2.5-TTS 系列が既定音色・音色設計・音色複製を担います。
機能はモデル群に一様には行き渡っていません。文書上、画像理解に対応するのは mimo-v2.5 だけなので、推論品質を狙って Pro に統一した処理系に画像を送ることはできません。ウェブ検索も主力の二モデルに限られます。
音声モデルの容量は主力よりずっと小さく、認識は文脈 8K・最大出力 2K、合成は文脈 8K・出力 8K で、長文向けではなくリクエスト単位のサービスです。
上限はプラットフォーム共通ではなく、モダリティごとに公開されています。リンクで渡す画像 1 枚は 50 MB を超えられず、base64 文字列にも同じ上限が適用され、画素数は 8,192 から 8,388,608 の範囲に収まる必要があります。
動画はリンク経由に余裕があり、埋め込みデータには厳しめです。リンクで渡す動画 1 本は 300 MB を超えられず、base64 文字列は 50 MB 未満に収めます。対応コンテナは MP4、MOV、AVI、WMV で、フレーム抽出は 0.1 から 10 の fps 引数で調整し、1 本あたり 2,048 フレームで止まります。
深い思考は主力二モデルで使え、答えの質だけでなく要求そのものの形を変えます。これらは temperature と top_p の指定に対応せず、それぞれ 1.0 と 0.95 に固定するため、この機能を有効にしている間はサンプリングを調整できません。
より重いのは複数ターンの規則です。ツール呼び出しと併用する場合、推論フィールドを欠かさず返送しなければ API は 400 を返します。省略すると指示追従が落ち、幻覚が増えます。トークンを節約しようと中間フィールドを削るエージェントの反復処理は、ここで壊れます。
ウェブ検索は強制的に呼ぶ方式と、モデル自身が意図を判断して呼ぶ方式の二通りで動き、キーワードの幅、結果件数、おおよその利用者位置などの引数で調整します。無料のスイッチではなく従量課金の拡張機能なので、使う前に有効化が要り、切り替えの後には 5 分の反映待ちが付きます。
呼び出し上限はモデルごとに公開され、アカウント単位で合算されます。主力二モデルは毎分 100 リクエストと 1000 万トークン、音声認識も毎分 100 リクエストですがトークン枠は 1 万とずっと小さめです。この上限は、同じアカウントの全キーが同一モデルを呼んだ通信量を合わせて数えます。
エンドポイントが広く使われる二つのプロトコルをそのまま踏襲するため、文書が示す導入経路は、すでに使っている道具を設定し直すことです。文書化された連携には、提供元自身の MiMo Code のほか複数の外部クライアントが含まれます。コマンドライン系では OpenCode、OpenClaw、Claude Code が使えます。エージェント系としては Codex と Hermes Agent に対応します。エディタ拡張では Kilo Code、Cline、Qwen Code が並びます。デスクトップや統合開発環境の側には Cherry Studio と CodeBuddy もあります。設定手順はどれも同じで、アドレスを OpenAI 互換か Anthropic 互換のエンドポイントに向け、選んだ経路に合うキーを入れるだけです。
リポジトリ規模のコーディング作業。 MiMo Code はコードの読み書き、コマンド実行、Git 管理をこなすターミナル常駐の補助ツールで、永続的な記憶機構により複数セッションをまたいで案件の理解を保ちます。構築・計画・編成という三つのエージェント動作、並列実行できる下位エージェントの調整、モデル文脈プロトコル接続まで備え、1 ファイルの修正より多段階の書き直しに向きます。
長文と混在メディアの分析。 100 万トークンの文脈にネイティブの画像・動画・音声入力が加わると、本来なら分割が要る資料群をまとめて扱えます。ただしその入力を実際に受け取るモデルへ処理を回す必要があります。
成果物を生むエージェント業務。 MiMo Claw はチャット欄ではなくエージェントの作業空間です。統合オフィス機能で文書を生成・プレビュー・編集し書き出せるほか、一括取得に対応する資料管理と、複数の会話や課題の並列実行を備えます。
音声製品。 1 件の見本から音色を複製する機能、音色設計、既定音色がそれぞれ別モデルに分かれているため、決め打ちの声を受け入れる代わりに必要なだけの制御度合いを選べます。
投入前の見極め。 チェックポイントが公開されているので、ホスティング先と同じ重みの自前構築版を先に測って比べられます。
向いている: すでに OpenAI 互換か Anthropic 互換のクライアントを使っている開発者。 移行費用の大半は設定作業で、文書化された連携一覧が大半のターミナルやエディタの作業手順を覆います。
向いている: 業務が実際に長文脈であるチーム。 100 万トークンの文脈と 128K の出力は、文書やリポジトリ、エージェントの実行履歴が本当にその規模に届く場合にだけ価格に見合います。
部分的に向いている: サブスクリプションで製品の裏側を動かしたいチーム。 この経路は契約上プログラミング用途に限られるため、裏側や自動化の通信は従量課金へ回す必要があり、両方が要るチームは二つの仕組みを同時に抱えます。
向いていない: 契約前に組織アカウントや返金、確認できるプライバシー上の約束を求める購入者。 ログインは個人アカウントのみ、返金は現在対応しておらず、今回はプライバシー方針と利用規約のページが読める本文を返さなかったため、これらの約束を出典で確認できませんでした。
