Xiaomi MiMo V2.5 Pro

Mit einem Gesamtscore von 78,7 Prozent ist Xiaomi MiMo V2.5 Pro kein Blender, sondern ein ernstzunehmendes Frontier-Modell mit klar erkennbarem Profil. Der Speed Profile Badge „Batch Tool Expert“ verrät schon den Charakter: kein nervöses Echtzeit-Chatmodell, sondern ein Arbeitsmodell für längere, strukturierte Aufgabenläufe mit Werkzeugbezug. Die vorab vergebene Architektur-Kategorie passt erstaunlich gut: als agentischer Allrounder mit Instruct-Schlagseite, optionaler Denkarchitektur im Hintergrund und deutlicher Code-Kompetenz wirkt MiMo weniger wie ein eloquenter Plauderer als wie ein Planer, der meistens weiß, was er tut. Sovereign Risk: MEDIUM: Xiaomi ist ein chinesisches Unternehmen und unterliegt dem chinesischen Datensicherheitsgesetz (DSG) und dem Nachrichtendienstgesetz (NSG). Die Gewichte sind unter MIT-Lizenz öffentlich verfügbar. Bei Cloud-Nutzung ist staatlicher Zugriff auf übertragene Daten theoretisch möglich. Lokales Deployment mit den öffentlichen Gewichten reduziert das Risiko – NSG ist nur bei Cloud-API-Nutzung direkt relevant.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Einordnung

Xiaomi MiMo V2.5 Pro spielt in einer ambitionierten Klasse. Der primäre Use Case ist Agentic / Orchestration, also Planung, Werkzeugnutzung und Koordination mehrstufiger Aufgaben. Dazu kommt die Einstufung als Frontier-Modell und eine Mixture-of-Experts-Architektur mit 1020 Milliarden Gesamtparametern, aber nur 42 Milliarden aktiven Parametern pro Token. Genau diese Zahl ist entscheidend. MiMo ist nicht deshalb stark, weil auf dem Papier eine Billion Parameter steht, sondern weil die aktiven 42 Milliarden offenbar klug verteilt sind.

Die weitere Kategorisierung als General, Instruct, Thinking-Optional, Multimodal, Agentic-Orchestrator und Coder ist kein Etikettenfriedhof, sondern erklärt das Verhalten im Benchmark ziemlich präzise. Als Instruct-Modell folgt MiMo Anweisungen oft direkt und sauber. Als Thinking-Optional-Modell darf man unterstellen, dass mehrstufiges Schlussfolgern architektonisch angelegt ist, im vorliegenden Lauf aber nicht separat zugeschaltet wurde. Der tatsächliche Testmodus ist n/a, also der Standardmodus des Cloud-Endpunkts ohne sichtbaren Thinking-Toggle. Als multimodales Modell ist zudem wichtig: Dieser Benchmark ist textzentriert. Er misst bei MiMo nur einen Ausschnitt der Fähigkeiten, nicht das volle omnimodale Versprechen für Bild, Video und Audio.

Das Ganze lief als Cloud Open-Weights-Modell via OpenRouter. Die gemessene Geschwindigkeit ist deshalb vor allem ein Befund über den bereitgestellten Cloud-Endpunkt samt Netzpfad, nicht über die Gewichte im luftleeren Raum. Wer die Performance einordnet, muss also Provider und Modell zusammendenken.

Performance-Profil: schnell genug für Batch, nicht gebaut für Hektik

Der Badge „Batch Tool Expert“ ist hier keine Dekoration, sondern eine ziemlich ehrliche Kurzbeschreibung. MiMo arbeitet nicht mit der Leichtfüßigkeit eines Echtzeit-Assistenten, sondern mit dem Temperament eines Systems, das lieber einmal mehr intern sortiert, bevor es losschreibt. Das passt zur Kombination aus Agentic-Orchestrator und Thinking-Optional. Solche Modelle sind oft auch dann nicht spritzig, wenn kein explizites Extended Thinking aktiviert wurde, weil die Architektur auf tiefere Planung ausgelegt ist.

