Xiaomi MiMo V2.5とは？料金・使い方・性能を徹底解説

Xiaomi MiMo V2.5（および上位版 MiMo-V2.5-Pro）は、スマートフォンメーカー小米（Xiaomi）の AI 研究チーム「Xiaomi MiMo」が 2026 年 4 月下旬に公開した、推論・マルチモーダル・長時間エージェント実行を 1 つのオープンウェイトモデルに統合した大規模言語モデルです。 最大の特徴は「トークン効率」で、上位版の MiMo-V2.5-Pro はエージェント評価ベンチマーク ClawEval で 64% Pass^3 を約 7 万トークン/タスクで達成し、同等性能の到達に GPT-5.4・Gemini 3.1 Pro・Claude Opus は 40〜60% 多くのトークンを要するとされています。

この記事では、混同されやすい 無印 MiMo-V2.5 と MiMo-V2.5-Pro の違いを最初に整理したうえで、スペック・料金・主要ベンチマーク・使い方・他フロンティアモデルとの比較・向き不向きまでを、公式情報（mimo.xiaomi.com / Hugging Face）と信頼できる二次ソースを軸に解説します。

この記事でわかること

• 無印 MiMo-V2.5（310B / 15B active）と MiMo-V2.5-Pro（1.02T / 42B active）の正確な違い
• 「トークン 40〜60% 削減」が何を基準に・どの競合に対しての主張なのか（Alibaba/Meta 比は要注意）
• ClawEval 64% Pass^3・SWE-bench Pro・Terminal Bench などベンチマークの読み方
• 料金の表記揺れ（クレジット倍率方式 / OpenRouter 実勢 / 報道ベース）の整理
• 使い方（API・OpenRouter・自前ホスト）と日本企業のデータガバナンス注意点
• 向いている用途・向いていない用途

こんな方に役立ちます

• コーディングエージェントや文書解析エージェントの API コストを抑えたい開発者・CTO
• Claude Opus / GPT-5.4 の代替として中国製オープンモデルを検討している AI 推進担当者
• 1M コンテキスト・長時間自律タスクを扱うエンジニアリング／リサーチチーム

MiMo V2.5 は「同等性能を、より少ないトークンで」に振り切ったモデル

MiMo V2.5 シリーズは、ベンチマークの絶対値で全勝するモデルではなく、「同じ成果をより少ないトークン＝より安く出す」ことに最適化されたエージェント特化型 LLM です。月数万〜数十万コール規模のエージェント運用では、このトークン効率が運用コストに直結します。

要点は次の 3 つです。

1. MoE（Mixture of Experts）構成で、Pro は総 1.02 兆パラメータを持ちつつ推論時に動くのは約 420 億（42B）だけ。だから「大きいのに速くて安い」
2. 1M トークンのコンテキスト＋数百〜千回超のツール呼び出しで、4〜11 時間級の長時間自律タスク（コンパイラ実装・動画エディタ構築）を実証済み
3. MIT ライセンスのオープンウェイト。Hugging Face で重み・トークナイザ・モデルカードが公開され、API（クレジット倍率方式）と OpenRouter 経由でも使える

GPT-5.4・Gemini 3.1 Pro・Claude Opus と並ぶエージェント性能を、より少ないトークンとより安い単価で狙えるオープンモデル、というのがこのシリーズの立ち位置です。ただし日本語ネイティブ最適化やマルチモーダルのエージェント性能には弱点もあるため、用途を選びます。

出典：Hugging Face「XiaomiMiMo/MiMo-V2.5-Pro」モデルカード

まず押さえる：無印 MiMo-V2.5 と MiMo-V2.5-Pro は別物

「1T パラメータ」「ClawEval 64% Pass^3」は、いずれも上位版 MiMo-V2.5-Pro の数値です。無印 MiMo-V2.5 とはスペックが大きく異なり、ソースによって両者が混同されがちなので、最初に明確に分けて整理します。

補足：公開日（4/22 か 4/27 か）、学習トークン量（27T か 48T か）、競合バージョン（Claude Opus 4.6 か 4.7 か）など、ソース間で数字が揺れている項目があります。本記事では公式（mimo.xiaomi.com / Hugging Face のモデルカード）の記述を優先し、確定していない数値は「報道・解説ベース」と明示しています。

