Xiaomi memperluas MiMo dari satu rilis model menjadi lini tiga model yang ditujukan untuk kebutuhan produk berbeda. Flash hadir pada 16 Desember 2025 sebagai model MoE sumber terbuka untuk penalaran, pengodean, dan tugas agenik, sementara Pro dan Omni resmi diluncurkan pada 18 Maret 2026 masing-masing sebagai model penalaran andalan dan model multimodal penuh.
Apa itu MiMo V2 dan Mengapa Penting?
Seri MiMo V2 dari Xiaomi merepresentasikan dorongan raksasa teknologi Tiongkok ini ke model fondasi AI frontier yang dioptimalkan untuk beban kerja agenik dunia nyata. Dirilis bertahap (Flash pada akhir 2025/awal 2026, diikuti Pro dan Omni pada 18 Maret 2026), lini ini memanfaatkan arsitektur Mixture-of-Experts (MoE) untuk efisiensi: parameter total masif dengan jumlah aktif jauh lebih sedikit saat inferensi.
MiMo-V2-Omni: “mata dan telinga” – model multimodal terpadu yang memadukan teks, visi, video, dan audio diperluas.
MiMo-V2-Flash: “pekerja cepat” – ringan, sumber terbuka, sangat terjangkau.
MiMo-V2-Pro: “andalan penalaran” – otak berparameter triliun untuk tugas kompleks multi-langkah.
Semua model menekankan pemanggilan tool, penalaran konteks panjang, dan integrasi dengan kerangka agen seperti OpenClaw, OpenCode, dan KiloCode. Mereka mencapai ini dengan harga jauh lebih rendah dibandingkan padanan dari OpenAI, Anthropic, atau Google—sering 5–10x lebih murah—serta berada di jajaran teratas global dan Tiongkok pada tolok ukur kunci.
MiMo V2-Omni vs MiMo V2-Pro vs MiMo V2-Flash: Perbandingan Singkat
| Feature / Metric | MiMo-V2-Flash | MiMo-V2-Pro | MiMo-V2-Omni |
|---|---|---|---|
| Release | Dec 2025 | Mar 18, 2026 | Mar 19, 2026 |
| Parameters | 309B total / 15B active (MoE) | ~1T total / 42B active (MoE) | Multimodal (parameter tepat tidak diungkap) |
| Context Window | 256K tokens | 1M tokens (tiered pricing) | 256K tokens |
| Primary Strength | Kecepatan & biaya (pengodean/agen) | Penalaran & agen kompleks | Persepsi multimodal (visi/audio) |
| Benchmarks (Key Examples) | SWE-Bench: 73.4% (#1 open-source); Artificial Analysis: ~41 | ClawEval: 61.5 (#3 global); PinchBench: 81.0; Global rank #7–8 | Kuat pada tugas visi/audio (mis. belanja di browser, deteksi bahaya) |
| Official Pricing (per 1M tokens) | $0.09 input / $0.29 output | ≤256K: $1/$3; >256K: $2/$6 | $0.40 input / $2 output |
| Open-Source | Ya (MIT di HF) | Tidak (hanya API) | Tidak (hanya API) |
| Best For | Tugas cepat volume tinggi | Agen produksi & alur kerja panjang | Agen teks + visi/audio |
| Inference Speed | ~150 tokens/s | Tinggi (dioptimalkan MTP) | Latensi multimodal ~2–5s |
Apa itu MiMo V2-Omni, MiMo V2-Pro, dan MiMo V2-Flash
Apa itu MiMo-V2-Flash? model berfokus pada efisiensi
MiMo-V2-Flash adalah anggota awal keluarga yang paling dikenal. Pada kartu model Hugging Face, Xiaomi menggambarkannya sebagai model Mixture-of-Experts dengan 309B parameter total dan 15B parameter aktif, menggunakan atensi hibrida dan Multi-Token Prediction untuk meningkatkan kecepatan output dan menurunkan biaya inferensi; dilatih pada 27T token dengan presisi campuran FP8, mendukung konteks hingga 256K, dan dioptimalkan untuk penalaran berkecepatan tinggi serta alur kerja agenik.
Kesimpulan praktisnya, Flash adalah model MiMo “sehari-hari” yang paling seimbang untuk kasus penggunaan berat teks. MiMo-V2-Flash kuat untuk penalaran konteks panjang, bantuan pengodean, dan alur kerja agen; model ini menempati peringkat #1 sumber terbuka secara global pada SWE-bench Verified dan SWE-bench Multilingual sambil menelan biaya sekitar 3.5% dari Claude Sonnet 4.5. Kombinasi tersebut menjadikan Flash sebagai titik awal alami jika Anda ingin menguji keluarga ini tanpa menguras anggaran.