Im Alltag heißt das: Für Dokumentation, Analyse, Code-Review oder längere Transformationsaufgaben ist das Tempo brauchbar. Für eng getaktete Interaktion, schnelle Tool-Ketten oder Benutzeroberflächen mit niedriger Geduldsschwelle ist die hohe Streuung der Antwortzeiten ein echtes Problem. Das Modell kann liefern. Es liefert nur nicht immer dann, wenn man es gerade braucht.

Code Quality und Security: stark, aber nicht forensisch

MiMo gehört klar zu den Modellen, die im technischen Raum ernst genommen werden müssen. Im Code-Quality-Audit erreicht es 79,84 Prozent, und die qualitativen Protokolle zeigen, warum. In einem Security-Audit mit Markdown-Tabelle liefert es eine saubere, gut strukturierte Analyse auf Deutsch, erkennt die großen Baustellen zuverlässig und formuliert brauchbare Fixes. SQL Injection, XSS, Session Fixation, Path Traversal, schwache Token-Generierung, Type Juggling, IDOR, CSRF und mehrere implizite Lücken werden korrekt benannt. Das ist keine Blendgranate, sondern echte Arbeitsleistung.

Die Schwäche liegt nicht in groben Fehldiagnosen, sondern in der Tiefe. Der Judge moniert vier übersehene Schwachstellen gegenüber dem Referenzstandard, darunter hartkodierte Zugangsdaten, ein fehlender Ablaufzeitpunkt für Reset-Tokens und eine Header-Injection-Logik nach bereits erfolgter Ausgabe. Besonders bei subtileren Kettenangriffen bleibt MiMo etwas zu flach. Die Exploit-Kombination aus IDOR, Reset-Mechanik und schwachem Token wird zwar angerissen, aber nicht wirklich seziert. Auch die Analyse des PHP-Type-Juggling bleibt auf der ersten Etage stehen, wo andere Modelle bis in die Gemeinheiten von Magic Hashes und Timing-Angriffen heruntersteigen.

Das ist der entscheidende Punkt: Xiaomi MiMo V2.5 Pro erkennt Sicherheitsprobleme breit und zuverlässig, aber nicht mit der Akribie eines Modells, das jeden Exploitpfad bis zum bitteren Ende ausleuchtet. Für Erstanalysen, Triage und Review-Assistenz ist das stark. Für hochkritische Audits bleibt menschliche Gegenprüfung Pflicht. In Security gilt wie so oft: 80 Prozent Erkennung klingen gut, bis die fehlenden 20 Prozent das Incident-Ticket schreiben.

CLI und agentische Eignung: sehr stark in Struktur, mit Makel bei Tool-Treue

Das CLI-Ergebnis von 89,0 Prozent bestätigt die agentische Einordnung eindrucksvoll. MiMo scheint Aufgaben sauber zu strukturieren, denkt in Schritten und verhält sich in Tool-nahen Kontexten kompetent. Für ein Modell mit Orchestrator-Charakter ist das fast wichtiger als perfekte Einzeiler-Scharfschützenkunst. Es plant überzeugend. Es wirkt selten verloren.

Die schlechte Nachricht kommt dort, wo Planung in blindes Selbstvertrauen kippt. Der ToolUse-Score von 44,17 Prozent ist der eigentliche Warnhinweis dieses Modells. In zwei Tool-Aufgaben halluzinierte MiMo Inhalte, die nicht aus dem abgerufenen Werkzeugergebnis stammten. Das System kappte den Teilscore per Halluzinations-Cap. Für Recherche, Faktenberichte oder jeden agentischen Workflow, in dem Tool-Rückgaben als Wahrheitsschicht dienen sollen, ist das kein Schönheitsfehler, sondern ein rotes Licht. Ein Orchestrator darf delegieren, abstrahieren und verdichten. Er darf nicht Ergebnisse erfinden, die das Werkzeug nie geliefert hat.