使い分けの基本は、汎用対話・文書解析・マルチモーダル処理なら無印 V2.5、複雑なソフトウェア開発や長時間自律エージェントなら Pro、です。コストは無印のほうが安いため、まず無印で足りるか検証してから Pro に上げるのが効率的です。

開発元と提供形態

出典：GitHub「XiaomiMiMo/MiMo-Code」リポジトリ

MiMo V2.5 シリーズは、Xiaomi（小米）社内の AI 研究組織「Xiaomi MiMo」が開発しています。スマホメーカーが手がけるオープンウェイト LLM という点が特徴で、提供形態は次の通りです。

• オープンウェイト：Hugging Face（XiaomiMiMo/MiMo-V2.5 / MiMo-V2.5-Pro）で重み・トークナイザ・モデルカードを MIT ライセンス公開
• API / AI Studio：Xiaomi MiMo Open Platform（mimo.xiaomi.com / mimo.mi.com）
• サードパーティ：OpenRouter などからも利用可
• デプロイ推奨：SGLang / vLLM が公式推奨フレームワーク

関連プロダクトとして、エージェント型コーディングハーネス MiMo Code（GitHub: XiaomiMiMo/MiMo-Code。200 ステップ超の超長タスクで Claude Code を上回るとの主張）や、TileRT との協業による高速推論版 MiMo-V2.5-Pro-UltraSpeed（1T モデルで 1,000+ tokens/s を達成と発表）も公開されています。

MiMo V2.5 でできること（主要機能）

1M トークンのロングコンテキスト

無印・Pro ともコンテキストは約 1,048,576 トークン（1M）。日本語でおおよそ 70 万〜80 万文字、英語の長編書籍で 5〜8 冊分に相当します。公式プラットフォームでは 1M フルロード時でも追加のコンテキスト長倍率（料金加算）がかからない仕様で、長文ワークロードのコスト見積もりが立てやすい設計です。実務的には、大規模リポジトリのコード全体ロード、数百ページの契約書群の横断分析、半年〜1 年分の議事録要約などが想定用途です。

超長時間の自律エージェント実行（Pro の真価）

Pro の最大の強みは、人間の介入なしに目標達成まで動き続ける長時間自律性です。Xiaomi 公式が公開しているデモは以下の通りです。

長時間自律エージェントの壁は「途中で状態を見失い、無限ループや一貫性喪失に陥る」点ですが、Pro は数百〜千回超のツール呼び出しを単一セッションで完遂できる設計でこれに対処しています。

ネイティブ・マルチモーダル理解（無印 V2.5）

無印 V2.5 は学習当初からテキスト・画像・動画・音声を統合したネイティブ・マルチモーダル設計（Vision Encoder 729M / Audio Encoder 261M）です。特に動画の時系列推論やチャート・図表理解に強みがあります。一方の Pro はテキスト中心の最適化が優先され、公式上のマルチモーダル記述は無印ほど明確ではありません。

高速化の仕組み（MTP・FP8）

Multi-Token Prediction（MTP）による高速化（Pro は 3 つの軽量 MTP モジュール、無印は 329M）と、FP8（E4M3）混合精度での学習・推論に対応しています。MoE のスパース活性化により、二次ソースでは「推論スループット約 3 倍、KV キャッシュ約 1/7」といった効率改善も報告されています（数値は二次ソース・要裏取り）。

トークン「40〜60% 削減」とは何を基準にした主張か

「トークン 40〜60% 削減」という主張は、エージェント評価ベンチマーク ClawEval を基準にした効率比較です。要点を正確に押さえます。

• MiMo-V2.5-Pro は ClawEval で 64% Pass^3 を約 70,000 トークン/トラジェクトリで達成
• 同等の能力到達に、Claude Opus（4.6 系）・Gemini 3.1 Pro・GPT-5.4 は 40〜60% 多くのトークンを要する＝Pro は 40〜60% 少ないトークンで同等性能、というのが主張の核

ここで重要な注意点があります。公式・主要二次ソースで明示的にトークン効率を比較しているのは、主に Anthropic（Claude）/ Google（Gemini）/ OpenAI（GPT）の 3 社です。一方で「Alibaba（Qwen）/ Meta（Llama）との直接トークン比較は、今回の調査では公式裏取りできず＝未確認」です。したがって本記事では、

