MiMo-V2.5-Pro TPS-rekenmachine
Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..
Bereken voor dit model
818 kaarten die we hebben specificaties voor
Welke GPU's kunnen draaien MiMo-V2.5-Pro?
Stel de invoer in, lees het antwoord
Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..
Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.
0 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
Geen kaart in onze catalogus kan dit model met deze instellingen draaien.. |
|||||||
Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Xiaomi Corp
- Organisatietype
- Industry
- Land
- China
- Gepubliceerd
- 23 April 2026
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Question answering
- Numerieke indeling
- FP8
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 1T
- Training gegevens
- 27,000,000,000,000 tokens
"MiMo-V2.5-Pro is a 1.02T-parameter Mixture-of-Experts model with 42B active parameters, "
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 6.8 × 10²⁴ FLOP
6 FLOPS/token/active parameter * 27e12 tokens * 42e9 active parameters = 6.804E24 FLOP
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Toegang tot model
- Open weights (unrestricted)
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- Discretionary
- Record vertrouwen
- Likely
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Xiaomi MiMo-V2.5-Pro
- Laatst bijgewerkt
- 19 June 2026
Wat de cijfers betekenen
Wat je nodig hebt om het te draaien
MiMo-V2.5-Pro bereikt een parameter telling van 1T. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 0.
Achtergrond
MiMo-V2.5-Pro werd gepubliceerd door Xiaomi Corp, in het land geregistreerd als China, tijdens April 2026. De categorie waaronder de uitgever valt is industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering.
Het feit dat de gewichten open zijn, is wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden.
Hoe het getraind werd
Training kostte een rekensbudget van ongeveer 6.8 × 10²⁴ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
De trainingsset liep naar ongeveer 27,000,000,000,000 tekstokens
Het wordt gevolgd in de onderliggende dataset om één specifieke reden: discretionary.
Stap voor stap
Hoe een GPU te kiezen voor MiMo-V2.5-Pro
De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..
-
01
Lees eerst de geheugenfiguur
Elke kaart hier is gecontroleerd op MiMo-V2.5-Pro. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
-
02
Stem de context af op uw werkelijke gebruik
Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. MiMo-V2.5-Pro.
-
03
Bepaal hoeveel compressie je accepteert
De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt.. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
-
04
Rangschik op doorvoer in plaats van specificatielijst
Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor MiMo-V2.5-Pro. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte.
-
05
Lees de passen kolom laatst
Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van MiMo-V2.5-Pro. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
-
06
Open de kaart die je hebt gekozen.
Het volgen van een GPU-kaart naar zijn eigen pagina toont elk ander model dat het kan bevatten, wat de vraag is die volgt zodra je je hebt ingesteld op MiMo-V2.5-Pro.
Antwoorden
MiMo-V2.5-Pro — veelgestelde vragen
MiMo-V2.5-Pro— kan ik het draaien als het niet in mijn GPU past?
Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 287.1 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
MiMo-V2.5-Pro— Zouden twee GPU's het sneller draaien?
Een tweede kaart verdubbelt ruwweg het beschikbare geheugen, maar niet de generatie snelheid. Het aantal dat al in staat is om het alleen te draaien: 0. Dus een tweede card is zelden het antwoord hier.
MiMo-V2.5-Pro— waarom verschilt de quantisatie tussen kaarten?
Elke kaart wordt weergegeven met de minst-gecomprimeerde kopie die hij kan bevatten. Het aantal verschillende compressieniveaus op de kaarten die het kunnen houden: 1. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
MiMo-V2.5-Pro— hoe nauwkeurig zijn deze snelheidsschattingen?
Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: de reeks onder elk cijfer. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
MiMo-V2.5-Pro— is het open-source?
De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.
MiMo-V2.5-Pro— hoeveel parameters heeft het?
Het heeft een parameter telling van 1T. "MiMo-V2.5-Pro is a 1.02T-parameter Mixture-of-Experts model with 42B active parameters, ". Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
MiMo-V2.5-Pro— wie heeft het gemaakt?
Het werd gepubliceerd door Xiaomi Corp, gebaseerd op China, een organisatie geclassificeerd als industry.
MiMo-V2.5-Pro— wanneer is het uitgebracht?
Het werd gepubliceerd in April 2026.
MiMo-V2.5-Pro— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
MiMo-V2.5-Pro— waar kan ik het downloaden?
De gewichten zijn gepubliceerd, hoewel we geen repositorylink daarvoor hebben. Deze site berekent hardwarevereisten in plaats van modelbestanden te hosten.
MiMo-V2.5-Pro— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 6.8 × 10²⁴ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.