Gerade weil MiMo als agentisches Frontier-Modell gedacht ist, wiegt dieser Punkt schwerer als bei einem reinen Chat-Allrounder. Wer es in Tool-Pipelines einsetzt, braucht Validierungsschichten. Tool-Ausgaben sollten maschinell geparst und gegen die verbale Zusammenfassung gegengeprüft werden. Sonst wird aus produktiver Eigenständigkeit sehr schnell gut formulierte Fiktion.

Reasoning und Logik: korrekt, ordentlich, etwas weniger Tiefgang als die Besten

Im Reasoning-Modul landet MiMo bei 74,02 Prozent. Das ist ein gutes, aber kein dominantes Ergebnis. Die qualitativen Auszüge zeigen ein Modell, das logisch sauber arbeitet, formale Anforderungen erfüllt und seine Schlüsse nachvollziehbar aufbaut. Beim klassischen Wächter-Rätsel etwa liefert MiMo die richtige Frage, nutzt die geforderten <thought>-Tags korrekt, prüft beide Fälle explizit durch und erklärt das Prinzip der doppelten Verneinung verständlich. Das ist solide Denkarbeit ohne Showeffekte.

Gerade im Licht der Architektur ist das interessant. MiMo trägt das Tag Thinking-Optional, aber dieser Cloud-Lauf hatte keinen separaten Thinking-Schalter und wurde im Standardmodus des Endpunkts getestet. Dafür ist die gezeigte Qualität respektabel. Man merkt, dass unter der Haube mehrstufiges Schlussfolgern vorgesehen ist. Was man weniger merkt, ist intellektuelle Großzügigkeit. MiMo kommt zum richtigen Ergebnis, erkundet aber seltener die alternative Formulierung, den theoretischen Randfall oder die zusätzliche didaktische Schleife. Es denkt wie ein guter Techniker, nicht wie ein Professor mit Freude an der Fußnote.

Für viele Nutzer ist genau das die richtige Balance. Wer präzise Lösungen will, bekommt sie. Wer in Reasoning-Aufgaben die letzte Schicht Eleganz, Meta-Erklärung und Variantenraum sucht, findet bei anderen Modellen mehr Luxus.

Content Transformation: starkes Handwerk, aber das Wortlimit rutscht weg

Mit 83,22 Prozent im Bereich Content Transformation zeigt MiMo eine der überzeugenderen Seiten seines Profils. Der qualitative Mitschnitt einer deutschen YouTube-Skript-Aufgabe liest sich wie ein Beleg dafür, dass dieses Modell mehr kann als technische Tabellen. Es analysiert Schwächen eines Ausgangsskripts präzise, baut Hook, Timing, Screen-Annotations, Production-Cues, Pattern Interrupts und CTA sauber ein und liefert ein tatsächlich produktionsreifes Ergebnis. Das ist nicht nur formal korrekt, sondern medienpraktisch durchdacht.

Gerade die Mischung aus analytischem Zugriff und Umsetzungstalent fällt positiv auf. MiMo schreibt nicht bloß „nett“. Es versteht, wie ein Tutorial Aufmerksamkeit hält. Das ist für ein Modell mit Coder- und Agentic-Anteilen bemerkenswert, weil solche Systeme im kreativen Umbau oft mechanisch klingen. Hier nicht.

Dann kommt der Haken, und er ist regelbasiert, nicht geschmacklich. In einer Aufgabe dieses Moduls überschritt das Modell die explizite Wortvorgabe von 900 Wörtern deutlich und landete bei 1388 Wörtern, also bei 154 Prozent des Limits. Das System verhängte dafür einen automatischen Abzug von 20 Prozent beziehungsweise 17,60 Punkten auf den erreichten Score. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon. Genau das ist mehr als eine akademische Kleinigkeit. Wer in Redaktions-, CMS- oder Publishing-Workflows mit harten Längenlimits arbeitet, braucht ein Modell, das Grenzen respektiert. MiMo liefert gern viel. Manchmal zu gern.