• 裏取りできた GPT-5.4 / Gemini 3.1 Pro / Claude Opus に対しての主張として扱い、
• Alibaba / Meta については「オープンモデル勢のなかでも効率上位に位置づけられる」という文脈にとどめます。

VentureBeat も「MiMo V2.5 / Pro はエージェント（claw）タスクで最も効率的かつ低コストな部類」と報じており、中国 AI の価格競争の文脈で注目されています。トークン効率の主張を読む際は「どのベンチで・どの競合に対して・何 Pass^3 か」を必ずセットで確認するのが安全です。

主要ベンチマーク比較：GPT-5.4・Gemini 3.1 Pro・Claude Opus との位置関係

出典：OpenRouter「xiaomi/mimo-v2.5-pro」モデルページ

公開情報ベースで MiMo-V2.5-Pro を主要フロンティアモデルと並べると、概ね次のようになります（数値はソース間で小数点の揺れがあるため、幅または公式値を優先）。

Hugging Face のモデルカード（Pro）からの抜粋値も参考になります：GSM8K 99.6 / MMLU-Pro 68.5 / HumanEval+ 75.6 / SWE-Bench（AgentLess）35.7 / GraphWalks@512k 0.56（BFS）・0.92（Parents）。

読み方のポイントは 2 つです。第一に、SWE-bench Pro や Terminal Bench のようなエージェント・実装系では Claude Opus / Gemini 3.1 Pro と同水準帯に達しており、ここがトークン効率と合わせた強みです。第二に、ClawEval Multimodal の 23.8 が示す通り、画像・動画理解を伴うエージェント作業はまだ発展途上です。学術・大学院レベルの深い知識タスクでも、依然として GPT-5.4 / Claude Opus 系が優位な領域があります。

比較対象のバージョンに注意：Xiaomi の公式比較は Claude Opus 4.6 を基準にしていますが、より新しい世代がリリースされている場合があります。最新世代同士で比較したい場合は、各社の最新モデルの数値を別途参照してください。

料金・プラン：表記揺れを整理する

MiMo V2.5 の料金は、プラットフォーム・通貨・プランで複数の数字が混在しているため、出典を分けて整理するのが重要です。「公式プラットフォーム＝クレジット倍率方式」「OpenRouter＝実勢の従量課金」「初出報道＝別の $/1M」を切り分けて理解してください。

公式プラットフォーム（クレジット倍率方式）

開発者向けキャンペーン「MiMo Orbit」では、30 日間で最大 100 兆トークン分の無料クレジットを選定グローバル応募者へ配布する施策も告知されています。

OpenRouter 経由（実勢の従量課金）

なお初出報道では Pro を「入力 $1.00 / 出力 $3.00（$/100 万トークン）」と記載するソースもありました。プラットフォームやプランで単価が異なる可能性があるため、利用前に OpenRouter のモデルページ や mimo.xiaomi.com で最新の実価格を必ず確認してください。料金は変動の早い領域です。

参考として、ハイエンドの Claude Opus 系は入力 $5 / 出力 $25 前後の水準です。MiMo-V2.5-Pro は「単価そのものが安く、かつ ClawEval ベースで必要トークンも 40〜60% 少ない」という二重の効率性を主張しており、大規模エージェント運用ではこの差が運用コスト差に直結します。

トークン効率がコストに与えるインパクト（試算）

「トークン効率が良い」が運用コストでどれだけ効くかを、わかりやすい仮定で試算します。あくまで前提に基づく概算で、実消費はワークロードにより変動します。

想定条件：月間 100 万コールのコーディングエージェント／1 コール平均 入力 5,000・出力 2,000 トークン／同等タスク達成に必要なトークンを「効率の良いモデルは 50%」と仮定（公称 40〜60% 削減の中央値）／OpenRouter 実勢単価（Pro：入力 $0.435・出力 $0.87）で計算。

単価の安さに加え、トークン削減が効くと運用コストはさらに半減する計算です。「同じ成果を、より少ないトークンとより安い単価で」という二段構えが、エージェント運用基盤として MiMo V2.5 が注目される最大の理由です。

