MiMo-V2.5-Pro kalkulator TPS
Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość to szacunkowa wartość dla pojedynczego żądania, obliczona na podstawie przepustowości pamięci karty i rozmiaru modelu po kompresji..
Obliczone dla tego modelu
Które GPUn mogą uruchomić MiMo-V2.5-Pro?
Ustaw wejścia, odczytaj odpowiedź
Dłuższa rozmowa potrzebuje więcej pamięci, co może wykluczyć ten model z mniejszych kart..
Ukrywa karty, które mogłyby pasować do modelu, kompresując je poniżej tego punktu.
0 karty pasują
Obliczanie| Wymagana | Kwantyzacja | Dopasowane | |||||
|---|---|---|---|---|---|---|---|
|
Żaden model w naszym katalogu nie może uruchomić tego modelu z tymi ustawieniami.. |
|||||||
Prędkości są szacunkowe dla jednego zapytania — jedna rozmowa na raz — obliczone z szerokości pasma pamięci, rozmiaru modelu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu działania inferencji i jej wersji. Liczby publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..
Na rekord
Pełna specyfikacja
Wszystko w rejestrze dla tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy włożono w jego budowę i jak wypada w porównaniu z modelami stworzonymi w innym skali..
Origin
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Xiaomi Corp
- Typ organizacji
- Industry
- Kraj
- China
- Opublikowano
- 23 April 2026
Co to robi
Obszary problemowe, dla których model został stworzony. Model może obsługiwać kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation, Question answering
- NumerFormat
- FP8
Rozmiar
Jak duży jest model i ile danych został wytrenowany. Parametry to wartość, która decyduje, czy mieści się na danej karcie graficznej.
- Parametry
- 1T
- Trening danych
- 27,000,000,000,000 tokens
"MiMo-V2.5-Pro is a 1.02T-parameter Mixture-of-Experts model with 42B active parameters, "
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzone w operacjach na liczbach zmiennoprzecinkowych. Jest to miara kosztu treningu, a nie tego, jak szybko gotowy model odpowiada.
- Obliczenia treningowe
- 6.8 × 10²⁴ FLOP
6 FLOPS/token/active parameter * 27e12 tokens * 42e9 active parameters = 6.804E24 FLOP
Dostępność
Czy możesz uzyskać model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Open — downloadable
- Dostęp do modelu
- Open weights (unrestricted)
Jak jest klasyfikowany
Etykiety zastosowane w źródłowym zbiorze danych przy śledzeniu istotnych modeli oraz jak pewny jest wpisu.
- Dlaczego to jest śledzone
- Discretionary
- Model/modele nie pasuje do VRAM GPU.
- Likely
Źródła
Gdzie ten rekord pochodził i kiedy był ostatnio sprawdzany.
- Wersja modelu nie pasuje do VRAM GPU.
- Xiaomi MiMo-V2.5-Pro
- Ostatnia aktualizacja
- 19 June 2026
Co oznaczają liczby
Co potrzebujesz, aby to uruchomić
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.
Kontekst
MiMo-V2.5-Pro was published by Xiaomi Corp, in China, in April 2026. industry is the category the publisher falls under.
Działa w Polskim i jest rejestrowane jako modelowanie/generowanie języka, odpowiadanie na pytania.
Otwarte wagi to to, co umieszcza tę stronę w kalkulatorze, a nie tylko w katalogu: to model, który można faktycznie mieć.
Jak to zostało wytrenowane
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.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: uznaniowy.
Krok po kroku
Jak wybrać GPU dla MiMo-V2.5-Pro
Tabela powyżej już oceniła każdą kartę, dla której posiadamy specyfikacje, w porównaniu do tego modelu. Dotarcie do twojej odpowiedzi zajmuje sześć kroków..
-
01
Przeczytaj najpierw wartość pamięci
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
Dopasowanie kontekstu do twojego aktualnego użycia
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
Zdecyduj, ile kompresji zaakceptujesz.
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
Ranguj według przepustowości, a nie według karty danych.
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
Przeczytaj ostatnią kolumnę dopasowania.
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
Otwórz kartę, na którą się zdecydowałeś
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.
Odpowiedzi
MiMo-V2.5-Pro — Powszechne pytania
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?
Są obliczane na podstawie specyfikacji, a nie pomiarów, i każdy ma zakres - zakres poniżej każdej liczby, na przykład. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania do wnioskowania i jego wersji.
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.
Źródło
Model/modeli nie pasuje do VRAM GPU. Zbyt ciasne. Model działa wygodnie z zapasem. Jak modele AI może GPU uruchomić? 19 June 2026
Inna strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko uruchomi., Model/modele nie mieści się w VRAM GPU..