Xiaomi a fait évoluer MiMo d’une sortie à un seul modèle vers une gamme de trois modèles visant des besoins produits différents. Flash est arrivé le 16 décembre 2025 en tant que modèle MoE open source pour le raisonnement, le code et les tâches orientées agent, tandis que Pro et Omni ont été officiellement dévoilés le 18 mars 2026 comme le modèle phare de raisonnement et le modèle multimodal complet, respectivement.
Qu’est-ce que MiMo V2 et pourquoi c’est important ?
La série MiMo V2 de Xiaomi représente la poussée du géant technologique chinois dans les modèles fondamentaux d’IA de pointe, optimisés pour des charges de travail réelles orientées agent. Publiée en plusieurs phases (Flash fin 2025/début 2026, puis Pro et Omni le 18 mars 2026), la gamme s’appuie sur une architecture à mélange d’experts (MoE) pour l’efficacité : un nombre total de paramètres massif, avec bien moins de paramètres actifs à l’inférence.
MiMo-V2-Omni : Les « yeux et oreilles » – modèle multimodal unifié fusionnant texte, vision, vidéo et audio étendu.
MiMo-V2-Flash : Le « travailleur rapide » – léger, open source, ultra abordable.
MiMo-V2-Pro : Le « vaisseau amiral du raisonnement » – cerveau à un billion de paramètres pour des tâches complexes et multi-étapes.
Tous les modèles mettent l’accent sur l’appel d’outils, le raisonnement à long contexte et l’intégration avec des frameworks d’agents comme OpenClaw, OpenCode et KiloCode. Ils y parviennent à des prix nettement inférieurs aux équivalents d’OpenAI, Anthropic ou Google — souvent 5–10x moins chers — tout en se classant parmi les leaders mondiaux et chinois sur des benchmarks clés.
MiMo V2-Omni vs MiMo V2-Pro vs MiMo V2-Flash : comparaison rapide
| Feature / Metric | MiMo-V2-Flash | MiMo-V2-Pro | MiMo-V2-Omni |
|---|---|---|---|
| Release | Déc. 2025 | 18 mars 2026 | 19 mars 2026 |
| Parameters | 309B total / 15B actifs (MoE) | ~1T total / 42B actifs (MoE) | Multimodal (paramètres exacts non divulgués) |
| Context Window | 256K jetons | 1M jetons (tarification par paliers) | 256K jetons |
| Primary Strength | Vitesse et coût (code/agents) | Raisonnement et agents complexes | Perception multimodale (vision/audio) |
| Benchmarks (Key Examples) | SWE-Bench : 73.4 % (n°1 open source) ; Artificial Analysis : ~41 | ClawEval : 61.5 (n°3 mondial) ; PinchBench : 81.0 ; Rang mondial n°7–8 | Solide sur les tâches vision/audio (p. ex. achats via navigateur, détection de risques) |
| Official Pricing (per 1M tokens) | $0.09 entrée / $0.29 sortie | ≤256K : $1/$3 ; >256K : $2/$6 | $0.40 entrée / $2 sortie |
| Open-Source | Oui (MIT sur HF) | Non (API uniquement) | Non (API uniquement) |
| Best For | Tâches rapides à grand volume | Agents de production et longs workflows | Agents multimodaux vision/audio + texte |
| Inference Speed | ~150 jetons/s | Élevée (optimisé MTP) | Latence multimodale ~2–5s |
Qu’est-ce que MiMo V2-Omni, MiMo V2-Pro et MiMo V2-Flash
Qu’est-ce que MiMo-V2-Flash ? le modèle axé sur l’efficacité
MiMo-V2-Flash est le membre le plus connu et le plus ancien de la famille. Sur la fiche du modèle Hugging Face, Xiaomi le décrit comme un modèle Mixture-of-Experts avec 309B paramètres totaux et 15B paramètres actifs, utilisant l’attention hybride et la prédiction multi-jetons (MTP) pour améliorer la vitesse de sortie et réduire le coût d’inférence ; il a été entraîné sur 27T jetons en précision mixte FP8, prend en charge jusqu’à 256K de contexte, et est optimisé pour le raisonnement haute vitesse et les workflows orientés agent.