※ 上記は仮定に基づく試算です。実際のトークン消費・単価はワークロードと最新の料金体系により変動します。

MiMo V2.5 の使い方

OpenAI 互換 API を提供しているため、Chat Completions 形式に対応した主要なエージェント環境（Claude Code・OpenCode・Aider・LangChain/LangGraph ベースの自社エージェントなど）からそのまま接続できます。代表的な 3 経路を紹介します。

1. OpenRouter で最短利用

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="<YOUR_OPENROUTER_KEY>"
)

response = client.chat.completions.create(
    model="xiaomi/mimo-v2.5-pro",
    messages=[
        {"role": "user", "content": "Rustで簡易的なJSONパーサを実装してください"}
    ],
)
print(response.choices[0].message.content)

無印を使う場合はモデル ID を xiaomi/mimo-v2.5 に変更します。

2. Xiaomi AI Studio（Web UI）で試す

コードを書かずに動作確認したい場合は、Xiaomi MiMo Open Platform の Web UI からプロンプトを直接試せます。無印 V2.5 のマルチモーダル機能（画像・動画アップロード）も Web UI 経由が最も手軽です。

3. 既存のコーディングエージェントから利用

Claude Code・OpenCode などはベース URL とモデル名を差し替えるだけで MiMo を呼び出せます。

# OpenCode の例
export OPENCODE_BASE_URL="https://openrouter.ai/api/v1"
export OPENCODE_API_KEY="<YOUR_OPENROUTER_KEY>"
export OPENCODE_MODEL="xiaomi/mimo-v2.5-pro"

長時間自律タスクで Pro の真価を試すなら、SWE-bench 系のサンプルタスクや実プロジェクトのリファクタリングで動かすのがおすすめです。

4. 自前ホスト（現実性の評価が必要）

MIT ライセンスのオープンウェイトのため、SGLang / vLLM で自前ホストも可能です。ただし 1T（Pro）モデルのフル精度ウェイトを自前運用するには大規模 GPU が必須で、現実的には API 利用が中心になります。無印 310B でも個人運用は困難です。ローカル/オンプレが必須要件なら、軽量な無印（15B active）構成の検証や、用途に応じたモデル選定が必要です。

他フロンティアモデルとの選び分け

用途別おすすめ早見表

4 モデル比較表

中国系オープンモデルとの選び分け

同じく中国系で競合する DeepSeek 系や Qwen 系、Moonshot AI の Kimi 系と並べると、MiMo V2.5 の立ち位置は「エージェント実行のトークン効率に振り切ったオープンウェイト」です。トークン効率優先・実装系エージェントなら MiMo-V2.5-Pro、マルチモーダル統合（動画・チャート）なら無印 V2.5、という選び分けが基本になります。各モデルの詳細は以下も参照ください。

• DeepSeek V4 とは — 中国系オープンモデル徹底解説
• Qwen 3.5-Omni とは — Alibaba マルチモーダルモデル解説
• Kimi K2.6 とは — 性能・料金・他モデル比較を徹底解説

制約・できないこと（導入前に必ず確認）

率直に言って、MiMo V2.5 にはいくつかの明確な弱点・制約があります。導入判断の前に押さえてください。

• マルチモーダル・エージェントは発展途上：ClawEval Multimodal 23.8% が示す通り、画像/動画理解を伴うエージェント作業は汎用テキスト性能に比べて弱め。
• 日本語ネイティブ最適化は未確認：対応言語は英語・中国語が中心。日本語のチャット・コーディング指示自体は通りますが、日本語タスク品質の公式保証や日本語ドキュメント・日本法人・SLA は現時点で確認できていません。
• 自前ホストのハードウェア要件が重い：1T（Pro）モデルのフル精度ウェイトの自前運用は大規模 GPU 必須。無印 310B でも個人運用は困難。
• Pro のモダリティ範囲が不明瞭：公式記述が薄く、無印ほど明確に「動画/音声」をうたっていない（要確認）。
• データ取り扱いの確認が利用者責任：中国ベンダー製モデルである点を踏まえ、API 利用時の送信データの取り扱いポリシー確認が必要。公式の明示的セキュリティページは本調査では未取得（未確認）。

