[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-xiaomi-mimo-v2-5-pro-pricing-benchmarks-limits-zh":3,"article-related-xiaomi-mimo-v2-5-pro-pricing-benchmarks-limits-zh":34,"series-model-release-13b2fd22-f79c-4d89-9e07-ff3e4e93a3b7":83},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":25,"views":30,"created_at":31,"published_at":32,"topic_cluster_id":33},"13b2fd22-f79c-4d89-9e07-ff3e4e93a3b7","xiaomi-mimo-v2-5-pro-pricing-benchmarks-limits-zh","小米 MiMo-V2.5-Pro：價格、評測與限制","\u003Cp data-speakable=\"summary\">小米 MiMo-V2.5-Pro 是一款 text-only 模型，主打 1M \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa> \u003Ca href=\"\u002Ftag\u002F長上下文\">長上下文\u003C\u002Fa>、程式碼與 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 工作，價格落在中段，適合大型文件與多步驟任務。\u003C\u002Fp>\u003Cp>小米在 2026 年 4 月 22 日推出 \u003Ca href=\"https:\u002F\u002Fopenrouter.ai\u002Fxiaomi\u002Fmimo-v2.5-pro\" target=\"_blank\" rel=\"noopener\">MiMo-V2.5-Pro\u003C\u002Fa>。這顆模型很直接，不走花俏路線。它給你 1,048,576 token 上下文，還有 131,072 token 的最大輸出長度。\u003C\u002Fp>\u003Cp>價格也很清楚。輸入每 100 萬 token 要 $0.435，輸出每 100 萬 token 要 $0.87。這種設定很像是給重度使用者、工程團隊、文件系統和 agent 流程準備的，不是拿來做幾張圖就結束。\u003C\u002Fp>\u003Cp>它現在可透過多個供應商使用，包括 Xiaomi、Novita、\u003Ca href=\"https:\u002F\u002Fwww.digitalocean.com\u002Fproducts\u002Fgradient-ai-platform\" target=\"_blank\" rel=\"noopener\">DigitalOcean\u003C\u002Fa> 與 \u003Ca href=\"https:\u002F\u002Fwww.deepinfra.com\" target=\"_blank\" rel=\"noopener\">DeepInfra\u003C\u002Fa>。講白了，這是一顆很務實的 text-only 旗艦模型。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>指標\u003C\u002Fth>\u003Cth>數值\u003C\u002Fth>\u003Cth>意義\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>發布日期\u003C\u002Ftd>\u003Ctd>2026-04-22\u003C\u002Ftd>\u003Ctd>代表這是近期旗艦版本\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>上下文長度\u003C\u002Ftd>\u003Ctd>1,048,576 tokens\u003C\u002Ftd>\u003Ctd>適合超長文件與多檔案工作\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>輸入價格\u003C\u002Ftd>\u003Ctd>$0.435 \u002F 1M tokens\u003C\u002Ftd>\u003Ctd>屬於中段價位\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>輸出價格\u003C\u002Ftd>\u003Ctd>$0.87 \u002F 1M tokens\u003C\u002Ftd>\u003Ctd>長輸出成本仍算可控\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Intelligence index\u003C\u002Ftd>\u003Ctd>42.2\u003C\u002Ftd>\u003Ctd>反映整體推理表現\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Coding index\u003C\u002Ftd>\u003Ctd>60.2\u003C\u002Ftd>\u003Ctd>顯示程式能力不差\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Agentic index\u003C\u002Ftd>\u003Ctd>68.7\u003C\u002Ftd>\u003Ctd>代表工具使用與多步驟任務表現不錯\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>小米這次到底在賣什麼\u003C\u002Fh2>\u003Cp>MiMo-V2.5-Pro 是 \u003Ca href=\"https:\u002F\u002Fwww.mi.com\" target=\"_blank\" rel=\"noopener\">Xiaomi\u003C\u002Fa> 這個家族裡的高階 text model。它的定位很明確，就是給 coding、tool use、function calling、長篇推理這些工作用。它不是 multimodal 全能機。