Xiaomi: MiMo-V2-Omni xiaomi/mimo-v2-omni

Модель Xiaomi: MiMo-V2-Omni от Xiaomi (семейство mimo-v2) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
MiMo — модели Xiaomi для edge-устройств и IoT.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

262K

контекст, токенов

40 ₽

за 1 млн входных токенов

200 ₽

за 1 млн выходных токенов

возможностей

Что такое Xiaomi: MiMo-V2-Omni

Задачи, где нужно одновременно анализировать видео, аудио и изображения в едином контексте с поддержкой многошагового рассуждения.

MiMo-V2-Omni — мультимодальная модель от Xiaomi, разработанная для нативной обработки текста, изображений, видео и аудио в рамках единой архитектуры. Модель относится к семейству MiMo-V2 и позиционируется как frontier omni-modal решение: вместо того чтобы склеивать отдельные специализированные модули, она обрабатывает разные типы данных сквозным образом, что позволяет сохранять контекст между модальностями.

Отличительная черта MiMo-V2-Omni — сочетание мультимодального восприятия с агентными возможностями: модель поддерживает visual grounding (привязку ответов к конкретным областям изображения или кадрам видео) и многошаговое рассуждение. Встроенный reasoning-режим позволяет модели «думать» перед ответом, что особенно полезно в задачах, требующих анализа сложных визуальных сцен или длинных аудиозаписей. Контекстное окно в 262 144 токена даёт возможность работать с объёмными мультимодальными входными данными без потери связности.

Модель разработана Xiaomi — китайским технологическим холдингом, известным прежде всего потребительской электроникой, однако активно развивающим собственные AI-исследования. MiMo-V2-Omni ориентирована на сценарии, где требуется совместный анализ нескольких типов контента одновременно.

Когда брать эту модель

✓ Анализ видеоконтента с одновременной обработкой аудиодорожки (транскрипция, синхронизация, поиск событий)
✓ Visual grounding: локализация объектов на изображениях и видеокадрах с привязкой к координатам
✓ Агентные пайплайны, где модель последовательно обрабатывает разнородные входные данные и принимает многошаговые решения
✓ Мультимодальный RAG и анализ документов с вложенными изображениями, схемами и голосовыми аннотациями
✓ Прототипирование omni-modal интерфейсов: голосовые ассистенты с пониманием визуального контекста

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Посмотри на это видео с производственной линии и прослушай сопроводящий аудиокомментарий оператора — определи, на каком временном отрезке возникает аномалия, и объясни возможную причину.

Использование Xiaomi: MiMo-V2-Omni через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "xiaomi/mimo-v2-omni",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="xiaomi/mimo-v2-omni",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "xiaomi/mimo-v2-omni",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);