日本企業が導入する際のデータガバナンス注意点

画像：Unsplash

ライセンスは MIT で商用利用・改変・再配布が比較的自由ですが、オープンウェイトを自前ホストする場合のデータ取り扱い・コンプライアンスは利用者責任です。また API 利用時は、中国拠点のベンダー製モデルである点を踏まえた評価が求められます。実務上の判断軸は次の通りです。

1. 投入する情報の機微度：個人情報・契約・営業秘密・ソースコード資産は原則回避するか、自社プロキシ／秘匿化処理を介する
2. データフロー設計：OpenRouter 経由か直接 API かでデータ通過点が変わる。利用規約とログ保持ポリシーを確認
3. 越境データ移転規制：個人情報を含む場合、日本の個人情報保護法に基づく越境移転の同意・評価が必要
4. 代替モデルへのフェイルオーバー：料金・仕様・可用性の変更に備え、切り替え可能な抽象化レイヤーを実装
5. 社内ガバナンス合意：法務／セキュリティ部門と利用範囲を事前合意

おすすめの段階的導入ステップは、(1) OpenRouter で個人アカウントを作りサンプルで挙動確認 → (2) 自社ワークロードでトークン消費を実測しコスト試算 → (3) 機微情報を含まない業務（公開文書要約・プロトタイプ生成）から限定導入 → (4) 一定期間運用してから本番拡大、という流れです。

中国系モデルを含む生成 AI の社内利用ルール全般は、以下も参考になります。

• 生成AIセキュリティ リスク — 企業利用時の注意点
• AIエージェント セキュリティ 対策ガイド

こんな方におすすめ／向いていない方

こんな方におすすめ

• 月間数万〜数十万コール規模のコーディングエージェントを運用し、API コストが課題になっている開発組織
• 1M コンテキストで大規模リポジトリ・契約書群・議事録ログを横断分析したいリサーチ・法務・コンサル系チーム
• GPT-5.4 / Claude Opus と並ぶエージェント性能を、より安く試したいスタートアップ・中堅企業
• MIT ライセンスのオープンウェイトで、将来的な自社カスタマイズ・自前ホストの余地を残したい組織
• OpenAI 互換 API に対応した自社エージェントをそのまま使い回したい開発者

おすすめしない・向いていない方

• 本番運用で SLA・データレジデンシー保証が必須な金融・医療・行政系ワークロード
• 個人情報・営業秘密・機微データを直接投入する用途（越境データ規制の評価が必要）
• 日本語ネイティブ品質を最優先する用途（日本語最適化が未確認）
• 学術・大学院レベルの深い知識タスクでトップ精度が必要なケース（GPT-5.4 / Claude Opus 系が優位）
• マルチモーダルを伴う高度なエージェント作業（ClawEval Multimodal が低め）
• 主要クラウド（AWS / Azure / GCP）のマネージドサービスで完結させたいエンタープライズ

よくある質問（FAQ）

Q1. 無印 MiMo-V2.5 と MiMo-V2.5-Pro はどう違いますか？

無印は約 310B（15B active）でネイティブ・マルチモーダル、Pro は約 1.02T（42B active）でエージェント特化（テキスト中心）です。汎用対話・文書解析・マルチモーダルは無印、複雑なソフトウェア開発や長時間自律タスクは Pro が基本の使い分けです。コストは無印が安いので、まず無印で足りるか試すのが効率的です。

Q2. 「1T パラメータ」なのに速くて安いのはなぜですか？

MoE（Mixture of Experts）構成だからです。総パラメータは約 1 兆ありますが、推論時に実際に動くのは約 420 億（42B）だけ。密モデルで 42B 級を動かす計算コスト感のまま、1 兆級の知識の幅を享受できる、というのが MoE の利点です。

Q3. トークン「40〜60% 削減」は何との比較ですか？

エージェント評価ベンチマーク ClawEval を基準にした効率比較で、明示的に裏取りできている比較対象は主に GPT-5.4・Gemini 3.1 Pro・Claude Opus（4.6 系）です。Alibaba（Qwen）・Meta（Llama）との直接トークン比較は公式に確認できていないため、本記事ではその 3 社に対する主張として扱っています。