Concrètement, Flash est le modèle MiMo le plus équilibré au quotidien pour les cas d’usage textuels. MiMo-V2-Flash est performant pour le raisonnement à long contexte, l’aide au codage et les workflows d’agents ; il se classe comme le n°1 open source mondial sur SWE-bench Verified et SWE-bench Multilingual tout en ne coûtant qu’environ 3,5 % du prix de Claude Sonnet 4.5. Cette combinaison fait de Flash le point de départ naturel si vous voulez tester la famille sans exploser le budget.
Qu’est-ce que MiMo-V2-Pro ? le cerveau d’agent phare
MiMo-V2-Pro est le modèle phare axé texte de la famille. Xiaomi indique qu’il possède plus de 1T de paramètres totaux, 42B de paramètres actifs, un ratio d’attention hybride étendu de 7:1 et une fenêtre de contexte de 1M jetons ; sa capacité en codage dépasse Claude 4.6 Sonnet, tandis que ses performances générales d’agent sur ClawEval s’approchent d’Opus 4.6. Fait important, Xiaomi précise que la stabilité et la précision des appels d’outils ont été significativement améliorées — exactement le signal que recherchent les développeurs lorsqu’ils passent des démos à la production.
Qu’est-ce que MiMo-V2-Omni ? le modèle d’agent multimodal
MiMo-V2-Omni est la réponse multimodale de Xiaomi au problème des agents. Il fusionne des encodeurs image, vidéo et audio dans un unique backbone partagé, de sorte que le modèle peut voir, entendre et lire en un seul flux perceptif. Xiaomi précise également qu’il prend en charge nativement l’appel d’outils structurés, l’exécution de fonctions et l’ancrage d’interface utilisateur (UI), raison pour laquelle Omni est positionné comme un modèle d’agent plutôt qu’un chatbot multimodal généraliste.
Omni va au-delà de la transcription en compréhension audio, gérant un audio continu dépassant 10 heures, et il surpasse Gemini 3 Pro sur les tâches audio tout en dépassant Claude Opus 4.6 en compréhension d’images, atteignant le niveau des meilleurs modèles propriétaires tels que Gemini 3. Omni affiche de fortes performances sur les workflows navigateur et mobile, et ses démos d’agent ont été exécutées avec OpenClaw gérant le contrôle du navigateur, l’accès au système de fichiers et l’interaction terminal.
Insight mots-clés longue traîne optimisables : les développeurs recherchant « MiMo V2 Pro vs Flash pour le codage orienté agent » choisissent Flash pour la vitesse/le coût et Pro pour la fiabilité en production.
Tarification de l’API MiMo V2 2026
Comparaison des prix (par 1M de jetons)
| Model | Input Price | Output Price | Context Tiering Notes | Blended Cost Example (100K Input + 10K Output) |
|---|---|---|---|---|
| Flash | $0.09 – $0.10 | $0.29 – $0.30 | Tarif fixe | ~$0.012 – $0.013 |
| Pro | $1.00 (≤256K) $2.00 (256K–1M) | $3.00 (≤256K) $6.00 (256K–1M) | À paliers selon la longueur du contexte ; tarification du cache disponible | ~$0.13 – $0.26 |
| Omni | $0.40 | $2.00 | Tarif fixe (jetons multimodaux facturés en conséquence) | ~$0.06 |
Exemples :
- Flash l’emporte pour les tâches simples à grand volume (par ex., 1M de jetons/jour coûte des centimes).
- Omni offre un fort rapport qualité-prix en multimodal (moins cher que les équivalents Gemini 3.1).
- Pro coûte ~1/5–1/6 du prix de Claude Sonnet 4.6 tout en l’égalisant ou le dépassant sur de nombreux benchmarks d’agents/codage. La tarification du cache réduit encore les coûts de contexte long.
Quel est le prix de l’API Mimo V2 sur CometAPI ?
Sur CometAPI, l’API Mimo est proposée à un prix inférieur à celui du site officiel, environ 20 % du prix officiel (quasi gratuit). MImo-v2 pro, mimo-V2-omni, et mimo-v2-flash peuvent également être utilisés dans openclaw.Par exemple :
| Comet Price (USD / M Tokens) | Official Price (USD / M Tokens) | Discount |
|---|---|---|
| Entrée:$0.8/MSortie:$2.4/M | Entrée:$1/MSortie:$3/M | 20% |
La mise en garde importante est que « le moins cher » ne signifie pas toujours « le meilleur rapport qualité-prix ». Pro peut être le choix le plus rentable lorsqu’un seul appel modèle remplace plusieurs relances, appels d’outils ou interventions humaines. Omni peut être l’option la plus avantageuse lorsque l’ancrage multimodal évite de construire des pipelines OCR, audio et vision séparés. Flash est le champion de la valeur lorsque vous avez besoin d’un volume élevé et de dépenses prévisibles.