向いていない: プレビュー版モデルが必要な欧州連合・英国・韓国のチーム。 文書はこれらの市場で現在利用できないと明記しています。
利用の入口は一つのアプリにまとまらず、別々の形に分かれています。
ターミナル用クライアントのソースは MIT ライセンスで公開され、別途の利用制限と商標方針が併せて適用されます。
二つの経路が並んで販売され、従量課金の残高はサブスクリプションの枠と互換でないと明記されています。従量料金は 100 万トークン単位で、中国は人民元、海外はドル建てで公開されます。
| モデル | 地域 | キャッシュ命中入力 | キャッシュ不命中入力 | 出力 |
|---|---|---|---|---|
| mimo-v2.5-pro | 海外 | $0.0036 | $0.435 | $0.87 |
| mimo-v2.5 | 海外 | $0.0028 | $0.14 | $0.28 |
| mimo-v2.5-pro | 中国 | ¥0.025 | ¥3.00 | ¥6.00 |
| mimo-v2.5 | 中国 | ¥0.02 | ¥1.00 | ¥2.00 |
この表の外に二項目があります。音声認識は音声の長さで課金され海外は 1 時間 0.074 ドル、中国は 0.5 元。ウェブ検索は呼び出し単位で海外 1000 回 5 ドル、中国 1000 回 16 元が、取得ページの消費トークンとは別に加わります。キャッシュ書き込みと音声合成モデルは期間限定で無料のため、今の合計額は安定した見通しではありません。
サブスクリプションは月間枠付きの四段階です。Lite は月 6 ドルで 41 億クレジット、Standard は 16 ドルで 110 億、Pro は 50 ドルで 380 億、Max は 100 ドルで 820 億、年額はおおむね月額の 12 倍です。月間枠を使い切ると従量課金へは移らずサービスが止まり、返金は現在対応していません。
ある独立系のソフトウェア目録は本製品を大規模言語モデルの道具として分類し、購入者が並べて検討する相手として ChatGPT、DeepSeek、Claude、Google Gemini、Qwen、Kimi、Microsoft Copilot などを挙げます。読み取れる示唆は、比較対象が狭い隙間市場ではなく汎用アシスタント市場そのものだという点です。
ターミナル用クライアントに絞ると比較の幅は狭まる一方、測定は詳しくなります。独立した報道は、MiMo Code が SWE-bench Pro で 62% を記録し、Claude Sonnet 4.6 を組み合わせた Claude Code の 55% を上回り、Terminal Bench 2 では 73% 対 69% だったと伝えます。同じ報道は、シャオミが他社二つのコマンドライン開発ツールとの比較を出していないこと、公開の順位表では別のモデルが Terminal Bench 2 で 82.7% を取り、ここで主張された数値を上回ることも指摘します。
モデル自体については、ある独立した計測機関が MiMo-V2.5-Pro の知能指数を 26 と評価し、同規模の公開重みモデルの中央値 17 を大きく上回るとしつつ、出力速度は毎秒 35.3 トークンで同種の中央値 66.7 に届かないと記録しています。この点数は速度と引き換えに得たものです。
販売元が一つに縛られてもいません。マルチモーダルモデルは少なくとも一つの市場で再販されており、料率も文脈上限も提供元の公表値と異なるため、自社エンドポイントに統一する前に一度価格を比べる価値があります。
全面的に無料ではありません。利用権が二つの経路に分かれて売られているためです。従量課金の API 利用は最初の呼び出しからトークン単位で課金され、サブスクリプションは月 6 ドルからです。一部は期間限定で無料で、キャッシュ書き込みと音声合成モデルがそれにあたり、エージェントの作業空間も有料版の前に無料試験版を出していました。
できません。この枠はプログラミング用途の道具に限られ、自動化スクリプトや自前アプリの裏側など明らかに開発以外の場面での API 呼び出しを禁じ、結果としてサービス停止とキー遮断を明記しています。アプリの裏側は従量課金の経路が対象です。
mimo-v2.5 へ送ります。文書上、画像理解はモデル群全体ではなくこのモデルについて記載され、画像 1 枚の上限は 50 MB、画素数は 8,192 から 8,388,608 の範囲に収める必要があります。
部分的には可能です。チェックポイントは取得できる形で公開され、ターミナル用クライアントのソースも MIT ライセンスで出ています。ただし 1 兆パラメータのモデルを自前で動かすには相当な設備が要るため、費用を抑える逃げ道というより、検証と自律性のための選択肢に近いものです。
独立した計測では出力が毎秒 35.3 トークン、同種の中央値が 66.7、最初のトークンまでが 3.40 秒に対し中央値は 2.32 秒でした。同じ計測で知能の評点はその中央値を大きく上回っています。結局は遅延と引き換えに品質を得る取引です。
サービスが止まります。文書は月間の総枠を使い切るとシステムがサービスを停止すると述べており、従量課金へ自動的に移る仕組みは説明していません。返金も現在対応していないため、段階を適切に見積もることが重要です。
