GPT
הוספת כלי
M

MiMo-V2.5-Pro

קוד פתוח

XiaomiMiMomit2026-04-27

  • transformers
  • safetensors
  • mimo_v2
  • text-generation
  • agent

מפלצת קוד פתוח עם טריליון פרמטרים ששומרת על דיוק בחלון של מיליון טוקנים. פתרון שמיועד למי שחייב ריצה מקומית של סוכני תוכנה כבדים.

  • 1023Bפרמטרים
  • 1,048,576טוקנים בהקשר
  • 962 GBמשקל הקבצים
  • 27,099הורדות בחודש

מה זה

מדובר במודל שפה מסוג תערובת מומחים שמחזיק מעל טריליון פרמטרים בסך הכול, אבל מפעיל רק 42 מיליארד בכל טוקן. המבנה הזה משלב ארכיטקטורת קשב מעורבת שמקטינה את משקל זיכרון המטמון כמעט פי שבעה, יחד עם מנגנון חיזוי מרובה טוקנים שאמור לשלש את מהירות הפליטה. הוא נבנה מראש לסוכנים עצמאיים ולמשימות הנדסת תוכנה שנמשכות לאורך עשרות אלפי קריאות לכלים חיצוניים.

במבחני ביצועים רואים שהוא מבריק בעיקר במתמטיקה עם 99.6 ב־GSM8K ו־86.2 ב־MATH, תוצאות שעוקפות בקלות מודלים מקבילים של DeepSeek ו־Kimi. במשימות קוד מורכבות כמו SWE-Bench הוא מגרד 35.7 אחוז, ובחלונות ענק הוא מצליח לא לקרוס. במבחן GraphWalks, שבו מודלים אחרים נופלים לאפס מוחלט במיליון טוקנים, הוא עדיין שומר על ציון 0.37 בסריקת עומק ו־0.62 במציאת הורים.

מתאים ל

  • סוכני פיתוח תוכנה

    הרצה מקומית של סוכנים לפתרון באגים במאגרי קוד ענקיים עם שמירה על הקשר לאורך אלפי צעדים.

  • ניתוח מסמכי ענק

    שליפת עובדות וניווט בלוגים ודוחות ארוכים במיוחד בזכות חלון של מיליון טוקנים שמחזיק מעמד.

  • פתרון בעיות חישוב

    עיבוד בעיות מתמטיקה ואלגוריתמיקה מורכבות שבהן המודל מציג ציונים כמעט מושלמים במבחנים רשמיים.

איפה זה נופל

המודל מוגדר רשמית רק לאנגלית ולסינית, כך ששימוש בעברית ייפול על פערים כבדים בהבנה ובהפקה. בנוסף, למרות הכוח במתמטיקה, במבחני קוד בסיסיים כמו HumanEval+ הוא קיבל 75.6 בלבד, שזה נמוך משמעותית ממתחרים כמו Kimi-K2 שהגיעו ל־84.8. גם ב־LiveCodeBench הוא עומד על 39.6 אחוז בלבד. אם המוצר שלכם מסתמך על כתיבת פונקציות פשוטות בדיוק מקסימלי, הוא עלול לאכזב ביחס לגודל המנופח שלו.

אותה משפחה

MiMo-V2.5-Pro יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

MiMo-V2.5-Pro-Base465

שאלות
נפוצות

אפשר להריץ את המודל על שרת ענן סטנדרטי עם כרטיס בודד?

לא. משקל הקבצים לבדו מתקרב לטרה־בייט אחד, והארכיטקטורה מכילה טריליון פרמטרים. תצטרכו שרת ייעודי מרובה כרטיסי מסך תעשייתיים כדי רק לטעון אותו לזיכרון.

האם המודל יתמודד עם אפליקציות שמיועדות לקהל ישראלי?

לא מומלץ. הכרטיס מצהיר על תמיכה באנגלית ובסינית בלבד, והאימון לא התמקד בעברית. הוא אולי יבין מילים בודדות, אבל יתקשה מאוד בניסוח ובהוראות מורכבות.

איך מריצים

כדי להרים קבצים במשקל כולל של כמעט טרה־בייט ב־50 חלקים, תצטרכו שרת עם אשכול של מעבדים גרפיים חזקים ומאות ג'יגה־בייט של זיכרון וידאו ייעודי, גם בהתחשב בדיוק של FP8 או bfloat16. מנועי ההסקה הנתמכים רשמית הם SGLang ו־vLLM עם המלצה לטמפרטורה של 1.0 ו־top_p של 0.95.

גרסת הבסיס מגיעה עם חלון מוגבל ל־256 אלף טוקנים לעומת המיליון המלא כאן. לרוב הצוותים שלא מחזיקים תשתית של עשרות אלפי שקלים לחודש בחשמל ובחומרה, עדיף פשוט לקרוא ל־API הרשמי של שיאומי או להשתמש בסטודיו שלהם במקום להסתבך עם אחסון מקומי.

from transformers import pipeline

pipe = pipeline("text-generation", model="XiaomiMiMo/MiMo-V2.5-Pro")
print(pipe("שלום"))

הקבצים

50 קבצים במאגר, 962 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא MIT מלא. אפשר להוריד, לשנות, לשלב במוצר מסחרי סגור או פתוח ולמכור גישה אליו בלי תמלוגים ובלי חובת שיתוף קוד. התנאי היחיד הוא שמירת הצהרת זכויות היוצרים המקורית של שיאומי בתוך קובץ הרישיון של הפרויקט שלכם.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