Elo a preferenza umana ottenuto dai voti testa a testa ciechi di LMArena. Più alto è meglio; - significa non ancora classificato in quell'arena. Questo è misurato, non la nostra stima.
Prezzo combinato giornaliero ($/1 milione): registrato ogni giorno, si sviluppa in una tendenza nel tempo.
Tipico mix output-input 3:1, per 1 milione di token
Prezzo a partire da 2026-05-11 · Fonte: xiaomi_reference_catalog
Carichi di lavoro misti di testo, immagini, audio e documenti che beneficiano di un unico modello in tutte le modalità.
OpenRouter current route for Xiaomi MiMo V2.5 multimodal text, image, audio and video inputs, tracked for China-region supplier prefill.
mimo-v2.5 è un modello Multimodale di Xiaomi (CN). HotON.ai lo tiene traccia di $0.40 per 1 milione di token di input e $2.00 per 1 milione di token di output, con una finestra di contesto del token 1049K. Il suo punteggio di efficienza composito è 95/100 con un $0.002 stimato per attività riuscita.
mimo-v2.5 viene tracciato su $0.40 per 1 milione di token di input e $2.00 per 1 milione di token di output. Un tipico carico di lavoro output-to-input 3:1 si riduce a circa $1.60 per 1 milione di token. Le cifre sono dati dimostrativi illustrativi.
Carichi di lavoro misti di testo, immagini, audio e documenti che beneficiano di un unico modello in tutte le modalità.
mimo-v2.5 supporta fino a una finestra di contesto del token 1049K, abbastanza grande per documenti lunghi e conversazioni estese in un'unica richiesta.
All'interno dell'insieme tracciato HotON.ai, mimo-v2.5 è più economico della 46% dei modelli sul prezzo di input e si classifica #31 di 521 in base all'efficienza complessiva.
Sì: gpt-4.1-nano è un'opzione a costo inferiore a $0.40 per 1 milione di token di output, pur coprendo casi d'uso Multimodale simili. Confrontali fianco a fianco su HotON.ai.
Il prezzo è reale (tramite il catalogo TestKey, aggiornato quotidianamente). La qualità (Arena Elo) è reale quando il modello è classificato su LMArena. Velocità, disponibilità ed efficienza sono stime modellate.