Dokumentation: eine der stärksten Disziplinen

Im Bereich Documentation Quality erreicht Xiaomi MiMo V2.5 Pro 86,39 Prozent und gehört damit klar zu den besseren Dokumentationsmodellen im Feld. Das passt gut zur Architektur. Agentische Modelle mit Instruct-Fokus glänzen oft dann, wenn sie Material ordnen, gewichten und in nutzbare Strukturen gießen sollen. MiMo scheint genau dort seine Ruhe zu finden. Die Ergebnisse sprechen für ein Modell, das nicht bloß umformuliert, sondern Informationen in einen arbeitsfähigen Zustand bringt.

Hinzu kommt das enorme Kontextfenster von 1024K Tokens. Im Benchmark wird dieses Potenzial naturgemäß nicht ausgereizt, aber es erklärt den Charakter: MiMo ist für lange, vielschichtige Arbeitskontexte gebaut. Dokumentation ist genau die Disziplin, in der so ein Design Sinn ergibt. Das Modell wirkt hier weniger wie ein Chatbot als wie ein Redaktionssystem mit Gedächtnis.

UX Writing und Cultural Intelligence: brauchbar, aber nicht mit letzter Eleganz

Die Werte von 75,87 Prozent im UX Writing und 73,84 Prozent in Cultural Intelligence zeigen eine ordentliche, aber nicht überragende Sprachseite. Das qualitative Material im Cultural-Intelligence-Bereich ist dennoch positiv: MiMo erzeugt inklusive, professionelle deutsche Texte, trifft den Ton und verfehlt im dokumentierten Fall nur ein Detail der inklusiven Formatierung. Sprachbeherrschung und kulturelle Passung liegen jeweils bei 90 von 100 Punkten. Das ist mehr als nur brauchbar.

Trotzdem bleibt der Eindruck, dass Sprache für MiMo Mittel zum Zweck ist, nicht Bühne. Es kann gut schreiben. Es schreibt aber selten mit jener Leichtigkeit, die aus funktionalem UX-Text hervorragenden UX-Text macht. Für Produkttexte, Hilfetexte, Onboarding und stilistisch kontrollierte Kommunikation reicht das oft völlig. Wer feine Markenstimme, Mikrotonalität und sprachliche Präzision auf Spitzenniveau sucht, wird an manchen Stellen ein leicht technisches Timbre bemerken.

API-Kostenprofil

MiMo verhält sich insgesamt token-ökonomisch genug, um keine pauschale Kostenwarnung auszulösen, aber es gibt einen klaren Ausreißer: Im CLI-Benchmark produziert das Modell durchschnittlich 1590 Tokens bei einem Fleet-Median von 283. Das entspricht einem Faktor von 5,62 gegenüber dem Schnitt aller getesteten Modelle. Für einen Cloud-Endpunkt ist das ein echter Kosten- und Latenzbefund.

Auch im Bereich Cultural Intelligence liegt MiMo mit 629 Tokens gegenüber 257 im Median bei dem 2,45-fachen des Flottenschnitts. Das bleibt innerhalb des Benchmark-Budgets, ist also kein Regelverstoß. Es ist aber ein Nutzungsprofil. MiMo spart nicht mit Worten, wenn es Kontexte ausformuliert oder Werkzeugnähe sprachlich absichert. Wer es breit per API in agentischen Pipelines einsetzt, bezahlt diese Ausführlichkeit direkt mit.

Cloud-Open-Weights, Geschwindigkeit und Praxiswert

Noch einmal der wichtige Kontext: Xiaomi MiMo V2.5 Pro wurde hier als Cloud Open-Weights-Modell via OpenRouter bewertet. Die Rechenlast liegt vollständig auf der Cloud-Seite des Anbieters. Die beobachtete Generierungsgeschwindigkeit ist deshalb ein Leistungsprofil dieses Endpunkts und seiner Infrastruktur. Sie ist nicht als abstrakte Eigenschaft der Gewichte allein zu lesen.

Im Ergebnis heißt das: MiMo ist für Batch-Arbeit plausibel, für straffe Interaktion aber nur bedingt angenehm. Der Badge „Batch Tool Expert“ trifft es besser als manche Marketingfolie. Wer lange Dokumente, Analysen oder Tool-gestützte Aufgaben in Warteschlangen abarbeitet, kann mit der Charakteristik leben. Wer eine verlässliche, zackige Gesprächsmaschine sucht, wird über die Ausreißer stolpern.