它只做文字，而且只做文字。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782418680214-v5t9.png\" alt=\"小米 MiMo-V2.5-Pro：價格、評測與限制\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種定位其實很聰明。很多模型發表都愛把能力講得很滿。結果一看，什麼都能碰一點，什麼都不夠深。小米這次反而收斂很多。它把重點放在 agent pipeline、軟體工程助理、文件分析系統這類場景。\u003C\u002Fp>\u003Cp>在 \u003Ca href=\"https:\u002F\u002Fartificialanalysis.ai\" target=\"_blank\" rel=\"noopener\">Artificial Analysis\u003C\u002Fa> 的頁面上，這顆模型的 intelligence index 是 42.2，coding index 是 60.2，agentic index 是 68.7。這三個數字很像一張名片。你如果在看 production 可用性，這些比宣傳詞有用多了。\u003C\u002Fp>\u003Cul>\u003Cli>text-only 模型，沒有原生視覺能力\u003C\u002Fli>\u003Cli>1M token 上下文，適合超長文件\u003C\u002Fli>\u003Cli>支援 function calling 與工具使用\u003C\u002Fli>\u003Cli>價格落在專業模型的中段區間\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>評測結果看起來很對題\u003C\u002Fh2>\u003Cp>這顆模型的 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 走向，跟它的定位很一致。它在科學推理、指令遵循、agent 任務上都有不錯表現。\u003Ca href=\"\u002Fnews\u002Fpublic-sentry-keys-hijack-claude-code-cursor-zh\">公開\u003C\u002Fa>資料顯示，它在 GPQA Diamond 拿到 86.6%，在 τ²-Bench 拿到 94.2%，在 IFBench 拿到 79.9%，在 LCR 拿到 73.3%。\u003C\u002Fp>\u003Cp>這些數字不是拿來炫耀而已。GPQA Diamond 測的是研究所等級科學題。τ²-Bench 看的是對話型 agent 行為。IFBench 看指令遵循。LCR 則是長上下文可靠度。把它們放一起看，會發現 MiMo-V2.5-Pro 很像是為「長文件 + 多步驟 + 工具鏈」這種工作設計的。\u003C\u002Fp>\u003Cp>在這裡，\u003Ca href=\"https:\u002F\u002Fartificialanalysis.ai\u002Fmodels\u002Fxiaomi-mimo-v2-5-pro\" target=\"_blank\" rel=\"noopener\">Artificial Analysis 的模型頁\u003C\u002Fa> 有一句話很直白：它很會跟著指令走，也很會用工具。說真的，這比一堆行銷文案有說服力。\u003C\u002Fp>\u003Cblockquote>“The model is very good at following instructions and using tools, which makes it suitable for long, document-heavy workflows.”\u003C\u002Fblockquote>\u003Cp>如果你在做內部助理、工單系統、repo 搜尋、程式碼修改，這句話就很重要。因為真正麻煩的不是單次回答，而是模型能不能把一串動作穩定做完。\u003C\u002Fp>\u003Cul>\u003Cli>GPQA Diamond：86.6%\u003C\u002Fli>\u003Cli>τ²-Bench：94.2%\u003C\u002Fli>\u003Cli>IFBench：79.9%\u003C\u002Fli>\u003Cli>LCR：73.3%\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>價格和同級對手怎麼比\u003C\u002Fh2>\u003Cp>MiMo-V2.5-Pro 的價格很容易拿來跟別人比。每 100 萬 input token $0.435、output token $0.87，這個區間跟 \u003Ca href=\"https:\u002F\u002Fopenrouter.ai\u002Fdeepseek\u002Fdeepseek-v4-pro\" target=\"_blank\" rel=\"noopener\">DeepSeek V4 Pro\u003C\u002Fa> 很接近。原始資料也提到，它在 provider profile 裡有 -4 分的 regional accessibility 調整，這對部署團隊很實際。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782418679916-08ch.png\" alt=\"小米 MiMo-V2.5-Pro：價格、評測與限制\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>模型採購不是只看分數。你還要看供應商、延遲、穩定性、上下文長度、以及你\u003Ca href=\"\u002Fnews\u002Fai-companies-must-earn-trust-on-jobs-zh\">自己\u003C\u002Fa>的請求型態。資料中也把 \u003Ca href=\"https:\u002F\u002Fopenrouter.ai\u002Fxiaomi\u002Fmimo-v2-pro\" target=\"_blank\" rel=\"noopener\">MiMo-V2-Pro\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenrouter.ai\u002Fxiaomi\u002Fmimo-v2-5\" target=\"_blank\" rel=\"noopener\">MiMo-V2.5\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenrouter.ai\u002Fkimi\u002Fk2-6\" target=\"_blank\" rel=\"noopener\">Kimi K2.6\u003C\u002Fa> 列成附近選項。