小米正式开源 MiMo-V2.5 系列模型：MIT 协议、1M 上下文、Agent 能力开源第一

小米正式开源 MiMo-V2.5 系列模型，采用 MIT 协议，支持免授权商业部署、持续训练和微调。该系列包含两款模型：MiMo-V2.5-Pro 专注于复杂 Agent 和代码任务，MiMo-V2.5 为原生全模态模型。两款模型均支持 1M token 上下文窗口。

Benchmark 对比分析

官方公布的 benchmark 对比表覆盖了通用 Agent 和编码 Agent 两大维度，与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro、DeepSeek V4 Pro、Kimi K2.6、GLM 5.1 等主流模型进行了横向对比。

通用 Agent 能力

• GDPVal-AA (Elo)：MiMo-V2.5-Pro 拿到 1581 分，开源模型中最高，但距离 GPT-5.4 的 1674 仍有差距。Claude Opus 4.6 以 1606 紧随其后。
• t³-bench：MiMo-V2.5-Pro 与 GPT-5.4 并列 72.9，开源模型中领先。
• ClawEval (pass³)：Claude Opus 4.6 以 70.4 远超其他所有模型，MiMo-V2.5-Pro 为 63.8。多轮迭代代码审查场景下 Claude 的 agent 循环能力依然有明显优势。
• Humanity's Last Exam：GPT-5.4 以 58.7 领跑，Kimi K2.6 的 54.0 是开源最高。MiMo-V2.5-Pro 的 48.0 在纯推理极限测试中属于中游水平。

编码 Agent 能力

• SWE-bench Pro：Kimi K2.6 以 58.6 领先，MiMo-V2.5-Pro 的 57.2 与 GPT-5.4 (57.7) 接近。
• SWE-bench Verified：Claude Opus 4.6 以 80.8 最高，DeepSeek V4 Pro 以 80.6 紧随其后，MiMo-V2.5-Pro 为 78.9。
• Terminal-Bench 2.0：GPT-5.4 以 75.1 大幅领先，GLM 5.1 的 69.0 和 MiMo-V2.5-Pro 的 68.4 分列二三位。
• FrontierSWE (Impl.)：GPT-5.4 以 #1.9 夺冠，Claude Opus 4.6 #2.0，MiMo-V2.5-Pro #3.4 在开源模型中领先。

总结

MiMo-V2.5-Pro 在 agent 场景的综合能力做到了开源第一梯队，多项 benchmark 在开源模型中排名第一。但距离 GPT-5.4 和 Claude Opus 4.6 在核心指标上仍有代差，尤其在纯推理极限（HLE）和多轮迭代代码审查（ClawEval）上差距较为明显。

MIT 协议加上 1M token 上下文窗口是 MiMo-V2.5 系列的核心卖点。对于需要本地部署长上下文 agent 的团队来说，这是目前开源选项中实用性最强的方案之一。

来源：Xiaomi MiMo (@XiaomiMiMo)