MiMo-V2.5 — Xiaomi의 오픈소스 옴니모델 AI 모델

Context

기존 멀티모달 모델의 높은 토큰 소모량과 제한적인 라이선스 정책으로 인한 상용화 제약 발생. 복잡한 소프트웨어 엔지니어링 작업 시 장기 일관성 유지의 기술적 한계 노출.

Technical Solution

• 시각, 청각, 텍스트를 통합 처리하는 Native Multimodal 아키텍처 설계
• 소프트웨어 엔지니어링 특화 Long-horizon Coherence 메커니즘 적용
• 토큰 효율성 최적화를 통한 추론 비용 및 지연 시간 단축
• MIT 라이선스 채택을 통한 상업적 배포 및 파생 가중치 공개 제약 제거
• 전문 벤치마크 기반의 에이전트 성능 최적화 로직 구현

Impact

• ClawEval 벤치마크에서 오픈소스 선두인 63.8% 성공률 기록
• 타사 모델 대비 40~60% 적은 토큰으로 동등 수준의 결과 도출
• GDPVal-AA(Elo) 벤치마크 1581점 기록으로 Kimi K2.6 및 GLM 5.1 성능 상회

Key Takeaway

모델 성능 측정의 기준을 단순 벤치마크 순위가 아닌 실제 문제 해결 능력과 토큰 효율성으로 전환하는 설계 관점의 중요성.