Xiaomi veröffentlicht MiMo-V2.5-Pro als Open Source: Nähert sich Claude Opus 4.6 bei Programmier-Benchmarks
Xiaomi hat die MiMo-V2.5-Familie von Open-Source-Modellen veröffentlicht, wobei die Pro-Variante in Coding-Benchmarks mit Claude Opus 4.6 und GPT-5.4 konkurriert.
Praxisnahe Tests
V2.5-Pro absolvierte ein Compiler-Projekt der Universität Peking (SysY-Compiler in Rust) in 4,3 Stunden mit einer perfekten Punktzahl von 233/233 – besser als die meisten Studenten, die Wochen dafür benötigen. Auf eine vage Aufforderung wie „baue einen Videoeditor“ hin erstellte das Modell autonom eine 8.192-zeilige Desktop-Anwendung mit Multi-Track-Zeitleiste, Clip-Trimmung, Überblendungen, Audiomischung und Export-Pipeline nach 11,5 Stunden und 1.868 Tool-Aufrufen. Bei einer anspruchsvollen analogtechnischen Schaltungsentwurfsaufgabe (Flipped-Voltage-Follower LDO in TSMC 180nm) iterierte es mittels ngspice-Simulation und verbesserte die Netzregelung um das 22-fache und die Lastregelung um das 17-fache gegenüber seinem eigenen ersten Versuch.
Benchmarks im Vergleich zu Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro, DeepSeek V4 Pro
- SWE-Bench Pro: 57,2 (vs. 57,3 Claude, 57,7 GPT, 54,2 Gemini, 55,4 DeepSeek)
- SWE-Bench Verified: 78,9 (vs. 80,8 Claude, n/a GPT, 76,2 Gemini, 80,6 DeepSeek)
- Terminal-Bench 2.0: 68,4 (vs. 65,4 Claude, 75,1 GPT, 68,5 Gemini, 67,9 DeepSeek) – führt vor Claude und Gemini
- Claw-Eval Pass@3: 63,8 (vs. 70,4 Claude, 60,3 GPT, 57,8 Gemini, 59,8 DeepSeek) – schlägt GPT und Gemini
- HLE mit Tools: 48,0 (vs. 53,0 Claude, 58,7 GPT, 51,4 Gemini, 48,2 DeepSeek) – liegt beim allgemeinen Denken zurück
- GDPVal-AA: 1581 (vs. 1606 Claude, 1674 GPT, 1317 Gemini, 1554 DeepSeek) – liegt hinter GPT und Claude
Bei Claw-Eval behauptet Xiaomis Token-Effizienz-Diagramm außerdem, dass V2.5-Pro (63,8) Claude Sonnet 4.6 schlägt. V2.5-Pro unterstützt die Ausführung längerer Aufgaben mit über 1.000 Tool-Aufrufen und Selbstkorrektur; ein rückschrittlicher Refactoring-Durchlauf bei Schritt 512 wurde autonom erkannt und behoben.
Die Gewichte sind jetzt als Open Source zum Download und zum Selbsthosten verfügbar.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch
Entwicklerperspektiven zu KI-Angst und 'KI-Psychose'
Eine Reddit-Diskussion offenbart weit verbreitete Ängste unter Entwicklern, die KI-Tools nutzen, wobei verschiedene Altersgruppen unterschiedliche Belastungen erfahren: Die 35- bis 45-Jährigen spüren einen ständigen Druck zur Neuerfindung, die 25- bis 35-Jährigen fürchten, dass ihre Fähigkeiten veralten, und Entwickler unter 25 Jahren laufen trotz KI-Kenntnissen Gefahr, auszubrennen.
Merlin Research veröffentlicht das Qwen3.5-4B-Safety-Thinking-Modell für strukturiertes Denken.
Merlin Research hat Qwen3.5-4B-Safety-Thinking veröffentlicht, ein sicherheitsausgerichtetes 4-Milliarden-Parameter-Reasoning-Modell, das auf Qwen3.5 basiert. Das Modell ist für strukturiertes 'Denken' und Sicherheit in realen Szenarien, einschließlich Agentensystemen, konzipiert.
Claude-Code v2.1.80 fügt Überwachung der Ratenbegrenzung, Verbesserungen an Plugins und Speicheroptimierungen hinzu.
Claude-Code v2.1.80 führt ein rate_limits-Feld für Statusleisten-Skripte zur Anzeige der Claude.ai-Nutzung ein, fügt source: 'settings' für den Plugin-Marktplatz hinzu und reduziert den Speicherverbrauch in großen Repositories um ~80 MB. Das Release behebt auch die Wiederherstellung paralleler Tool-Ergebnisse, WebSocket-Fehler und verschiedene UI-Probleme.
Claude-API-Nutzungsdaten zeigen Auswirkungen neuer Limits auf Max-Plan-Nutzer
Ein Claude Max 20x-Benutzer berichtet, dass die API-äquivalente tägliche Nutzung nach der Einführung neuer Limits von ~210 $/Tag auf ~52 $/Tag gesunken ist, was erhebliche Arbeitsablaufänderungen erfordert, einschließlich der Nutzung von Sonnet und Codex.