Xiaomi MiMo

Xiaomi MiMoとは？

Xiaomi MiMo は、実世界のシナリオでインテリジェントなエージェントシステムを駆動するために設計された Xiaomi の大規模基盤モデルファミリーです。最新の V2 シリーズは 3 つの専門モデルで構成されます：複雑なエージェントワークロード向けの 1 兆パラメータフラッグシップモデルで 100 万トークンのコンテキストウィンドウをサポートする MiMo-V2-Pro；テキスト・ビジョン・音声認識を統合エージェントパイプラインに融合したネイティブマルチモーダル基盤モデル MiMo-V2-Omni；そして細粒度の多段階音声スタイル制御を備えた音声合成モデル MiMo-V2-TTS。3 つのモデルは推論・認識から実行・音声出力までのフルチェーンをカバーします。すべてのモデルは API とウェブデモから利用可能で、オープンソース公開も予定されています。

主な機能

• 最先端のエージェント推論

  MiMo-V2-Pro は総パラメータ数 1T（アクティブ 42B）を持ち、ハイブリッドアテンション アーキテクチャと 100 万トークンのコンテキストウィンドウを採用。Artificial Analysis Intelligence Index でグローバル 8 位を記録し、実世界のエージェントベンチマーク（GDPval-AA）では中国語 LLM 中 1 位を達成しています。

• フルスタック全モーダル認識

  MiMo-V2-Omni はテキスト・ビジョン・音声理解を単一モデルにネイティブ統合し、視聴覚の共同推論、複数話者の分離、10 時間超の連続音声理解をサポート。音声理解ベンチマークでは Gemini 3 Pro を上回ります。

• 表現豊かな音声合成

  MiMo-V2-TTS は独自開発の Audio Tokenizer とマルチコードブック音声テキスト共同モデリングを活用し、全体のトーンから文中の感情変化まで多段階の音声スタイル制御を実現。歌唱においても正確なピッチとリズムを再現します。

• エージェントフレームワーク統合

  MiMo-V2-Pro は OpenClaw のネイティブブレインとして機能し、OpenCode、KiloCode、Blackbox、Cline などのフレームワークと統合。PinchBench および ClawEval でグローバルトップクラスのスコアを記録しています。

• API と開発者アクセス

  3 つのモデルはすべて MiMo 開発者プラットフォーム（platform.xiaomimimo.com）から利用可能で、OpenAI 互換 API を提供。MiMo Studio や Xiaomi ブラウザなど Xiaomi 自社製品にも統合されています。

ユースケース

• 自律型エージェントワークフロー : エンジニアリングチームや企業は MiMo-V2-Pro をエージェントシステムの推論コアとして導入し、マルチステップのタスク計画、ツール呼び出し、本番レベルのソフトウェアエンジニアリングを最小限の人的介入で処理できます。
• マルチモーダルコンテンツ理解 : 会議分析、メディアモニタリング、アクセシビリティツールなど、動画・音声・テキストの統合解析が必要なアプリケーションを開発する開発者は、MiMo-V2-Omni の統合認識パイプラインを活用できます。
• インテリジェント音声アプリケーション : プロダクトチームは MiMo-V2-TTS を使って、音声アシスタント、オーディオブック読み上げツール、または細やかな感情表現と方言をサポートするキャラクター対話システムを構築できます。
• 複雑なコーディングとエンジニアリング : ソフトウェア開発者は MiMo-V2-Pro を高強度のコーディングタスクに活用できます。コーディング能力は Claude 4.6 Sonnet を上回り、100 万トークンのコンテキストで大規模コードベースを一度に処理できます。
• 生産性プラットフォームへの統合 : オフィス・エンタープライズソフトウェアベンダー（例：Kingsoft Office）は、標準化された API を通じて MiMo モデルをドキュメント編集、要約、ワークフロー自動化に組み込むことができます。

よくある質問