Q4. ローカル / オンプレで動かせますか？

MIT ライセンスのオープンウェイトなので技術的には可能ですが、Pro（1T）のフル精度ウェイト自前運用は大規模 GPU が必須で、無印 310B でも個人運用は困難です。現実的には API / OpenRouter 利用が中心になります。デプロイは SGLang / vLLM が公式推奨です。

Q5. 料金はいくらですか？

公式プラットフォームはクレジット倍率方式（無印 1x / Pro 2x、1M コンテキストでも追加倍率なし）。OpenRouter 実勢では Pro が入力約 $0.435 / 出力約 $0.87（$/1M）です。初出報道では Pro を入力 $1.00 / 出力 $3.00 とするソースもあり、変動が早いため利用前に公式・OpenRouter で最新価格を確認してください。

Q6. 日本語性能はどうですか？

日本語のチャット・コーディング指示自体は通りますが、対応言語は英語・中国語が中心で、日本語ネイティブ最適化や日本語ドキュメント・日本法人・SLA は現時点で確認できていません。エンタープライズ導入時は英語または中国語ドキュメントを参照する前提が必要です。

Q7. データは中国に渡りますか？セキュリティ面の注意は？

Xiaomi MiMo は中国拠点で運営されています。API 直結利用時はデータが中国側サーバーを経由する可能性があり、OpenRouter 経由でも最終的な推論は Xiaomi 側で実行されます。公式の明示的セキュリティページは本調査では未取得のため、個人情報・営業秘密・機微情報の直接投入は推奨されません。

Q8. オープンソース（オープンウェイト）として何が公開されていますか？

無印 MiMo-V2.5 / MiMo-V2.5-Pro とも Hugging Face で重み・トークナイザ・モデルカードが MIT ライセンスで公開されています。加えてエージェント型コーディングハーネス MiMo Code も GitHub で公開されています。

まとめ：MiMo V2.5 の位置付け

Xiaomi MiMo V2.5 シリーズは、「フロンティア級のエージェント性能を、より少ないトークンとより安い単価で」に振り切ったオープンウェイト LLM です。

• 無印 V2.5（310B / 15B active・ネイティブマルチモーダル）と Pro（1.02T / 42B active・エージェント特化）の 2 本立て
• MoE 構成・1M コンテキスト・数百〜千回超のツール呼び出し連続実行
• ClawEval 64% Pass^3 を約 70K トークンで達成し、GPT-5.4 / Gemini 3.1 Pro / Claude Opus 比でトークン 40〜60% 削減という効率性（Alibaba/Meta 比は未確認）
• MIT ライセンス・OpenRouter / API / 自前ホストの 3 経路

「コスト効率を最大化したいエージェント運用」「1M コンテキストの長文ワークロード」に当てはまる組織にとっては、現時点で最も注目すべき選択肢の一つです。一方で、本番 SLA・データ主権・日本語ネイティブ品質・深い学術知識が必須要件のケースでは、Claude Opus 系 / GPT-5.4 / Gemini 3.1 Pro など他のフロンティアモデルが依然として優位です。まずは OpenRouter 経由で代表ワークロードのトークン消費を実測し、自社のコストと品質要件で判断するのが最短ルートです。

関連記事

比較・ハブ記事

• 生成AIツールおすすめ比較 — 用途別・料金別の最新ガイド
• AIエージェントとは — 仕組み・代表ツール・選び方を整理
• AIエージェント おすすめ 比較 — 用途別ベストチョイス
• AIコーディングツール おすすめ 比較 — 開発者向け徹底ガイド

競合・代替モデル個別解説

• Claudeとは — Anthropic の生成 AI 基本ガイド
• Claude Codeとは — エージェント型コーディングツール解説
• OpenAI GPT-5.5 Spud とは — 性能・料金・GPT-5.4 との違い
• Gemini 3.1 Pro とは — Google フラッグシップ AI 解説
• DeepSeek V4 とは — 中国系オープンモデル徹底解説
• Qwen 3.5-Omni とは — Alibaba マルチモーダルモデル解説

セキュリティ・実務観点

• 生成AIセキュリティ リスク — 企業利用時の注意点
• AIエージェント セキュリティ 対策ガイド
• AIコーディング セキュリティ リスク — 実務観点