Comparaison des benchmarks de performance
Benchmarks d’intelligence générale et de raisonnement
| Benchmark | MiMo-V2-Flash | MiMo-V2-Pro | MiMo-V2-Omni | Notes / Contexte de comparaison |
|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 39–41 | 49 (Global #8, Chinese #2) | Not primary focus | Pro montre un saut significatif vs Flash |
| AIME 2025 (Math) | 94.1% | ~94.0% | N/A | Flash très compétitif pour sa taille |
| Hallucination Rate | ~48% | ~30% | N/A | Pro démontre une meilleure fiabilité |
| LongBench V2 (Long Context) | 60.6 | Fort (avantage 1M de contexte) | N/A | Pro excelle sur les tâches ultra-longues |
Benchmarks de code et d’agents
| Benchmark | MiMo-V2-Flash | MiMo-V2-Pro | MiMo-V2-Omni | Faits saillants de comparaison |
|---|---|---|---|---|
| SWE-Bench Verified | 73.4% (Top open-source) | 78.0% | ~74.8% | Pro en tête ; Flash n°1 parmi les modèles open source |
| SWE-Bench Multilingual | 71.7% | 57.1% (multilingual variant) | N/A | Flash particulièrement solide ici |
| ClawEval (Agentic Tool Use) | 48.1 – 62.1 | 61.5 – 81.0 | 52.0 – 54.8 | Pro égale/dépasse souvent Claude Sonnet 4.6 en scénarios de code |
| GDPVal-AA / PinchBench | 1040 – 1426 range | 1426 | 81.2 (variant) | Pro solide sur des tâches d’agent réelles |
| OmniGAIA / Multi-Modal Agent | N/A | N/A | 54.8 | Omni compétitif sur les agents multimodaux |
Benchmarks multimodaux (focus Omni)
| Benchmark | MiMo-V2-Omni Score | Notable Competitors | Highlights |
|---|---|---|---|
| MMAU-Pro (Audio) | 76.8 | Claude Opus 4.6 (73.9) | Omni en tête |
| BigBench Audio / Speech Reasoning | Up to 80.1 – 94.0 | Varies | Solide capacité audio longue (10+ heures) |
| MMMU-Pro (Image) | 85.3 | Varies (edges some leaders) | Excellente compréhension des graphiques et visuels |
| Video-MME | 94.0 | Strong vs. Gemini 3 Pro in select areas | Excellente prédiction d’événements vidéo |
| CharXiv (Charts) | 66.7 | Beats Gemini 3 Pro in some reports | Solide raisonnement visuel structuré |
Comparaison des performances : lequel est meilleur ?
Pour le raisonnement et le codage, Mimo-V2-Flash paraît extrêmement solide sur le papier. Mimo-V2-Flash est de premier plan sur AIME 2025, GPQA-Diamond, SWE-bench Verified et SWE-bench Multilingual, et Mimo-V2-Flash est le premier modèle open source mondial sur SWE-bench Verified, comparable à Claude Sonnet 4.5 tout en ne coûtant qu’environ 3,5 % aussi cher. Cela fait de Flash le modèle phare pour les développeurs qui privilégient le débit et l’efficacité des coûts.
Pour le contrôle agentique pur, Pro est le vaisseau amiral. Xiaomi met en avant la stabilité des appels d’outils, la planification de tâches à long horizon et les workflows d’ingénierie de production, avec une fenêtre de contexte de 1M jetons particulièrement utile sur les grandes bases de code, l’analyse multi-documents et les chaînes navigateur/outils de longue durée.
Pour la perception multimodale, Omni est celui qui change clairement la donne. Son différenciateur n’est pas « être un peu meilleur en chat » ; c’est la compréhension native des images, vidéos et audio combinée à l’usage d’outils et à l’ancrage d’UI. Si votre produit doit regarder des captures d’écran, analyser des graphiques, inspecter des vidéos, écouter de l’audio ou piloter une interface, Omni est le seul modèle du trio conçu spécialement pour cet empilement.