這表示它不是孤島，而是同一個競爭帶上的一員。\u003C\u002Fp>\u003Cp>如果你的工作只有短 prompt，那這顆模型太大材小用。如果你處理的是大型 repo、長文件、agent loop，1M 上下文就很有感。這不是抽象優勢，是會直接影響產品可用性的差異。\u003C\u002Fp>\u003Cul>\u003Cli>MiMo-V2.5-Pro：1M context，$0.435 \u002F $0.87\u003C\u002Fli>\u003Cli>DeepSeek V4 Pro：同價位帶，適合直接對照\u003C\u002Fli>\u003Cli>MiMo-V2-Pro：較低階兄弟型號\u003C\u002Fli>\u003Cli>Kimi K2.6：同級競品之一\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你的產品常常要讀一整個專案資料夾，這顆模型就值得試。反過來，如果你只是做客服 FAQ，它會顯得太重。\u003C\u002Fp>\u003Ch2>誰該先試這顆模型\u003C\u002Fh2>\u003Cp>我會先把它丟給三種團隊。第一種是軟體團隊。可以拿來做 \u003Ca href=\"\u002Ftag\u002Fcode-review\">code review\u003C\u002Fa> helper、repo search、issue triage。第二種是營運團隊。可以做文件整理、工單分類、流程判斷。第三種是\u003Ca href=\"\u002Fnews\u002Fmicrosoft-ai-team-collaboration-cfp-2026-zh\">研究團隊\u003C\u002Fa>。適合長文閱讀、結構化抽取、跨文件推理。\u003C\u002Fp>\u003Cp>原始資料也給了幾個很實際的營運數字。平均 uptime 是 99%，最佳 latency 是 423ms，throughput 是 49 tok\u002Fs，還有 4\u002F4 active endpoints。這些數字不浪漫，但很重要。因為模型不是只看榜單，還要看你能不能穩定呼叫。\u003C\u002Fp>\u003Cp>限制也很明確。這顆版本沒有 vision。你如果要做圖片理解、螢幕分析、或 multimodal agent，這顆就不對路。小米這次的策略很像是先把文字能力做深，再去碰其他模態。\u003C\u002Fp>\u003Cp>如果你想看別家怎麼切分能力，可以對照我們對 \u003Ca href=\"\u002Fnews\u002Fanthropic-claude-fable-5-review\" target=\"_blank\" rel=\"noopener\">Anthropic Claude Fable 5\u003C\u002Fa> 的整理。不同廠商在 general reasoning、coding、部署方式上，切法差很多。\u003C\u002Fp>\u003Cblockquote>“The best models are the ones that fit the workflow, not the ones that look best on a chart.”\u003C\u002Fblockquote>\u003Cp>這句是 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa> 創辦人 Dario Amodei 的公開觀點延伸。拿來看 MiMo-V2.5-Pro 很合適。因為這顆模型的價值，不在於什麼都想做，而在於它很清楚自己該做什麼。\u003C\u002Fp>\u003Ch2>這顆模型的背景，值得補一下\u003C\u002Fh2>\u003Cp>現在的 LLM 市場很擠。大家都在講 benchmark，但真正買單的是開發者和產品團隊。你要的是穩定、便宜、可控、能接 API、能吃長上下文。MiMo-V2.5-Pro 的設計，就是往這個方向走。\u003C\u002Fp>\u003Cp>另外，1M token 上下文不是裝飾品。它會影響整個工作流。你可以把多個文件、長對話、工具回傳、甚至一些歷史紀錄一起塞進去。這對 agent 系統很重要，因為 agent 最怕上下文太短，做兩步就忘記前一步。\u003C\u002Fp>\u003Cp>從產業角度看，這類模型也反映出一件事。現在不是只有美國大廠在做高階 LLM。中國與亞洲廠商也在把 text model、coding model、agent model 做得很細。對開發者來說，選擇變多了，壓力也變大了。\u003C\u002Fp>\u003Ch2>我會怎麼看這顆模型\u003C\u002Fh2>\u003Cp>MiMo-V2.5-Pro 很像一顆「工作型」模型。它不是拿來炫技的。它是拿來處理大量文字、長文件、工具鏈、程式碼流程的。這種模型如果跑得穩，實用價值會很高。\u003C\u002Fp>\u003Cp>我的判斷很直接。你如果正在做內部知識庫、code assistant、長文摘要、文件 agent，這顆值得排進測試清單。你如果想做影像、簡報、或多模態互動，那就先跳過。別硬塞，會浪費時間。\u003C\u002Fp>\u003Cp>接下來最值得觀察的，不是它會不會上新聞，而是團隊會不會真的把它接進產品。我的預測是，只要你的工作流真的吃長上下文，這顆模型會比很多看起來更花俏的選項更常被用到。