MiMo-V2.5-Pro TPS-calculator
Elke kaart hieronder wordt beoordeeld op basis van dit model bij de contextlengte en minimumkwaliteit 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..
Berekend voor dit model
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 zouden passen door deze onder dit punt te comprimeren..
0 kaarten passen
Berekenen| Behoeften | Kwantisatie | Pas | |||||
|---|---|---|---|---|---|---|---|
|
Geen kaart in onze catalogus kan dit model met deze instellingen draaien.. |
|||||||
Snelheden zijn schattingen voor een enkele aanvraag - één gesprek tegelijk - berekend uit geheugenbandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger..
Opname
Volledige specificatie
Alles op record voor dit model. Het meeste beschrijft hoe het is getraind 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..
Origine
Wie heeft dit model gebouwd, waar, en wanneer het is gepubliceerd.
- Organisatie
- Xiaomi Corp
- Organisatietype
- Industry
- Land
- China
- Gepubliceerd
- 23 April 2026
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk dragen.
- Domein
- Language
- Model/modelen kunnen niet passen in de GPU VRAM. Tight = bijna uitvoerbaar, comfortabel = draait eenvoudig met ruimte. Wat AI-model kan de GPU draaien?
- Language modeling/generation, Question answering
- FP8
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het past op een bepaalde 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, "
Trainingsberekeningen
De rekensom die is uitgevoerd om het model te trainen, gemeten in drijvende-komma-bewerkingen. Het is een maat voor de kosten van de trainingsrun, niet voor hoe snel het voltooide model je antwoorden geeft.
- Trainingsberekeningen
- 6.8 × 10²⁴ FLOP
6 FLOPS/token/active parameter * 27e12 tokens * 42e9 active parameters = 6.804E24 FLOP
Beschikbaarheid
Of u het model kunt verkrijgen en het op uw eigen hardware kunt draaien, wat bepaalt of een van de specificaties van de GPU op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Model toegang
- Open weights (unrestricted)
Hoe het is geclassificeerd
Labels die op de bron-dataset van toepassing zijn bij het volgen van opvallende modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- Discretionary
- Model/modellen past niet / past niet.
- Likely
Bronnen
Waar deze registratie vandaan komt en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Xiaomi MiMo-V2.5-Pro
- Laatste update
- 19 June 2026
Wat de getallen betekenen
Wat je nodig hebt om het te draaien
At 1T parameters, MiMo-V2.5-Pro is beyond what any single graphics card holds. Running it means either splitting it across several cards or renting hardware built for the job — 0 of the cards we track can hold it on their own, and all of them are datacentre parts.
Achtergrond
MiMo-V2.5-Pro was published by Xiaomi Corp, in China, in April 2026. industry is the category the publisher falls under.
Het werkt in het Nederlands en wordt vastgelegd als het genereren van taalmodellen/ -generatie, vraagbeantwoording.
Het openstellen van de gewichten 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 werd getraind
Training it took roughly 6.8 × 10²⁴ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
The training set ran to roughly 27,000,000,000,000 tokens.
It is tracked in the underlying dataset for one reason in particular: discretionary.
Stap voor stap
Hoe een GPU te kiezen voor MiMo-V2.5-Pro
De bovenstaande tabel heeft elke kaart die we hebben beoordeeld met specificaties tegen dit model. Naar je antwoord komen kost zes stappen..
-
01
Lees eerst de geheugenfiguur
Every card here has been checked against MiMo-V2.5-Pro. Capacity is the gate — a card either holds it or it does not.
-
02
Model/modellen passen niet in de GPU VRAM. Tight = bijna uitvoerbaar, comfortabel = draait gemakkelijk met ruimte. Wat voor AI model kan de GPU runnen?
Set the context to what you will actually use. The cache grows with the conversation, and it is the usual reason MiMo-V2.5-Pro stops fitting a card that seemed fine.
-
03
Bepaal hoeveel compressie je wilt accepteren.
The quantisation column varies by card, because a bigger card holds a more accurate copy of MiMo-V2.5-Pro. Set a floor to hold the comparison at one level.
-
04
Rang op doorvoer in plaats van specificatielijst
Sort by speed to see how cards rank for MiMo-V2.5-Pro. It will not match a gaming ordering — generation is bound by memory bandwidth.
-
05
Lees de pas column als laatste
Tight means MiMo-V2.5-Pro loads and works, with no room to raise the context later. Comfortable means you can. The difference matters more than a few tokens per second.
-
06
Open de kaart waarop je je hebt vastgesteld
Following a card through to its own page shows every other model it can hold, which is the question that follows once MiMo-V2.5-Pro is settled.
Antwoorden
MiMo-V2.5-Pro — Voor veelgebruikte vragen
Can I run MiMo-V2.5-Pro if it does not fit in my GPU?
It can be split between the card and system memory, but MiMo-V2.5-Pro generates painfully slowly that way — the nearest miss we calculate is short by 287.1 GB. Nothing on this page assumes offloading.
Would two GPUs run MiMo-V2.5-Pro faster?
A second card roughly doubles the memory available but not the generation rate. With 0 cards already able to run MiMo-V2.5-Pro alone, the case for pairing is weak.
Why does the quantisation differ between cards for MiMo-V2.5-Pro?
Each card is shown running the least-compressed copy it can hold, and MiMo-V2.5-Pro appears at 1 different compression levels across the cards that fit it. Bigger cards get the more accurate version.
How accurate are these MiMo-V2.5-Pro speed estimates?
Ze worden berekend op basis van specificaties in plaats van gemeten, en elke heeft een bereik — het bereik onder elk cijfer, bijvoorbeeld. Hetzelfde model en de kaart variëren met dertig tot vijftig procent, afhankelijk van de inference software en de versie.
Is MiMo-V2.5-Pro open source?
Its weights are published, so MiMo-V2.5-Pro can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does MiMo-V2.5-Pro have?
MiMo-V2.5-Pro has 1T parameters. "MiMo-V2.5-Pro is a 1.02T-parameter Mixture-of-Experts model with 42B active parameters, ". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created MiMo-V2.5-Pro?
MiMo-V2.5-Pro was published by Xiaomi Corp, based in China, categorised as industry.
When was MiMo-V2.5-Pro released?
MiMo-V2.5-Pro was published in April 2026.
What is MiMo-V2.5-Pro used for?
MiMo-V2.5-Pro works in Language, and is recorded as handling language modeling/generation, Question answering. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
Where can I download MiMo-V2.5-Pro?
The weights for MiMo-V2.5-Pro are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
How much compute was used to train MiMo-V2.5-Pro?
Around 6.8 × 10²⁴ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
Bron
Model/modelen kunnen niet passen in de GPU VRAM. Tight = nauwelijks uitvoerbaar, comfortabel = draait gemakkelijk met ruimte. Welke AI model kan de GPU draaien? 19 June 2026
De andere richting
Kijk je er van de andere kant naar?
Deze pagina begint bij het model. Als je al een kaart hebt en alles wilt weten wat het kan draaien., model/modellen draait/draaien past niet/past niet goed strak = nauwelijks uitvoerbaar, comfortabel = draait gemakkelijk met speling.