MiMo-V2-Flash

Fiche modèle · Xiaomi · mimo-v2-flash

MiMo-V2-Flash is a powerful, efficient, and ultra-fast foundation language model that excels in reasoning, coding, and agentic scenarios. It is a Mixture-of-Experts model with 309B total parameters and 15B active parameters, featuring a hybrid attention architecture with sliding-window and full attention (5:1 ratio, 128-token window). Delivers 150 tokens/sec inference with 256k context window.

Fiches modèles

Identité

OrganisationXiaomi
Pays—
Famille—
Typellm
Date de sortie2025-12-16
Licencemit
Licence commercialeoui
Licence open sourceoui
Poids ouvertsoui
Auto-hébergement (DGX Spark)non — 309 Md > 107 Md
Modalitéstext
Fenêtre de contexte262 144
KV cache / token (Q8)73.7 ko/token
Paramètres totaux309 B
Paramètres actifs (session)15 B
Source des paramètres actifsweb : https://github.com/XiaomiMiMo/MiMo-V2-Flash
Curation des paramètres actifs2026-11-04
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement—
Coupure de connaissance—
Créé le2026-05-07T16:53:40.021840Z
Mis à jour le2026-11-04T06:05:13.599406Z
SourceLLM Stats
URLhttps://llm-stats.com/models/mimo-v2-flash
Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
language0.80
legal0.80
long_context0.50
math0.70
physics0.80
reasoning0.70
search0.60
structured_output0.60
finance0.80
frontend_development0.70
general0.70
healthcare0.80
agents0.50
biology0.80
chemistry0.80
code0.50
creativity0.90
tool_calling0.60
vision0.20
writing0.90

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
aime-2025math0.941.000.94nonoui2026-11-04T06:05:13.611182Z
arena-hard-v2general0.861.000.86nonoui2026-11-04T06:05:13.623111Z
browsecompreasoning0.581.000.58nonoui2026-11-04T06:05:13.647156Z
gpqareasoning0.841.000.84nonoui2026-11-04T06:05:13.605349Z
hmmt-2025math0.841.000.84nonoui2026-11-04T06:05:13.614109Z
humanity's-last-examreasoning0.221.000.22nonoui2026-11-04T06:05:13.608299Z
livecodebench-v6reasoning0.811.000.81nonoui2026-11-04T06:05:13.617365Z
longbench-v2long_context0.611.000.61nonoui2026-11-04T06:05:13.626226Z
mmlu-prolanguage0.851.000.85nonoui2026-11-04T06:05:13.602333Z
mrcrlong_context0.461.000.46nonoui2026-11-04T06:05:13.629072Z
swe-bench-multilingualreasoning0.721.000.72nonoui2026-11-04T06:05:13.635487Z
swe-bench-verifiedreasoning0.731.000.73nonoui2026-11-04T06:05:13.632419Z
tau-benchgeneral0.801.000.80nonoui2026-11-04T06:05:13.650415Z
terminal-benchreasoning0.301.000.30nonoui2026-11-04T06:05:13.638359Z
terminal-bench-2reasoning0.391.000.39nonoui2026-11-04T06:05:13.641420Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
agents148—8.234trueskill2026-10-19model_history
code132—17.284trueskill2026-10-19model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04