Apa itu MiMo-V2-Pro? otak agen andalan
MiMo-V2-Pro adalah model berfokus teks andalan dalam keluarga. Xiaomi mengatakan model ini memiliki lebih dari 1T parameter total, 42B parameter aktif, rasio Hybrid Attention yang diperluas 7:1, dan jendela konteks 1M token; kemampuannya dalam pengodean melampaui Claude 4.6 Sonnet, sementara performa agen umumnya pada ClawEval mendekati Opus 4.6. Pentingnya, Xiaomi menyebut stabilitas dan akurasi pemanggilan tool telah meningkat signifikan—tepat sinyal yang dicari developer saat beralih dari demo ke produksi.
Apa itu MiMo-V2-Omni? model agen multimodal
MiMo-V2-Omni adalah jawaban multimodal Xiaomi untuk persoalan agen. Ia memadukan encoder gambar, video, dan audio ke dalam satu backbone bersama, sehingga model dapat melihat, mendengar, dan membaca sebagai satu aliran perseptual. Xiaomi juga menyebut model ini secara native mendukung pemanggilan tool terstruktur, eksekusi fungsi, dan UI grounding; itulah mengapa Omni diposisikan sebagai model agen, bukan sekadar chatbot multimodal umum.
Omni melampaui transkripsi dalam pemahaman audio, menangani audio kontinu yang melebihi 10 jam, serta mengungguli Gemini 3 Pro pada tugas audio sambil melampaui Claude Opus 4.6 pada pemahaman gambar dan mencapai tingkat model sumber tertutup papan atas seperti Gemini 3. Omni berkinerja kuat pada alur kerja browser dan seluler, dan demo agennya dijalankan dengan OpenClaw yang menangani kontrol browser, akses sistem berkas, dan interaksi terminal.
Wawasan Kata Kunci Long-Tail yang Dapat Diperingkat: Developer yang mencari “MiMo V2 Pro vs Flash untuk pengodean agenik” memilih Flash untuk kecepatan/biaya dan Pro untuk keandalan di produksi.
Harga API MiMo V2 2026
Perbandingan Harga (per 1M token)
| Model | Harga Input | Harga Output | Catatan Penjenjangan Konteks | Contoh Biaya Gabungan (100K Input + 10K Output) |
|---|---|---|---|---|
| Flash | $0.09 – $0.10 | $0.29 – $0.30 | Tarif tetap | ~$0.012 – $0.013 |
| Pro | $1.00 (≤256K) $2.00 (256K–1M) | $3.00 (≤256K) $6.00 (256K–1M) | Bertingkat menurut panjang konteks; harga cache tersedia | ~$0.13 – $0.26 |
| Omni | $0.40 | $2.00 | Tarif tetap (token multimodal ditagih sesuai) | ~$0.06 |
Contoh:
- Flash unggul untuk tugas sederhana volume tinggi (mis., 1M token/hari berbiaya sangat kecil).
- Omni menawarkan nilai kuat untuk multimodal (lebih murah daripada padanan Gemini 3.1).
- Pro berharga ~1/5–1/6 dari Claude Sonnet 4.6 sembari menyamai atau melampauinya di banyak tolok ukur agenik/pengodean. Harga cache semakin menekan biaya konteks panjang.
Berapa harga API seri MiMo V2 di CometAPI?
Di CometAPI, Mimo API menawarkan harga lebih rendah daripada situs resmi, sekitar 20% dari harga resmi (setara nyaris gratis). MImo-v2 pro, mimo-V2-omni, dan mimo-v2-flash juga dapat digunakan di openclaw. Misalnya:
| Comet Price (USD / M Tokens) | Official Price (USD / M Tokens) | Discount |
|---|---|---|
| Input:$0.8/MOutput:$2.4/M | Input:$1/MOutput:$3/M | 20% |
Catatan penting: “termurah” tidak selalu berarti “nilai terbaik.” Pro bisa menjadi pilihan paling hemat biaya ketika satu panggilan model menggantikan beberapa percobaan ulang, panggilan tool, atau intervensi manusia. Omni bisa lebih menguntungkan ketika grounding multimodal menghindari pembangunan pipeline OCR, audio, dan visi terpisah. Flash adalah pemimpin nilai ketika Anda membutuhkan volume tinggi dan pengeluaran yang dapat diprediksi.