\u003C\u002Fp>","小米 MiMo-V2.5-Pro 是一款 text-only 模型，主打 1M token 長上下文、程式碼與 agent 工作，價格落在中段，適合大型文件與多步驟任務。","designforonline.com","https:\u002F\u002Fdesignforonline.com\u002Fai-models\u002Fxiaomi-mimo-v2-5-pro\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782418680214-v5t9.png","model-release","zh","ab56297f-48e1-40a8-b00a-b70f584d6543",[17,18,19,20,21,22,23,24],"Xiaomi MiMo-V2.5-Pro","LLM","long context","coding model","agentic model","benchmark","pricing","text-only",[26,27,28,29],"MiMo-V2.5-Pro 的核心賣點是 1M token 上下文與中段價位。","它在 coding、agentic、長文件任務上比較有優勢。","沒有 vision 能力，所以不適合多模態產品。","如果你的工作流很吃長上下文，這顆值得先做 POC。",0,"2026-06-25T20:17:35.573474+00:00","2026-06-25T20:17:35.566+00:00","0ccb5d2e-69f1-4354-a3e0-cb370221cd95",{"tags":35,"relatedLang":42,"relatedPosts":46},[36,38,40],{"name":18,"slug":37},"llm",{"name":19,"slug":39},"long-context",{"name":20,"slug":41},"coding-model",{"id":15,"slug":43,"title":44,"language":45},"xiaomi-mimo-v2-5-pro-pricing-benchmarks-limits-en","Xiaomi MiMo-V2.5-Pro: pricing, benchmarks, and limits","en",[47,53,59,65,71,77],{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"aaf20836-acd9-42ef-b247-481d82e6a26d","minimax-m3-open-weight-frontier-models-matter-zh","MiniMax M3 證明開放權重前沿模型已經重要","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782388970243-o5tn.png","2026-06-25T12:02:23.509174+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"1487ada8-3c43-4394-8028-80b7bee65847","openai-sora-hardware-enterprise-video-zh","OpenAI Sora 企業硬體瞄準影片工作流","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782382687058-rua9.png","2026-06-25T10:17:39.087962+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"0d8d32ec-f0af-425f-923c-c10003508d27","openai-gpt-56-release-week-1500000-context-zh","GPT-5.6 這週可能登場","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782378197347-yz1l.png","2026-06-25T09:02:40.018848+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"b35253ea-2560-4946-b07c-d88453dc865c","gpt-56-rumors-2m-context-coding-gains-zh","GPT-5.6 傳聞：2M 上下文與寫碼升級","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782248567342-p2kg.png","2026-06-23T21:02:23.185525+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"8b0b6a07-b173-42ab-883a-77d720808276","kimi-long-context-models-moonshot-ai-zh","Kimi 的長上下文一路加大","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782231484525-xqgo.png","2026-06-23T16:17:38.02879+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":13},"af2a4196-8fef-4d27-acf9-674c2c901bb7","midjourney-medical-60-second-body-scan-claim-zh","Midjourney Medical 的 60 秒掃描，還沒到臨床","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782182888214-3tmt.png","2026-06-23T02:47:37.711898+00:00",[84,89,94,99,104,109,114,119,124,129],{"id":85,"slug":86,"title":87,"created_at":88},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"cda76b92-d209-4134-86c1-a60f5bc7b128","xiaomi-mimo-trio-agents-robots-voice-zh","小米 MiMo 三模型瞄準代理、機器人與語音","2026-03-28T03:05:08.779489+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":130,"slug":131,"title":132,"created_at":133},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00"]