Sur l’intelligence, le code, l’agentique et le multimodal, les modèles se taillent des niches distinctes :
- Raisonnement/Intelligence : Pro en tête (AA Index 49) ; Flash compétitif pour sa taille ; Omni solide en cross-modal.
- Codage/Agentique : Pro dépasse souvent Claude Sonnet 4.6 (SWE-Bench, ClawEval) ; Omni juste derrière en agents multimodaux ; Flash au sommet en open source.
- Vitesse : Flash le plus rapide grâce à moins de paramètres actifs.
- Contexte : Pro domine avec 1M de jetons.
- Multimodal : Omni est sans égal dans la famille.
Pro et Omni offrent des économies de coût de 5–10x par rapport aux modèles de pointe américains tout en se classant top 10 mondial. Flash fournit des performances open source quasi équivalentes à 1/10 du prix de nombreux modèles propriétaires.
Comment choisir ?
Choisissez MiMo V2 Pro si…
vous avez besoin des meilleures chances sur du travail agentique à long horizon et à forts enjeux : grandes tâches logicielles, orchestration de workflows profonds, grandes fenêtres de contexte et usage robuste des outils. Pro est le bon choix quand la performance prime sur le coût par jeton et quand la tâche est surtout textuelle ou en interaction avec des outils structurés plutôt qu’images et audio.
Choisissez MiMo V2 Omni si…
votre produit a besoin de perception multimodale comme fonctionnalité de premier ordre : captures d’écran, tableaux de bord, photos, vidéos, audio, état du navigateur ou action cross-device. Omni est le point d’équilibre pour les applications « voir, entendre, agir » et est plus facile à justifier que Pro si vous n’avez pas besoin du contexte phare à 1M de jetons.
Choisissez MiMo V2 Flash si…
vous voulez le meilleur rapport valeur/prix. Flash est le meilleur candidat pour les copilotes de codage, les agents batch, le support à grand volume, l’automatisation interne et les expériences où les poids open source, la vitesse et le faible coût comptent. C’est aussi le modèle le plus facile à défendre en revue budgétaire, car les prix au jeton publiés sont nettement inférieurs aux deux autres.
Principales différences et cas où chaque modèle brille
| Factor | Flash (Best For) | Pro (Best For) | Omni (Best For) |
|---|---|---|---|
| Budget | Coût extrêmement faible / grand volume | Raisonnement à forte valeur | Valeur multimodale |
| Task Type | Requêtes simples, déploiement local | Agents complexes, codage, planification | Vision/vidéo/audio + agents |
| Context | Moyen | Le plus long (1M) | Moyen |
| Open-Source | Oui | Non | Non |
| Speed | Le plus rapide | Équilibrée | Équilibrée (surcharge multimodale) |
Cadre de décision
Étape 1 : Besoin de multimodal (images/vidéo/audio) ? → Omni ($0.40/$2.00).
Étape 2 : Texte pur + puissance maximale de raisonnement/agents ? → Pro ($1–2/$3–6).
Étape 3 : Budget, vitesse ou auto-hébergement critiques ? → Flash ($0.09/$0.29, open source).
Stratégie hybride (recommandée par les fournisseurs d’API) : utilisez Flash pour 80 % des tâches courantes, orientez le raisonnement complexe vers Pro, et le multimodal vers Omni via une seule clé API (par ex., via CometAPI). Cela optimise les coûts tout en accédant à l’ensemble de la famille.
Verdict final : votre recommandation personnalisée
MiMo V2 est la manière dont Xiaomi indique vouloir une pile d’IA complète, pas seulement un modèle vedette. Pro est le moteur de raisonnement phare, Omni est l’opérateur multimodal, et Flash est le bourreau de travail open source efficace. Le meilleur choix dépend moins de la fanfaronnade des benchmarks que de la forme de votre charge de travail : les agents fortement textuels pointent vers Flash ou Pro, les systèmes multimodaux vers Omni, et les workflows de production à contexte géant vers Pro.
La famille MiMo V2 prouve que la haute performance en IA n’exige plus des prix premium occidentaux. Commencez avec Flash ou Omni pour la plupart des utilisateurs, montez vers Pro au fur et à mesure des besoins, et surveillez la feuille de route de Xiaomi pour encore plus d’innovations.
Prêt à tester ? Accédez aux trois via des plateformes comme CometAPI avec une seule clé. Expérimentez dès aujourd’hui — le bon choix pourrait transformer votre productivité IA du jour au lendemain.