Xiaomi MiMo-v2.5 オープンソース解釈:MITプロトコル、1Mコンテキスト、ネイティブマルチモーダル機能

1. 要旨

Xiaomi MiMo-V2.5シリーズは公式にオープンソース化されており、MITライセンスを使用しており、重量とモデルカードはHugging Faceに公開されています。このシリーズにはMiMo-V2.5とMiMo-V2.5-Proが含まれており、どちらも100万トークンの長いコンテキストシナリオを対象としています。 MiMo-V2.5は部分的にネイティブなマルチモーダルであり、テキスト、画像、ビデオ、音声の理解をカバーしています。 MiMo-V2.5-Proは複雑なエージェント、コードエンジニアリング、長距離タスクを対象としており、GDPVal-AAやClawEvalなどのオープンソースモデル評価で優れた性能を持つと公式に評価されています。

2. コア機能

長いコンテキスト:両マスターモデルとも最大100万トークンコンテキストをサポートしており、これは長い文書、コードリポジトリ、複数ラウンドのツール呼び出しに適しています。
MoEアーキテクチャ:MiMo-V2.5は合計310Bのパラメータと15Bの活性化パラメータで構成されています。 Proは合計パラメータ1.02T、アクティベーションパラメータ42Bです。
マルチモーダル機能:MiMo-V2.5はテキスト、画像、動画、音声の統一理解をサポートします。
エージェントとコード:Proバージョンは複雑なソフトウェアエンジニアリング、ツール呼び出し、長距離タスク実行を強化します。
推論最適化:モデルカードは、長いコンテキストKVキャッシュの負荷を軽減し、生成効率を向上させるために混合注意とMTP設計を行っていると述べています。

3. 設置

ハギングフェイスコレクションにアクセスし、MiMo-V2.5またはMiMo-V2.5-Proのウェイトを選択してください。
モデルカードに応じてSGLangまたはvLLMをインストールし、trust_remote_codeやFP8クオンタイズなどの推奨パラメータを有効にします。
本番展開前に、メモリの安定性、スループット、コンテキスト長、ツール呼び出しの検証のために、タスクの小規模なバッチを使用することが推奨されます。

4. 典型的なユースケース

コードリポジトリ分析:大規模プロジェクトの構造を理解し、パッチを作成し、コードレビューを行います。
エージェントワークフロー:ツール呼び出しを組み合わせて、多段階の検索、計画、実行、要約を完成させます。
マルチモーダルQ&A:画像、動画、音声、テキストの混合入力を処理する。
エンタープライズナレッジベース:契約書、文書、ログ、技術データを長い文脈で読むこと。
継続訓練:MITプロトコルに基づく業界データの微調整や内部能力強化。

5. 生態系と競合製品

Ecology:公式にHugging Faceの重み、ブログ、APIプラットフォーム、AI Studioを提供し、モデルカードにSGLangやvLLMのデプロイ例を提供します。
競合製品:DeepSeek、Kimi、Qwen、GLMなどのオープンソースモデルと比べて、MiMo-V2.5の違いは1Mの長さの文脈、ネイティブのマルチモーダリティ、複雑なエージェントタスクの組み合わせにあります。具体的な効果は依然としてビジネスデータの再テスト対象となるべきです。

6. 制限事項と注意事項