Perbandingan Tolok Ukur Performa
Tolok Ukur Kecerdasan Umum & Penalaran
| Benchmark | MiMo-V2-Flash | MiMo-V2-Pro | MiMo-V2-Omni | Catatan / Konteks Perbandingan |
|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 39–41 | 49 (Global #8, Chinese #2) | Not primary focus | Pro menunjukkan lonjakan signifikan dibanding Flash |
| AIME 2025 (Math) | 94.1% | ~94.0% | N/A | Flash sangat kompetitif untuk ukurannya |
| Hallucination Rate | ~48% | ~30% | N/A | Pro menunjukkan reliabilitas lebih baik |
| LongBench V2 (Long Context) | 60.6 | Kuat (keunggulan konteks 1M) | N/A | Pro unggul pada tugas ultra-panjang |
Tolok Ukur Pemrograman & Agenik
| Benchmark | MiMo-V2-Flash | MiMo-V2-Pro | MiMo-V2-Omni | Sorotan Perbandingan |
|---|---|---|---|---|
| SWE-Bench Verified | 73.4% (Top open-source) | 78.0% | ~74.8% | Pro memimpin; Flash #1 di antara model open-source |
| SWE-Bench Multilingual | 71.7% | 57.1% (varian multilingual) | N/A | Flash sangat kuat di sini |
| ClawEval (Agentic Tool Use) | 48.1 – 62.1 | 61.5 – 81.0 | 52.0 – 54.8 | Pro sering menyamai/melampaui Claude Sonnet 4.6 di skenario coding |
| GDPVal-AA / PinchBench | 1040 – 1426 range | 1426 | 81.2 (varian) | Pro kuat pada tugas agen dunia nyata |
| OmniGAIA / Multi-Modal Agent | N/A | N/A | 54.8 | Omni kompetitif pada agen multimodal |
Tolok Ukur Multimodal (Fokus Omni)
| Benchmark | MiMo-V2-Omni Score | Pesaing Penting | Sorotan |
|---|---|---|---|
| MMAU-Pro (Audio) | 76.8 | Claude Opus 4.6 (73.9) | Omni memimpin |
| BigBench Audio / Speech Reasoning | Hingga 80.1 – 94.0 | Bervariasi | Kemampuan audio panjang yang kuat (10+ jam) |
| MMMU-Pro (Image) | 85.3 | Bervariasi (unggul atas beberapa pemimpin) | Pemahaman bagan & visual yang sangat baik |
| Video-MME | 94.0 | Kuat vs. Gemini 3 Pro di area tertentu | Peramalan peristiwa video yang tinggi |
| CharXiv (Charts) | 66.7 | Mengalahkan Gemini 3 Pro di beberapa laporan | Penalaran visual terstruktur yang solid |
Perbandingan Performa: Mana yang Lebih Baik?
Untuk penalaran dan pengodean, Mimo-V2-Flash terlihat sangat kuat di atas kertas. Mimo-V2-Flash papan atas pada AIME 2025, GPQA-Diamond, SWE-bench Verified, dan SWE-bench Multilingual, serta menjadi model sumber terbuka teratas secara global pada SWE-bench Verified dan sebanding dengan Claude Sonnet 4.5 sambil berbiaya sekitar 3.5% saja. Itu menjadikan Flash unggulan bagi developer yang mengutamakan throughput dan efisiensi biaya.
Untuk kontrol agen murni, Pro adalah andalannya. Xiaomi menekankan stabilitas pemanggilan tool, perencanaan tugas horizon panjang, dan alur kerja engineering produksi, dengan jendela konteks 1M token yang sangat berguna pada basis kode besar, analisis multi-dokumen, dan rangkaian browser atau tool yang panjang.
Untuk persepsi multimodal, Omni jelas mengubah bentuk produk. Pembeda utamanya bukan “sedikit lebih baik dalam chat”; melainkan pemahaman gambar, video, dan audio secara native yang dikombinasikan dengan penggunaan tool dan UI grounding. Jika produk Anda perlu melihat tangkapan layar, mengurai bagan, memeriksa video, mendengarkan audio, atau mengendalikan antarmuka, Omni adalah satu-satunya model dalam trio ini yang dibuat khusus untuk tumpukan tersebut.
Di seluruh metrik kecerdasan, pengodean, agenik, dan multimodal, model-model ini membentuk ceruk yang berbeda:
- Penalaran/Kecerdasan: Pro memimpin (AA Index 49); Flash kompetitif untuk ukurannya; Omni kuat lintas-modal.
