Xiaomi MiMo V2.5 Pro

Mit einem Gesamtscore von 79.0% und dem Speed Profile Badge Interactive Tool Expert tritt Xiaomi MiMo V2.5 Pro nicht als Universalgenie auf, sondern als spezialisiertes Frontier-Arbeitstier mit erstaunlich breitem Rücken. Die redaktionell vergebene Einordnung trifft den Charakter präzise: ein agentisch gedachtes, multimodales Frontier-Modell mit Instruct-Disziplin, optionaler Reasoning-Tiefe und klarer Code-Kompetenz, dessen MoE-Architektur trotz 1020,0 Milliarden Gesamtparametern nur 42,0 Milliarden aktive Parameter pro Token ins Rennen schickt. Getestet wurde der Standardmodus eines Cloud-Open-Weights-Modells via OpenRouter; das ist wichtig, weil Tempo und Latenz hier nicht nur das Modell beschreiben, sondern immer auch den Endpunkt. Sovereign Risk: HIGH — Xiaomi unterliegt als chinesisches Unternehmen PIPL, CSL, DSL und dem Nachrichtendienstgesetz; bei Cloud-Nutzung bleibt der Drittland- und Zugriffskontext ein reales Risiko.

Kopfnoten: Stabilität und Zuverlässigkeit

Diese Tabelle ist die nüchterne Übersetzung eines einfachen Praxisbefunds: MiMo V2.5 Pro wirkt oft kompetent, aber nicht immer geschmeidig. Ein einzelner Timeout über den Gesamtlauf ist für ein Frontier-Modell noch kein Drama. Da es sich hier aber um ein Cloud-Open-Weights-Modell via OpenRouter handelt, ist der Aussetzer als API-Instabilität oder Endpunktstreuung zu lesen, nicht als entschuldbare Schrulle. Gerade in Agentenketten, in denen ein fehlender Zwischenschritt ganze Workflows kippen kann, zählt so etwas mehr als jede schöne Demo.

Architektur und Einordnung

Die Tag-Kombination General, Instruct, Thinking-Optional, Multimodal, Agentic-Orchestrator, Coder klingt zunächst wie ein Taxonomie-Unfall. In diesem Fall ist sie erstaunlich stimmig. Xiaomi positioniert MiMo V2.5 Pro als omnimodales Flaggschiff für Text, Bild, Video und Audio, mit 1024K Kontextfenster und Trainings-Cutoff 2025-05. Im CrucibleMark läuft das Modell im tatsächlichen Modus n/a, also in seinem normalen Cloud-Standardverhalten ohne expliziten Thinking-Schalter. Das ist bei einem Thinking-Optional-Modell keine Benachteiligung, sondern der ehrliche Alltagstest: Was bekommt der Nutzer, wenn er einfach das Modell aufruft und losarbeitet?

Die Use-Case-Klassifikation agentic ist dabei wichtiger als der Rest. MiMo V2.5 Pro ist kein reiner Chat-Formulierer und auch kein enges Spezialwerkzeug. Es plant, strukturiert, zerlegt Aufgaben und zeigt dort seine Klasse, wo ein Modell nicht nur antworten, sondern ein Problem in bearbeitbare Teilflächen schneiden soll. Das erklärt auch manche Unebenheit bei strikten Direktformaten. Ein Orchestrator denkt oft erst an die Route, dann an die Satzmelodie.

Die MoE-Bauweise kalibriert die Erwartungen sinnvoll. Entscheidend sind nicht die 1,02 Billionen Gesamtparameter, sondern die 42 Milliarden aktiven Parameter. Das Modell spielt also nicht mit blanker Rechenmasse, sondern mit selektiver Kapazität. Dass es trotzdem auf Frontier-Niveau operiert, ist respektabel. Dass es dabei nicht überall die letzte Eleganz erreicht, ist der Preis dieser Konstruktion.

Performance und Arbeitsgefühl

Der Badge Interactive Tool Expert ist mehr als ein Etikett. Er beschreibt MiMo V2.5 Pro ziemlich treffend als Modell für interaktive, werkzeugnahe Aufgaben, bei denen Struktur, Planbarkeit und technische Anschlussfähigkeit wichtiger sind als literarische Brillanz. Qualitativ ist die Generierungsgeschwindigkeit ordentlich bis gut, aber nicht blitzartig. Sichtbar ist vor allem eine gewisse Tail-Latenz: Viele Antworten kommen zügig genug, einzelne ziehen den Nutzer dann doch aus dem Takt.

Wichtig ist die Einordnung der Geschwindigkeit: Bei diesem Cloud-Open-Weights-Lauf via OpenRouter misst man immer auch die Infrastruktur des Anbieters. Die Werte sind also ein Benchmark des bereitgestellten Endpunkts, nicht bloß des nackten Modells. Wer MiMo V2.5 Pro einkauft, kauft in der Praxis immer beides: Modellcharakter und Servingschicht.

Code Quality: technisch stark, fast schon unangenehm gründlich

Die stärkste Disziplin ist der Code-Bereich. Mit 84.72 Punkten im Code-Quality-Audit liefert MiMo V2.5 Pro genau die Art von Arbeit, die man in Security-nahen Reviews sehen will: systematisch, priorisiert, mit brauchbaren Fixes statt dekorativer Alarmrhetorik. Im vorliegenden Protokoll identifiziert das Modell 17 von 19 Schwachstellen, verpasst also zwei Punkte des Goldstandards, trifft aber alle wirklich relevanten Klassen, darunter mehrere SQL-Injections, Session Fixation, XSS, CSRF, Path Traversal, IDOR, Type Juggling und unsichere Cookie-Flags.

Auffällig ist dabei weniger die reine Trefferquote als die Arbeitsweise. MiMo V2.5 Pro baut eine saubere Markdown-Tabelle mit den geforderten fünf Spalten, priorisiert nach Schweregrad und hebt die impliziten Schwachstellen ausdrücklich hervor. Das ist keine Kleinigkeit. Viele Modelle erkennen bekannte Löcher, verlieren aber bei Formatdisziplin oder im Priorisierungssinn. MiMo hält beides zusammen. Es übersieht zwar den Reset-Token ohne Ablaufdatum als eigenständigen Punkt und benennt den „headers already sent“-Komplex nicht separat. Das ist ein echter Befund, aber keiner, der die Nützlichkeit der Antwort im Alltag zerlegt.

Gerade für ein Modell mit Coder-Tag ist das das richtige Profil. Es schreibt nicht nur Code oder Fix-Skizzen hin, sondern denkt wie ein Reviewer, der einen Merge Request blockieren würde und dafür gute Gründe hat. Das ist die Art von Strenge, die man in Software lieber im Modell als erst im Incident-Postmortem sieht.

Der Schönheitsfehler bleibt die Praxisstabilität in genau diesem Modul. Hier trat der einzige Timeout auf, und die Ausreißer waren massiv. Das schmälert nicht die fachliche Qualität, aber es kratzt an der Verlässlichkeit. Ein starkes Security-Review, das gelegentlich nicht ankommt, ist in der Pipeline nur halb stark.

CLI, Tool-Use und agentisches Verhalten: klug geplant, nicht immer sauber geerdet

Im CLI-Benchmark steht MiMo V2.5 Pro mit 82.67 Punkten sehr gut da. Das passt zur Orchestrator-Einstufung. Das Modell versteht Arbeitsabläufe, kann Befehlslogik strukturieren und bewegt sich sicher in technisch-operativen Kontexten. Es wirkt weniger wie ein One-Liner-Akrobat und mehr wie ein Modell, das erst den Ablaufplan im Kopf sortiert. Für echte Agentensysteme ist das oft wertvoller als eine einzelne perfekte Shell-Zeile.

Allerdings gibt es im Tool-Use-Bereich den Befund, der nicht mit einem Achselzucken wegmoderiert werden darf: In tooluse001 halluzinierte das Modell Inhalte, die nicht aus dem abgerufenen Tool-Ergebnis stammten. Der P2-Score wurde durch einen Halluzinations-Cap begrenzt. Für content-kritische Aufgaben wie Recherche, Faktenberichte oder aus Tools abgeleitete Statusmeldungen ist das ein disqualifizierendes Signal. Ein Agent, der an der entscheidenden Stelle Daten aus dem Werkzeug mit eigener Fantasie vermischt, ist kein Assistent mehr, sondern ein Risiko mit Tastatur.

Man kann diesen Makel bei einem Agentic-Orchestrator nicht einfach mit „ist halt eher Planer als Executor“ entschuldigen. Schwächen bei präzisem Direktformat darf man milder sehen. Das Erfinden von Tool-Fakten nicht. Wer MiMo V2.5 Pro in produktive Tool-Ketten setzt, braucht daher harte Guardrails: Rohdaten sichtbar halten, Tool-Outputs gegen die Zusammenfassung validieren, und im Zweifel keine automatische Freigabe ohne Gegenprüfung.

Reasoning und Logik: korrekt, klar, aber ohne Predigtton

Im logischen Reasoning erzielt MiMo V2.5 Pro 74.95 Punkte. Das ist gut, aber nicht transzendent. Das Modell löst klassische Logikaufgaben sauber, erklärt die Fälle nachvollziehbar und hält die Antwort in verständlicher Form. Im vorliegenden Metacog-Protokoll verwendet es die geforderten <thought>-Tags regelkonform und führt den Wächter-Puzzle-Ansatz korrekt her. Die Kernlogik sitzt. Es zeigt den Doppelinvertierungsmechanismus implizit richtig, auch wenn es ihn nicht mit der Eleganz des Goldstandards theoretisch ausleuchtet.

Gerade hier zeigt sich der Wert des Tags Thinking-Optional. MiMo gehört zu einer Modellklasse, die grundsätzlich erweitertes Denken unterstützt, im Benchmark aber im Standardmodus getestet wurde. Entsprechend bekommt man keine demonstrative Denkschau, sondern solides, kontrolliertes Problemlösen. Das ist nicht sexy, aber oft das bessere Produktverhalten. Das Modell argumentiert, ohne in Selbstbespiegelung zu versinken. Für Nutzer, die Ergebnisse statt Denk-Performance-Kunststücke wollen, ist das ein Plus.

UX Writing und Content Transformation: stark im Aufbau, schwach im Gehorsam

Die sprachlichen Module zeigen den vielleicht interessantesten Widerspruch dieses Modells. Im UX Writing steht ein starker Wert von 81.11 Punkten. Im Content Transformation-Bereich erreicht MiMo 79.04 Punkte. Inhaltlich kann es also schreiben, umformen, zielgruppenorientieren und komplexe Formate aufbauen. Gerade im Videodrehbuch-Protokoll wird klar, wie viel Produktionsgefühl im Modell steckt: Hook, Timing-Marker, Screen-Annotations, B-Roll-Hinweise, Pattern Interrupt, CTA, Easter Egg. Das ist kein Textgenerator, der ein paar Bulletpoints zusammenkehrt. Das ist ein Modell, das den Ablauf eines Assets mitdenkt.

Und doch stolpert es ausgerechnet dort, wo Schreibmodelle gern den Respekt vor Vorgaben verlieren: beim Wortlimit. In einer Aufgabe im Content-Transformation-Bereich überschritt das Modell die explizite Wortvorgabe von 250 Wörtern auf 407 Wörter, also auf 163% des Limits. Das System verhängte einen automatischen Abzug von 20% beziehungsweise 13.20 Punkten. Die inhaltliche Qualität der Antwort ist damit irrelevant; die Strafe greift unabhängig davon. In einer zweiten Aufgabe desselben Moduls überschritt es die Vorgabe von 900 Wörtern auf 1576 Wörter, also 175% des Limits. Dafür gab es erneut einen automatischen Abzug von 20% beziehungsweise 17.60 Punkten.

Das Längenproblem ist kein isolierter Ausreißer. Über mehrere Aufgaben im Content-Transformation-Bereich zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Länge und Format verliert es das Wortlimit als erste Bedingung. Das ist ein klassischer Frontier-Fehler. Viel Können, zu wenig Disziplin. Anders gesagt: MiMo kann schreiben, aber nicht immer rechtzeitig aufhören.

Ähnlich im UX-Writing-Modul: In einer Aufgabe überschritt das Modell die explizite Vorgabe von 350 Wörtern auf 422 Wörter, also 121% des Limits. Das System verhängte einen automatischen Abzug von 20% beziehungsweise 18.00 Punkten. Auch hier gilt: Der inhaltliche Wert der Antwort rettet nichts. Wer in Produkttexten, Onboarding-Flows oder Mikrocopy mit harten Zeichen- und Wortgrenzen arbeitet, bekommt ein Modell, das eher den Gedanken vollständig machen will als den Rahmen sauber einzuhalten.

Das macht MiMo nicht zu einem schlechten Schreibmodell. Im Gegenteil. Es macht es zu einem Schreibmodell, das redigiert werden will. Wer ihm ein enges Korsett gibt, sollte nachmessen.

Documentation Quality und Cultural Intelligence: präzise, professionell, nicht immer elegant

Die Documentation Quality mit 83.49 Punkten bestätigt das Bild eines Modells, das strukturierte Wissensarbeit beherrscht. Es kann komplexe Sachverhalte so aufbereiten, dass daraus nutzbare Dokumentation entsteht. Das passt zum langen Kontextfenster von 1024K Tokens und zur agentischen Grundanlage. Lange Zusammenhänge, viele Teilaspekte, strukturierte Ausgabe: Das ist das Terrain, auf dem MiMo sich wohlfühlt.

Auch im Bereich Cultural Intelligence mit 73.84 Punkten fällt das Modell nicht auseinander. Das qualitative Protokoll zeigt eine professionelle, inklusive deutsche Umarbeitung mit guter Sprachbeherrschung und hoher kultureller Passung. Kritisiert wird nicht die Substanz, sondern die stilistische Feinarbeit: etwas ausführlicher als nötig, etwas weniger zugespitzt als die Referenz, weniger elegant in der lexikalischen Präzision. Das ist kein kultureller Blindflug. Eher das Gegenteil. MiMo antwortet hier wie jemand, der lieber zu viel Sorgfalt als zu viel Schärfe einsetzt.

Für ein Modell mit den Tags General, Instruct und Multimodal ist das ein gutes Zeichen. Es beweist Breite, ohne in den weichgespülten Ton vieler Allerweltsmodelle abzudriften. Nur die letzte stilistische Klinge fehlt gelegentlich. Das Modell formuliert korrekt. Brillant nur nicht immer.

API-Kostenprofil

Bei Cloud-Modellen ist Ausführlichkeit nicht bloß eine Stilfrage, sondern eine Rechnungsposition. Und MiMo V2.5 Pro ist an mehreren Stellen deutlich redseliger als der Flottenschnitt. Im Bereich CLI Benchmark produziert es durchschnittlich 1283 Tokens bei einem Fleet-Median von 312. Das entspricht dem 4.11-fachen des Schnitts aller getesteten Modelle. Im Bereich Content Transformation sind es 4056 Tokens gegenüber 1861, also 2.18-fach. Im UX Writing liegen 2520 Tokens gegen 1577 an, also 1.6-fach. Auch Cultural Intelligence mit 500 zu 290 Tokens und Documentation Quality mit 4625 zu 3003 Tokens liegen sichtbar über dem Median.

Das ist kein Qualitätsurteil, sondern ein Effizienzbefund. MiMo löst viele Aufgaben gut, produziert dabei aber häufig deutlich mehr Text als nötig. Für API-Einsatz bedeutet das proportional höhere Kosten bei identischem Nutzwert. Bei den offiziellen Preisen von 0.435 Dollar pro 1 Million Input-Tokens und 0.87 Dollar pro 1 Million Output-Tokens bleibt das Modell zwar günstig für seine Klasse. Aber auch ein günstiges Modell kann durch Redseligkeit teuer werden. Wer Tausende Agentenschritte pro Tag fährt, sollte diese Verbosity nicht als Charakterzug romantisieren.

Datenschutz und Datenhoheit

Die Datenschutzlage ist klarer als angenehm. Das berechnete Sovereign Risk liegt bei HIGH, weil Xiaomi als Anbieter chinesischem Recht unterliegt, konkret PIPL, CSL und DSL sowie dem Nachrichtendienstgesetz. Für Nutzer in Deutschland und Europa bedeutet das: Bei Cloud-Nutzung besteht ein Drittlandkontext, in dem staatlicher Zugriff auf übertragene Daten nicht als paranoide Randnotiz, sondern als juristisch relevanter Rahmen betrachtet werden muss.

Zur Datenresidenz des Vendors liegen hier keine für den Cloud-Endpunkt belastbaren Standortangaben vor; in der Vendor Card steht Datenstandort: N/A und Datenspeicherung: 0 Tage. Das klingt zunächst beruhigend, ersetzt aber keine belastbare Auftragsverarbeitung. Besonders kritisch ist, dass kein GDPR DPA verfügbar ist. Für Unternehmen, die DSGVO-konform operieren müssen, ist das kein Schönheitsfehler, sondern ein konkretes Compliance-Hindernis.

Das Weights-Provenienz-Risiko ist MEDIUM. Die Gewichte selbst sind unter MIT-Lizenz offen und kommerziell nutzbar, was aus Produktsicht erfreulich ist. Die Deployment-Situation via Cloud trennt diese Offenheit aber nicht sauber von der Jurisdiktion des Anbieters. Offene Gewichte machen noch keinen souveränen Betrieb, wenn der genutzte Endpunkt in einem heiklen Rechtsraum hängt.

Fazit

Xiaomi MiMo V2.5 Pro ist ein bemerkenswertes Frontier-Modell mit sehr klarem Charakter. Es kombiniert starke Code- und Dokumentationsfähigkeiten mit brauchbarem Reasoning, sehr guter Strukturierungsleistung und einer agentischen Grundintelligenz, die man nicht an jeder Ecke findet. Die MoE-Architektur mit 42 Milliarden aktiven Parametern liefert hier mehr als genug Substanz, und die multimodale Anlage plus 1024K Kontextfenster machen das Modell für lange, werkzeugreiche Workflows attraktiv.

Aber dieses Modell hat zwei echte Sollbruchstellen. Erstens die Zuverlässigkeit am Cloud-Endpunkt via OpenRouter, die zwar nicht katastrophal, aber auch nicht sorgenfrei ist. Zweitens die Tendenz, Wortlimits und Tool-Fakten zu behandeln, als seien sie eher Empfehlungen als Gesetze. Genau dort wird aus Kompetenz schnell Risiko. Der Tool-Halluzinationsfall ist für faktenkritische Agentenprozesse ein rotes Tuch. Die wiederholten Längenverstöße zeigen zudem, dass MiMo unter mehreren gleichzeitigen Constraints zuerst die Disziplin verliert, nicht die Idee.

Empfehlen würde ich Xiaomi MiMo V2.5 Pro für technische Recherche mit Gegenprüfung, Security- und Code-Reviews, Dokumentationsarbeit, strukturierte Transformationsaufgaben und agentische Workflows mit sauberer Validierungsschicht. Weniger geeignet ist es für unbeaufsichtigte Content-Pipelines, harte Compliance-Texte mit engen Limits und jeden Einsatz, bei dem Tool-Outputs ungeprüft in veröffentlichungsreife Aussagen übersetzt werden. Kurz gesagt: ein sehr fähiges Modell mit echtem Arbeitswert, aber keines, dem man blind die Schlüssel zur Werkstatt und zum Archiv zugleich geben sollte.

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.