Profil lengkap model AI Xiaomi MiMo-V2-Flash yang rilis pada 15 Desember 2025 bersamaan dengan open-weight di Hugging Face
MiMo-V2-Flash adalah model open-weight generasi kedua dari Xiaomi, dirancang untuk inferensi super-cepat, penalaran bertahap, dan kerja agen real-time. Menggabungkan MoE efisien dengan perhatian geser hibrida sehingga 6× lebih hemat memori dibanding arsitektur full-attention biasa .
🧠 Jumlah Parameter
- 309 Miliar total (MoE)
- 15 Miliar aktif per token – hanya ~5 % yang “dinyalakan”, menjaga throughput tinggi & biaya rendah .
🪟 Jendela Konteks
- 256.000 token – salah satu yang terpanjang untuk model open-source; sanggup menampung 1 buku tebal sekaligus tanpa chunking .
📅 Data Cut-off
Desember 2025 – pengetahuan hingga akhir tahun, sangat segar untuk berita, kode, maupun data teknis terbaru .
🔤 Input/Output
- Input: teks, gambar (≤30 MB), PDF, snapshot UI
- Thinking on/off: bisa di-aktifkan lewat
enable_thinking=true– cocok untuk tugas yang butuh dalil panjang atau hemat biaya .
✅ Kelebihan Utama
- Kecepatan 150+ tps – salah satu tercepat di kelas 300B+ berkat Multi-Token Prediction (MTP) yang memperkirakan 3 token sekaligus
- Biaya sangat rendah: US $0,10 / jt input, $0,30 / jt output – 10-30× lebih murah vs Claude/GPT pada performa serupa
- Hemat memori: Hybrid Sliding Window Attention (128-token window) memangkas KV-cache hingga 6× – ideal untuk batch besar atau streaming panjang
- Hasil benchmark kompetitif:
– SWE-Bench Multilingual 71,7 %
– SWE-Bench Verified 73,4 %
– AIME 2025 94,1 % – mendekati model 2-3× lebih besar
🖼️ Image Input
✅ Dukung – baca diagram, mock-up, screenshot, PDF teknis .
🖼️ Image Output
✅ YA – bisa generate ilustrasi, ikon, slide langsung dari prompt (via diffusi head opsional) .
🎥 Video Output
❌ Tidak – hanya analisis frame/transkrip, tidak rendering video .
✅ Cocok untuk
- Copilot coding kilat – refactor, git diff, scaffolding multi-file
- Chatbot free-tier friendly – cost sangat rendah, throughput tinggi
- Agen real-time – trading bot, otomasi form, ekstrak data live
- Self-host di GPU menengah – layer MoE tipis, muat di 8×A100 40 GB
❌ Tidak cocok untuk
- Matematika pembuktian formal – masih kalah Claude-Opus-4.5
- Konteks >256 K – kalah Gemini 1 M
- Output video / 3D
- Instruksi sangat multi-langkah – laporan real-world: masih inkonsisten dibanding GPT-4/Claude
🔄 Setara dengan
| Model AI | Kelebihan utama |
|---|---|
| DeepSeek-V3.2 | Lebih dalam di AIME, tapi 2× lebih lambat & mahal |
| Claude-Sonnet-4.5 | Lebih konsisten instruksi, tapi 20× lebih mahal & closed |
| GLM-4.7 | Lebih murah, tapi lambat (5-8 tps) & konteks pendek |
MiMo-V2-Flash = “speed demon open-source” – tercepat & termurah di kelas 300B+ .
💬 Pendapat pribadi
Saya melihat MiMo-V2-Flash seperti “superbike open-source” – kencang, irit, dan bisa dipakai di jalan umum (self-host). Ia bukan sedan mewah (Claude) atau truk berat (GPT-5), tapi *kalau kamu butuh AI yang respond cepat, biaya receh, dan bisa di-custom sesuka hati – ini pilihan utama saat ini. Tingkatkan sedikit prompt engineering untuk mengatasi instruction-following yang masih naik-turun, dan Anda punya senjata rahasia di setiap aplikasi.
FAQ Model AI Xiaomi: MiMo-V2-Flash
Apakah MiMo-V2-Flash gratis?
Open-weight MIT; API cloud $0.10 / jt input .
Open-weight MIT; API cloud $0.10 / jt input .
Berapa kecepatan inferensi?
~150 token/s di cloud H100; 12-18 tps di RTX 4090 .
~150 token/s di cloud H100; 12-18 tps di RTX 4090 .
Apakah bisa jalan di laptop?
GGUF 2-bit (165GB) bisa, butuh 24GB VRAM + 64GB RAM .
GGUF 2-bit (165GB) bisa, butuh 24GB VRAM + 64GB RAM .
Apakah mendukung tool calling?
Ya, format OpenAI-style, nilai Toolathlon tinggi .
Ya, format OpenAI-style, nilai Toolathlon tinggi .
Berapa konteks maksimal?
256K token input, 64K output .
256K token input, 64K output .
Apakah bisa fine-tune?
Ya, bobot terbuka; contoh skrip tersedia di HuggingFace .
Ya, bobot terbuka; contoh skrip tersedia di HuggingFace .
Apakah lebih pintar dari DeepSeek-V3.2?
SWE-Bench 73.4% vs 73.8%, tapi 2× lebih cepat & murah .
SWE-Bench 73.4% vs 73.8%, tapi 2× lebih cepat & murah .
Apakah keluaran gambar bisa komersial?
Ya, lisensi MIT mengizinkan komersial .
Ya, lisensi MIT mengizinkan komersial .
Apakah ada di Ollama?
GGUF tersedia, jalankan:
GGUF tersedia, jalankan:
ollama run mimo-v2-flash .Kapan MiMo-V3 rilis?
Roadmap Q2 2026; fokus saat ini adalah V2-Flash .
Roadmap Q2 2026; fokus saat ini adalah V2-Flash .