- Pengodean/Agenik: Pro sering melampaui Claude Sonnet 4.6 (SWE-Bench, ClawEval); Omni menyusul dalam agen multimodal; Flash teratas di sumber terbuka.
- Kecepatan: Flash paling cepat berkat parameter aktif lebih kecil.
- Konteks: Pro mendominasi di 1M token.
- Multimodal: Omni tak tertandingi dalam keluarga.
Pro dan Omni menghadirkan penghematan biaya 5–10x dibandingkan model frontier AS sambil berada di peringkat 10 besar global. Flash memberikan performa sumber terbuka yang nyaris setara dengan harga 1/10 dari banyak model tertutup.
Bagaimana Seharusnya Anda Memilih?
Pilih MiMo V2 Pro jika…
Anda membutuhkan peluang terbaik untuk pekerjaan agen horizon panjang berisiko tinggi: tugas perangkat lunak besar, orkestrasi alur kerja mendalam, jendela konteks besar, dan penggunaan tool yang andal. Pro adalah pilihan tepat ketika performa lebih penting daripada biaya per token dan ketika tugasnya terutama teks atau interaksi tool terstruktur, bukan gambar dan audio.
Pilih MiMo V2 Omni jika…
Produk Anda membutuhkan persepsi multimodal sebagai fitur kelas satu: tangkapan layar, dasbor, foto, video, audio, status browser, atau aksi lintas-perangkat. Omni adalah titik manis untuk aplikasi “melihat, mendengar, bertindak” dan lebih mudah dipertanggungjawabkan daripada Pro jika Anda tidak memerlukan konteks andalan 1M token.
Pilih MiMo V2 Flash jika…
Anda menginginkan nilai terbaik. Flash adalah kandidat terbaik untuk copilot pengodean, agen batch, dukungan volume tinggi, automasi internal, dan eksperimen di mana bobot sumber terbuka, kecepatan, dan biaya rendah penting. Ini juga model yang paling mudah dipertahankan dalam tinjauan anggaran, karena harga token yang dipublikasikan jauh lebih rendah daripada dua lainnya.
Perbedaan Kunci & Saat Masing-Masing Model Unggul
| Factor | Flash (Best For) | Pro (Best For) | Omni (Best For) |
|---|---|---|---|
| Budget | Biaya sangat rendah / volume tinggi | Penalaran bernilai tinggi | Nilai multimodal |
| Task Type | Kueri sederhana, deploy lokal | Agen kompleks, coding, perencanaan | Visi/video/audio + agen |
| Context | Menengah | Terpanjang (1M) | Menengah |
| Open-Source | Ya | Tidak | Tidak |
| Speed | Paling cepat | Seimbang | Seimbang (overhead multimodal) |
Kerangka Keputusan
Langkah 1: Perlu multimodal (gambar/video/audio)? → Omni ($0.40/$2.00).
Langkah 2: Teks murni + kekuatan penalaran/agenik maksimum? → Pro ($1–2/$3–6).
Langkah 3: Anggaran, kecepatan, atau self-hosting krusial? → Flash ($0.09/$0.29, open-source).
Strategi Hibrida (direkomendasikan penyedia API): Gunakan Flash untuk 80% tugas rutin, rute penalaran kompleks ke Pro, dan multimodal ke Omni melalui satu kunci API (mis., lewat CometAPI). Ini mengoptimalkan biaya sambil mengakses seluruh keluarga.
Putusan Akhir: Rekomendasi yang Dipersonalisasi
MiMo V2 adalah cara Xiaomi mengatakan mereka menginginkan tumpukan AI lengkap, bukan hanya satu model unggulan. Pro adalah mesin penalaran andalan, Omni adalah operator multimodal, dan Flash adalah kuda kerja sumber terbuka yang efisien. Pilihan terbaik lebih bergantung pada bentuk beban kerja Anda daripada pamer tolok ukur: agen berat teks mengarah ke Flash atau Pro, sistem multimodal mengarah ke Omni, dan alur kerja produksi berkonteks raksasa mengarah ke Pro.
Keluarga MiMo V2 membuktikan performa AI tinggi tidak lagi membutuhkan harga premium Barat. Mulailah dengan Flash atau Omni untuk sebagian besar pengguna, skala ke Pro saat kebutuhan tumbuh, dan pantau peta jalan Xiaomi untuk terobosan berikutnya.
Siap mencoba? Akses ketiganya melalui platform seperti CometAPI dengan satu kunci. Bereksperimenlah hari ini—pilihan yang tepat dapat mengubah produktivitas AI Anda dalam semalam.