MiMo-V2-Flash calcolatore TPS

Apri i pesi Xiaomi Corp 309B parametri December 2025

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

7 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

B200

180 GB · Q3_K_M · 29.6 tok/s

Scheda più veloce

B200

29.6 tok/s · 180 GB

Quali GPU possono eseguire MiMo-V2-Flash?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

7 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
29.6 tok/s 18–47 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	151.7 GB	Q3_K_M	Stretto
19.6 tok/s 12–31 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	223.6 GB	Q5_K_M	Stretto
15.6 tok/s 9–25 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	223.6 GB	Q5_K_M	Stretto
15.6 tok/s 9–25 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	223.6 GB	Q5_K_M	Stretto
14.0 tok/s 8–22 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	169.7 GB	IQ4_XS	Stretto
14.0 tok/s 8–22 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	169.7 GB	IQ4_XS	Stretto
11.5 tok/s 7–18 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	223.6 GB	Q5_K_M	Stretto

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Xiaomi Corp
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 16 December 2025

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Language
Compito: Language modeling/generation

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 309B
Dati di addestramento: tokens

Calcolo di addestramento

L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.

Calcolo di addestramento: 2.4 × 10²⁴ FLOP

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (unrestricted)
Hugging Face: XiaomiMiMo

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia: Likely

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: MiMo-V2-Flash Technical Report
Ultimo aggiornamento: 19 June 2026

Gli estremi

Le dieci GPU più veloci che eseguono MiMo-V2-Flash

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano MiMo-V2-Flash

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Il lato hardware

Scheda minima

B200

Memoria necessaria

151.7 GB

Più veloce

29.6 tok/s

MiMo-V2-Flash raggiunge un conteggio di parametri di 309B. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 7.

A basso prezzo è gestito da B200, con una capacità di memoria di 180 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 29.6 token al secondo

All'altra estremità si trova B200, generando approssimativamente 29.6 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

MiMo-V2-Flash è stato pubblicato da Xiaomi Corp, nel paese registrato come China, durante December 2025. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.

I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato. Su Hugging Face è pubblicato sotto l'organizzazione XiaomiMiMo.

Comprendere le velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 15.6 token al secondo 7 di loro

Ogni peso partecipa a ogni token qui, quindi la larghezza di banda è tutta la storia: la classifica sottostante è effettivamente una classifica del throughput di memoria.

La memoria qui è stimata dalla dimensione piuttosto che calcolata dall'architettura, che non è registrata per questo modello — i numeri sono indicativi piuttosto che esatti.

Addestramento e provenienza

La produzione di esso ha richiesto un'aritmetica totale di circa 2.4 × 10²⁴ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

Passo dopo passo

Come scegliere una GPU per MiMo-V2-Flash

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Controlla cosa serve prima di ogni altra cosa

La tabella elenca ogni card in grado di contenere MiMo-V2-Flash, avere bisogno di circa 151.7 GB a una compressione di Q3_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Corrispondi il contesto al tuo utilizzo attuale

Imposta il contesto su ciò che utilizzerai effettivamente. La cache cresce con la conversazione, ed è il motivo consueto per cui una card che sembrava a posto smette di adattarsi. MiMo-V2-Flash.
03

Scegli quanto lontano lo comprimerai

La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza., raggiungendo una compressione di Q3_K_M sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Ordina per throughput piuttosto che per specifiche.

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per MiMo-V2-Flash. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 29.6 tok/s
05

Leggi l'ultima colonna di fit

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di MiMo-V2-Flash. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Controlla la GPU dall'altro lato

Seguire una GPU attraverso la sua pagina mostra ogni altro modello che può contenere, che è la domanda che segue una volta che hai deciso su MiMo-V2-Flash.

Risposte

MiMo-V2-Flash — domande comuni

MiMo-V2-Flash— posso eseguirlo se non si adatta nella mia GPU?

Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. La più vicina mancata che calcoliamo risulta insufficiente di 60.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

MiMo-V2-Flash— due GPU lo farebbero andare più veloce?

La capacità si somma tra le schede; il throughput no. Il numero di schede che già la possiedono da sole: 7. Quindi una seconda CARD è raramente la risposta qui.

MiMo-V2-Flash— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 3. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

MiMo-V2-Flash— quanto sono accurate queste stime di velocità?

Queste sono stime con barre di errore reali, e ognuna di esse potrebbe ragionevolmente collocarsi ovunque nel suo intervallo pubblicato a seconda del runtime che utilizzi. Il risultato più veloce qui: 18–47 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

MiMo-V2-Flash— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è B200, con una capacità di memoria di 180 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 151.7 GB, e produce approssimativamente 29.6 token al secondo. Il numero di card in grado di eseguirlo in totale: 7.

MiMo-V2-Flash— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 29.6 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 7.

MiMo-V2-Flash— quanta VRAM serve?

Ha bisogno di 151.7 GB a una compressione di Q3_K_M, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

MiMo-V2-Flash— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

MiMo-V2-Flash— quanti parametri ha?

Ha un numero di parametri di 309B. "We present MiMo-V2-Flash, a Mixture-of-Experts (MoE) model with 309B total parameters and 15B active parameters". Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

MiMo-V2-Flash— chi l'ha creato?

È stato pubblicato da Xiaomi Corp, basato su China, un'organizzazione categorizzata come industry.

MiMo-V2-Flash— quando è stato rilasciato?

È stato pubblicato in December 2025.

MiMo-V2-Flash— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

MiMo-V2-Flash— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione XiaomiMiMo. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

MiMo-V2-Flash— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 2.4 × 10²⁴ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 19 June 2026

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI