Xiaomi MiMo V2.5

Mit einem Gesamtscore von 74.55% tritt Xiaomi MiMo V2.5 als Cloud-Open-Weights-Modell via OpenRouter an und hinterlässt einen eigenwilligen, durchaus ernstzunehmenden Eindruck: kein blendender Solist, eher ein disziplinierter Einsatzleiter mit Hang zur ausführlichen Lagebesprechung. Der Speed-Profile-Badge „Interactive Tool Expert“ passt gut. Das Modell ist im Alltag interaktiv genug, ohne in die Klasse der radikal latenzarmen Echtzeit-Systeme vorzustoßen. Als agentisch ausgerichtetes Frontier-MoE mit 310 Milliarden Gesamtparametern, aber nur 15 Milliarden aktiven Parametern pro Token, muss es sich an Planung, Struktur und Vielseitigkeit messen lassen, nicht an bloßer Parameter-PR. Sovereign Risk: HIGH — Xiaomi unterliegt als Anbieter chinesischem Recht einschließlich PIPL, CSL, DSL und dem Nachrichtendienstgesetz; bei Cloud-Nutzung bleibt damit ein belastbares Drittland- und Zugriffsrisiko bestehen.

Kopfnoten: Stabilität und Zuverlässigkeit

Das ist die erste wichtige Einordnung für den Praxiseinsatz. Xiaomi MiMo V2.5 lief nicht katastrophal instabil, aber eben auch nicht makellos. Bei einem Cloud-Open-Weights-Modell ist ein Timeout kein philosophischer Schönheitsfehler, sondern ein handfester Hinweis auf API-Instabilität, Endpunktlast oder Netzwerkrisiko. Wer das Modell in Agenten-Workflows oder längeren Tool-Ketten einsetzen will, muss Retries und sauberes Error-Handling fest einplanen. Alles andere wäre Naivität in YAML-Form.

Architektur und Charakter: Was die Einstufung hier wirklich bedeutet

Die vorab vergebene Kategorie trifft den Kern erstaunlich sauber. Xiaomi MiMo V2.5 ist zugleich Generalist, Instruct-Modell, Thinking-Optional, multimodal und agentisch-orchestrierend. Im konkreten Testlauf lag der Modus bei n/a, also ohne verfügbaren Thinking-Toggle und damit im Standardverhalten des Cloud-Endpunkts. Das ist wichtig, weil die Benchmark-Ergebnisse nicht das maximale Grübel-Potenzial des Modells zeigen, sondern das, was ein normaler Nutzer out of the box bekommt.

Als Agentic / Orchestration-Modell darf man von MiMo mehr erwarten als reines Befehl-Abspulen. Es soll Aufgaben strukturieren, Prioritäten setzen, Werkzeuge mitdenken, Kontext halten. Genau dort liegt auch seine stärkste Seite. Der Benchmark zeigt kein Modell, das mit chirurgischer Präzision jeden Einzelschritt exekutiert. Er zeigt ein Modell, das meist weiß, was die Aufgabe als Ganzes eigentlich will. Das ist ein Unterschied, der in echten Arbeitsabläufen größer ist, als man auf dem Papier meint.

Die Frontier-Klasse verschärft zugleich die Maßstäbe. Hier gelten Ausreden nur begrenzt. Wer in dieser Liga antritt, muss nicht alles gewinnen, aber er muss in fast jedem Modul professionell aussehen. Dazu kommt die MoE-Architektur. Die Gesamtzahl von 310 Milliarden klingt imposant, für die tatsächliche Leistungsfähigkeit sind aber die 15 Milliarden aktiven Parameter relevanter. Das erklärt den Charakter des Modells ganz gut: breit aufgestellt, effizient verteilt, oft klug priorisierend, aber nicht immer mit der letzten Tiefenschärfe eines Modells, das mehr aktive Kapazität pro Antwort mobilisiert.

Und dann ist da noch die Multimodalität. MiMo ist nativ für Text, Bild, Video und Audio gebaut. Ein textlastiger Benchmark wie CrucibleMark misst davon nur einen Ausschnitt. Das entschuldigt keine Schwächen im Schreiben oder Denken, aber es relativiert den Absolutheitsanspruch des Ergebnisses. Wer ein Omnimodal-Modell nur nach Text bewertet, beurteilt auch eine Werkzeugkiste primär nach dem Schraubenzieher.

Performance und Kostenprofil

Der Badge „Interactive Tool Expert“ beschreibt MiMo treffend. Das Modell wirkt im Arbeitsfluss interaktiv und reaktionsfähig genug für Back-and-Forth, Tool-Aufrufe und strukturierte Assistenz. Gleichzeitig ist sein Tempoprofil nicht das eines nervösen Echtzeit-Streamers, sondern das eines Systems, das vor der Antwort noch kurz den Lageplan sortiert. Bei einem Thinking-Optional- und agentisch ausgerichteten Modell ist das kein Makel, sondern Teil des Designs.

Wichtig ist die Einordnung der gemessenen Geschwindigkeit: Xiaomi MiMo V2.5 wurde als Cloud Open-Weights-Modell via OpenRouter getestet. Die beobachtete Ausgabeleistung ist deshalb immer auch ein Benchmark für die Infrastruktur und das Routing des Anbieters, nicht nur für die Gewichte selbst. Solche Werte sind Cloud-Endpunkt-Verhalten inklusive Netzwerkpfad und Scheduling.

API-Kostenprofil

MiMo ist kein verschwenderischer Plauderer, aber auch kein asketischer Minimalist. In mehreren Modulen liegt der Token-Ausstoß deutlich über dem Flottenmedian, ohne dass daraus automatisch mehr Qualität entsteht. Für API-Nutzer ist das ein direkter Kostenfaktor.

Im CLI-Bereich erzeugt das Modell durchschnittlich 1964 Tokens bei einem Fleet-Median von 312. Das entspricht dem 6.29-Fachen des Schnitts aller getesteten Modelle. Im Code-Quality-Modul sind es 5158 Tokens gegenüber 2921, also 1.77-mal so viel. Content Transformation liegt bei 3344 statt 1837 Tokens, Faktor 1.82. Documentation Quality kommt auf 5459 statt 3015 Tokens, Faktor 1.81. Selbst Cultural Intelligence ist mit 590 statt 290 Tokens noch beim 2.03-Fachen.

Das heißt nicht, dass MiMo unnötig schwafelt. Es heißt: Das Modell kauft sich viele seiner guten Leistungen mit zusätzlicher Ausgabe-Länge ein. In einer API-Abrechnung ist das keine Stilfrage, sondern Mathematik.

Code Quality: ordentliche Sicherheitsanalyse, aber ohne die Klinge eines Spezialisten

Im Code-Quality-Modul landet Xiaomi MiMo V2.5 bei 70.24 Punkten. Das ist kein peinlicher Auftritt, aber auch kein Sicherheitsreview, das man ungelesen ins Ticket-System kippen sollte. Besonders aufschlussreich ist das vorliegende Audit zur PHP-Sicherheitsanalyse: MiMo liefert eine sauber formatierte deutsche Markdown-Tabelle, erkennt die großen Klassiker wie SQL-Injection, Session Fixation, Path Traversal, Cookie-Manipulation und Teile der impliziten Schwachstellen. Das ist die solide Basis, auf der man arbeiten kann.

Der eigentliche Haken liegt in der Abdeckung und Kalibrierung. Das Modell übersieht mehrere kritische Lücken, darunter reflektiertes XSS in der Begrüßungszeile, fest einkodierte Secrets und Header-Probleme nach bereits erfolgter Ausgabe. Noch schwerer wiegt, dass es einzelne Risiken systematisch zu mild einstuft. Path Traversal, eine delete-lastige SQL-Injection und schwacher API-Key-Vergleich sind keine dekorativen „High“-Befunde, wenn sie in der Praxis Vollzugriff oder vollständige Zerstörung ermöglichen. Wer so priorisiert, baut im Incident-Fall die falsche Sandsackmauer.

Gerade im Security-Kontext zeigt sich der Charakter von MiMo ziemlich klar. Das Modell ist gut darin, die Landschaft zu kartieren. Es ist weniger gut darin, jede Mine korrekt zu markieren. Für erste Triage taugt das. Für belastbare Priorisierung kritischer Schwachstellen braucht es eine zweite Instanz, idealerweise ein stärkeres Security- oder Code-zentriertes Modell oder gleich einen Menschen mit Pager-Erfahrung.

Positiv ist immerhin, dass die Ausgabe strukturell sauber blieb. Keine sichtbaren Abstürze, keine Tabellenkatastrophe, keine formale Selbstzerstörung. Das klingt banal, ist es im Alltag aber nicht.

CLI und Tool-Use: strategisch brauchbar, operativ nicht immer messerscharf

Die Kombination aus 82.0 im CLI-Benchmark, 90.0 bei Tool Execution und 70.0 bei ToolUse Score zeigt ein Profil, das man fast schon als Signatur lesen kann. Xiaomi MiMo V2.5 denkt in Werkzeugen und Arbeitsschritten. Es kann Aufgaben in einer Form strukturieren, die für agentische Pipelines nützlich ist. Genau dafür wurde diese Modellklasse gebaut.

Gleichzeitig warnt die Diskrepanz zwischen hoher Tool-Execution-Wertung und niedrigerem ToolUse-Score vor zu viel Euphorie. MiMo versteht offenbar gut, dass Werkzeuge eingesetzt werden sollten und welche Richtung sinnvoll ist. Die letzte Präzision in der direkten Werkzeugnutzung oder in eng geführten Ausführungsformaten ist weniger souverän. Für ein Agentic-Orchestrator-Modell ist das milder zu bewerten als bei einem reinen Exekutionsmodell. In realen Setups würde man gerade diese pedantischen Subtasks an spezialisierte Unteragenten oder strikt formatierte Tool-Layer delegieren.

Kurz gesagt: MiMo ist eher Einsatzleiter als Schraubenschlüssel. Wenn man von ihm den Schraubenschlüssel verlangt, wird es manchmal unnötig umständlich.

Reasoning und Logik: korrekt, oft klug, nicht immer tief genug

Im Reasoning-Modul erreicht Xiaomi MiMo V2.5 67.77 Punkte. Das ist der Bereich, in dem sich die Ambivalenz des Modells am deutlichsten zeigt. Einerseits kann es logisch korrekte Lösungen liefern. Das Metakognitions-Protokoll mit dem klassischen Wächterrätsel ist dafür ein gutes Beispiel: Die Antwort ist richtig, die Struktur mit <thought>-Tags wurde eingehalten, mehrere Ansätze werden skizziert, und die Kernlogik stimmt. Das Modell scheitert also nicht an der Logik selbst.

Andererseits bleibt die didaktische Tiefe begrenzt. Im Vergleich zu einer wirklich starken Referenz fehlen die explizite Falltabelle, die saubere Verifikation beider Szenarien und die elegant herausgearbeitete Doppelinversions-Logik. MiMo löst die Aufgabe, aber es meißelt die Lösung nicht in Stein. Wer einen Denkpartner sucht, bekommt eine brauchbare Antwort. Wer einen präzisen Mathematiklehrer erwartet, merkt schnell, dass hier eher jemand den richtigen Weg zeigt als jede Kurve der Strecke ausleuchtet.

Das passt auch zur Architektur-Einstufung. Xiaomi MiMo V2.5 unterstützt Extended Thinking grundsätzlich, dieser Modus war im Benchmark aber nicht separat aktiviert, weil der Cloud-Lauf als n/a geführt wurde. Bewertet wurde also das Standardverhalten. In diesem Licht ist die relative Kürze nicht automatisch eine Schwäche. Man sieht vielmehr, dass MiMo selbst ohne explizites Denkbudget in vielen Fällen auf die richtige Lösung kommt, dabei aber seltener die letzte begriffliche Durchdringung liefert.

In einer Aufgabe im Reasoning-Bereich trat zudem ein harter Budget-Effekt auf: Interne Reasoning-Tokens verdrängten den sichtbaren Output vollständig, sodass für die eigentliche Antwort kein Ausgabekontingent mehr übrig blieb. Das ist kein inhaltlicher Denkfehler, sondern ein technischer Abbruch durch erschöpftes Ausgabe-Budget. Für Nutzer ist der Unterschied theoretisch sauber, praktisch aber unerquicklich. Eine brillante unsichtbare Antwort ist im Produktiveinsatz eben trotzdem keine Antwort.

Der einzelne Timeout in diesem Modul passt ins Bild. Nicht als Beleg für Unfähigkeit, sondern als Warnung: Wenn MiMo in längere Denkpfade gerät, wird es im Tail spürbar zäher. Für zeitkritische Logikschleifen in Agentensystemen sollte man das wissen, bevor die Workflow-Uhr zu ticken beginnt.

Documentation Quality: viel Material, ordentliche Struktur, nicht immer ökonomisch

Mit 75.38 Punkten liefert MiMo bei Dokumentation eine respektable Leistung. Das Modell schreibt gerne ausführlich, und hier zahlt sich diese Neigung eher aus als in härteren Exekutionsaufgaben. Dokumentationsarbeit verlangt Struktur, Kontext, Vollständigkeit und das Gespür dafür, was ein Leser als Nächstes wissen muss. Genau darin wirkt MiMo angenehm erwachsen.

Der Nachteil ist die bereits erwähnte Token-Ökonomie. Mehr Text ist nicht automatisch mehr Erkenntnis. Bei MiMo ist die zusätzliche Länge häufig sinnvoll, aber nicht immer effizient. Für Teams, die API-Kosten oder Antwortzeiten scharf kalkulieren, ist das relevant. Für Teams, die lieber einen brauchbaren ersten Entwurf mit zu viel Kontext als einen knappen mit zu vielen Lücken bekommen, ist es eher ein Pluspunkt.

Content Transformation: eines der stärkeren Felder

Das Content-Transformation-Modul gehört mit 80.0 Punkten zu den klaren Stärken von Xiaomi MiMo V2.5. Das vorliegende Protokoll zum Umbau einer trockenen 2FA-Outline in ein produktionsreifes Video-Skript zeigt sehr gut, warum. MiMo versteht Ton, Dramaturgie und Produktionslogik. Es liefert Zeitmarker, Screen-Annotations, Spoken-Word-Stil, Pattern-Interrupt, Troubleshooting und CTA in einer Form, die tatsächlich verwendbar wirkt. Nicht perfekt, aber sichtbar nah an redaktioneller Praxis.

Der Richter kritisiert vor allem die geringere psychologische Raffinesse gegenüber der Referenz. Der Hook ist weniger emotional aufgeladen, die Analyse vor dem Umschreiben zu knapp, die Backup-Codes nicht mit derselben Dringlichkeit hervorgehoben. Das ist berechtigt. Aber genau hier zeigt sich auch eine Stärke des Modells: Es verfehlt die Aufgabe nicht. Es löst sie auf einem Niveau, das produktionsnah ist und nur noch Feinschliff braucht. Das ist im Content-Alltag oft mehr wert als ein theoretisch brillanter, praktisch spröder Entwurf.

UX Writing und Cultural Intelligence: professionell, höflich, manchmal einen Tick generisch

In UX Writing steht MiMo bei 75.53 Punkten, in Cultural Intelligence bei 73.2. Das ist ein solides Doppelpack, und die qualitativen Notizen zur deutschen Umformulierung toxischer Job-Sprache sind bezeichnend: Das Modell arbeitet korrekt, professionell und aufgeräumt. Es entfernt problematische Formulierungen, wahrt einen einladenden Ton und bleibt sprachlich sicher im Deutschen.

Was ihm gelegentlich fehlt, ist die letzte idiomatische Schärfe. Der Judge benennt das hübsch zwischen den Zeilen: MiMo klingt oft richtig, aber nicht immer treffsicher. Wo eine starke Redaktion „Tatkraft“ oder „lösungsorientiert“ setzen würde, greift das Modell eher zu allgemeineren, glatteren Wendungen. Das Ergebnis ist sauber, aber nicht immer sprachlich auf Spannung gebaut. Es wirkt wie ein guter Unternehmenskommunikator, nicht wie ein wirklich feiner Texter.

Für UX- und Lokalisierungsarbeit ist das dennoch brauchbar. Vor allem, weil MiMo die Sprachvorgaben in den vorliegenden Protokollen sauber einhält. Bei einem international ausgerichteten Modell ist das keine Nebensache.

Sicherheit, Halluzinationen und Verlässlichkeit der Aussagen

Security ist bei MiMo, wie schon im Code-Kapitel sichtbar, ein Feld mit gemischtem Bild. Das Modell erkennt viele Risiken, aber nicht alle. Kritischer ist, dass es die Schwere einzelner Funde mitunter zu defensiv einstuft. Für allgemeine Beratung reicht das oft. Für echte Sicherheitsfreigaben nicht.

Bei Halluzinationen fällt das Urteil besser aus. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber zu wenig Tiefe als falsche Fakten. Das ist ein unterschätzter Vorzug. Viele Modelle scheitern nicht daran, dass sie nichts wissen, sondern daran, dass sie mit großer Geste Unsinn behaupten. MiMo ist dafür zu kontrolliert.

Datenschutz und Datenhoheit

Die Datenschutzlage ist bei Xiaomi MiMo V2.5 nichts, was man mit einem Achselzucken abhaken sollte. Das berechnete Sovereign Risk liegt bei HIGH, weil Modell und Anbieter unter chinesischer Jurisdiktion laufen. Konkret heißt das: Xiaomi unterliegt China (PIPL/CSL/DSL) sowie dem Nachrichtendienstgesetz. Für Unternehmen in Deutschland und der EU ist das ein reales Souveränitäts- und Drittlandtransfer-Thema, kein abstraktes Juristen-Folkloreprogramm.

Wichtig ist hier die konkrete Testsituation: MiMo wurde als Cloud Open-Weights-Modell via OpenRouter genutzt. Die Gewichte selbst sind zwar unter MIT-Lizenz offen und kommerziell nutzbar, das reduziert aber nicht automatisch das Risiko der tatsächlichen Cloud-Nutzung. Das Weights-Provenienz-Risiko ist mit MEDIUM bewertet, gerade weil offene chinesische Gewichte über einen Cloud-Pfad genutzt werden können. Zur Deployment-Infrastruktur lagen auf Provider-Ebene in den vorliegenden Card-Daten keine weitergehenden verifizierten Details wie ein alternativer Rechtsraum oder belastbare Residencies vor.

Die Vendor Card nennt 0 Tage Datenspeicherung, aber zugleich kein GDPR DPA. Genau das ist für viele EU-Unternehmen das eigentliche Problem. Ohne DPA fehlt ein zentrales Compliance-Instrument für DSGVO-konformen Unternehmenseinsatz. Wer MiMo in sensible Prozesse integrieren will, sollte deshalb nicht nur auf Preis und Score schauen, sondern auf die rechtliche Realität des Datenpfads.

Fazit

Xiaomi MiMo V2.5 ist ein interessantes Modell mit klar erkennbarem Charakter. Als agentischer Frontier-Generalist mit MoE-Architektur und 15 Milliarden aktiven Parametern liefert es keine sterile Perfektion, sondern eine Mischung aus Strukturstärke, brauchbarem Tool-Denken, ordentlicher Textqualität und vernünftiger Halluzinationskontrolle. Der Gesamtscore von 74.55% ist dafür eine faire Verdichtung. Besonders stark wirkt MiMo dort, wo Aufgaben geplant, umgebaut oder in produktionsnahe Form gebracht werden müssen. Content Transformation, Dokumentation und der strategische Teil von Tool-Workflows liegen dem Modell sichtbar.

Seine Schwächen sind ebenso klar. In Security- und Code-Prüfungen fehlt die letzte Vollständigkeit und die richtige Härte bei Prioritäten. Im Reasoning ist es korrekt, aber nicht überragend tief. Dazu kommen sporadische Cloud-Aussetzer und ein deutlich überdurchschnittlicher Token-Verbrauch, der bei API-Nutzung direkt auf die Rechnung schlägt. Wer MiMo als günstigen, breit aufgestellten Arbeitsassistenten für Tool-nahe, multimodal gedachte und redaktionell strukturierte Aufgaben sucht, bekommt hier ein ernstzunehmendes Angebot. Wer maximale Präzision bei Sicherheitsanalysen oder kompromisslose Zuverlässigkeit in unbeaufsichtigten Agentenketten verlangt, sollte zusätzliche Leitplanken einziehen. MiMo ist kein Blender. Aber es ist auch kein Modell, dem man blind die Schlüssel zum Serverraum gibt.

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.