Datenschutz und Datenhoheit

Die Datenschutzlage ist für europäische Unternehmen heikel, und hier hilft kein semantischer Weichzeichner. Das berechnete Sovereign Risk liegt bei MEDIUM, begründet durch Xiaomis Sitz in Beijing, China und die Unterwerfung unter China (PIPL/CSL/DSL) sowie den im Card-Material ausdrücklich genannten NSG-Rechtsrahmen. Für Nutzer in Deutschland und Europa bedeutet das: Bei Cloud-Nutzung besteht ein Drittlandtransfer-Risiko in eine Jurisdiktion, deren staatliche Zugriffsbefugnisse mit europäischen Souveränitätsanforderungen schwer vereinbar sein können.

Ein GDPR DPA ist laut Vendor Card nicht verfügbar. Für Unternehmen, die sauber DSGVO-konform einkaufen und verarbeiten müssen, ist das kein Randaspekt, sondern ein mögliches Ausschlusskriterium. Der ausgewiesene Datenstandort ist N/A (local/self-hosted), was bei den frei verfügbaren Gewichten verständlich ist, aber über die konkrete Deployment-Infrastruktur dieses Cloud-Laufs nichts Entwarnendes sagt. Die angegebene Datenspeicherung beträgt 0 Tage, was positiv klingt, die grundlegende Jurisdiktionsfrage jedoch nicht aufhebt.

Zusätzlich relevant ist das Weights-Provenienz-Risiko MEDIUM. Die Gewichte sind unter MIT-Lizenz offen verfügbar und kommerziell nutzbar. Das senkt die Hürde für eigene Kontrolle grundsätzlich. Zugleich bleibt die Herkunft aus einem chinesischen Anbieter in Souveränitätsbewertungen relevant, vor allem sobald die Nutzung über Cloud-Endpunkte stattfindet.

Fazit

Xiaomi MiMo V2.5 Pro ist ein Modell mit Charakter und Kanten. Es ist ein starkes Frontier-MoE für agentische Planung, Dokumentation, technische Analyse und strukturierte Content-Transformation. Die Kombination aus 1020 Milliarden Gesamtparametern, 42 Milliarden aktiven Parametern, 1024K Kontextfenster und offener MIT-Lizenz macht es auf dem Papier attraktiv. Im Benchmark bestätigt es diesen Anspruch oft genug, um ernst genommen zu werden. Vor allem Dokumentation, CLI-Nähe und technische Aufgaben liegen ihm.

Aber dieses Modell kommt nicht ohne Warnschild. Die kritische Tail-Latenz und die sporadischen API-Aussetzer schmälern die Praxistauglichkeit in interaktiven Szenarien deutlich. Schwerer wiegt die Halluzinationsanfälligkeit in ToolUse-Aufgaben. Für ein Modell, das agentische Orchestrierung als Kernversprechen trägt, ist das der wunde Punkt. Wer MiMo als Werkzeugführer einsetzt, muss Werkzeugantworten hart validieren. Wer es als Schreib- und Strukturierungsmaschine nutzt, bekommt dagegen viel Kompetenz pro Dollar.

Unterm Strich ist Xiaomi MiMo V2.5 Pro kein Universalheld, aber ein ernstes Arbeitsmodell. Empfehlenswert ist es für Batch-orientierte Wissensarbeit, technische Reviews, Dokumentation und komplexe Transformationsaufgaben mit menschlicher Endkontrolle. Weniger empfehlenswert ist es für zeitkritische Interaktion, vollautomatisierte Recherche-Pipelines und jede Anwendung, in der toolbasierte Faktentreue nicht verhandelbar ist. Es ist ein Modell, das oft klug wirkt und meist auch klug ist. Nur sollte man ihm nicht unbeaufsichtigt die Schlüssel zum Maschinenraum geben.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.