モデル一覧に戻る
Xiaomi
mimo-v2.5
利用不可

MiMo-V2.5

MiMo-V2.5はシャオミによるネイティブなオムニモーダルモデルです。推論コストを約半分に削減しながらProレベルのエージェント性能を提供し、画像とビデオ理解にわたるマルチモーダル認識においてMiMo-V2-Omniを上回っています。

2026/4/22
1,050,000 トークン

仕様

モダリティ

入力
text
audio
image
video
出力
text

サポートされているパラメータ

frequency_penalty
include_reasoning
logit_bias
logprobs
max_tokens
min_p
presence_penalty
reasoning
repetition_penalty
response_format
seed
stop
structured_outputs
temperature
tool_choice
tools
top_k
top_logprobs
top_p

最大出力トークン

131,072

データの取り扱い

プロンプトの保持
不明 — 確認できていません
学習への利用
不明 — 提供元からの申告がありません

「不明」は「問題なし」ではありません。確認できていない、という意味です。

学習の可否は提供元との条件に基づく申告値です。保持の可否は、このモデルが到達しうる実行先すべてについて上流が公表する一覧から判定しています。いずれも推測は含みません。

実測パフォーマンス

応答開始 (p50)2.0s
生成速度 (p50)60 トークン/秒

    FastMetalのゲートウェイ経由で実測した値です(直近30日・応答開始488回)。

    生成速度は1日1回の計測で、直近30日・19回分の中央値です。

    応答開始は最初の応答が返るまで、生成速度は思考トークンを含む出力トークン数から算出しています。実測値であり、性能を保証するものではありません。

    コード例

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "mimo-v2.5",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    MiMo-V2.5の実際の回答

    FastMetal上で実際に記録した、標準プロンプトへの回答です。

    このエラーをデバッグして

    以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

    ## 原因 `order["price"]` の値が **文字列(`str`)** として取得されているため、`str * int` の計算ができずエラーになっています。 典型的な原因: - データベースの `price` カラムの型が `VARCHAR` / `TEXT` である - ORマッパー(ORM)やDBドライバーが値を文字列として返している - データの挿入時に文字列で保存された ``` order["price"] → "100"(文字列) order["quantity"] → 3(整数) "100" * 3 → TypeError ❌ ``` ## 修正 `order["price"]` を `float`(または `int`)にキャストしてください。 ### 修正後コード ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(float(order["price"]) * order["quantity"] for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` ## より堅牢な修正(推奨) 単一の箇所だけでなく、`price` や `quantity` が予期せず文字列になって…
    応答時間 28.2秒出力 575 トークン

    コードレビュー

    以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

    # TypeScript関数レビュー この関数はページネーション付きでユーザーを全件取得する目的のものですが、いくつか改善点があります。 --- ## 🔴 改善点まとめ ### 1. 型安全性の欠如(`any`の乱用) ```typescript // ❌ Before async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; // ✅ After interface User { id: string; name: string; email: string; } interface ApiResponse { users: { id: string; first_name: string; last_name: string; email: string; status: string; }[]; } async function fetchAllUsers(page: number = 1): Promise<User[]> { const allUsers: User[] = []; ``` --- ### 2. エラーハンドリングの不在 ```typescript // ✅ 追加すべきエラーハンドリング const response = await fetch(`/api/users?page=${currentPage}&limit=100`); if…
    応答時間 19.2秒出力 1707 トークン

    SQLクエリの最適化

    以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

    # SQLクエリの最適化 ## 問題点の分析(5つの重大な問題) ``` ┌─────────────────────────────────────────────────────────────────┐ │ 1. LEFT JOIN + WHERE アンチパターン(最も深刻) │ │ 2. order_details × orders の多重JOINで行が爆発的に増加 │ │ 3. インデックス不足(JOIN列・フィルタ列にほぼ未設定) │ │ 4. GROUP BY のソートコストが高い │ │ 5. SELECT結果のポテンシャル(実行計画が途中で破棄される可能性) │ └─────────────────────────────────────────────────────────────────┘ ``` --- ## 問題① LEFT JOIN + WHERE アンチパターン(最重大なバグ) ```sql -- ❌ 現状(実質INNER JOIN变成) LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' WHERE ... AND o.created_at >= '2024-04-01' ``` ``` LEFT JOIN で o が NULL → WHERE で o.created_at >= '2024-…
    応答時間 77.1秒出力 4919 トークン

    他のモデルと並べて比較する →

    よくある質問

    FastMetalでMiMo-V2.5は使えますか?
    現時点では提供していません。同じ提供元のMiMo-V2.6-ProはFastMetalのAPIから今すぐ利用できます。
    MiMo-V2.5のコンテキスト長はどのくらいですか?
    1,050,000トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。