Xiaomi publie en open source MiMo-V2.5-Pro : approche les performances de Claude Opus 4.6 sur les benchmarks de codage
Xiaomi a publié la famille de modèles open-source MiMo-V2.5, dont la variante Pro offre des benchmarks de codage compétitifs par rapport à Claude Opus 4.6 et GPT-5.4.
Tests concrets
Le V2.5-Pro a réalisé un projet de compilateur de l'Université de Pékin (compilateur SysY en Rust) en 4,3 heures avec un score parfait de 233/233 — supérieur à la plupart des étudiants qui y consacrent des semaines. Sur une consigne vague comme "crée un éditeur vidéo", il a produit de manière autonome une application de bureau de 8 192 lignes avec timeline multi-pistes, découpage de clips, fondus enchaînés, mixage audio et pipeline d'exportation après 11,5 heures et 1 868 appels d'outils. Dans une tâche de conception de circuits analogiques de niveau master (LDO Flipped-Voltage-Follower en TSMC 180nm), il a itéré via la simulation ngspice et amélioré la régulation de ligne de 22× et la régulation de charge de 17× par rapport à sa propre tentative initiale.
Benchmarks vs. 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) — devance Claude et Gemini
- Claw-Eval Pass@3 : 63,8 (vs. 70,4 Claude, 60,3 GPT, 57,8 Gemini, 59,8 DeepSeek) — bat GPT et Gemini
- HLE avec outils : 48,0 (vs. 53,0 Claude, 58,7 GPT, 51,4 Gemini, 48,2 DeepSeek) — à la traîne en raisonnement général
- GDPVal-AA : 1581 (vs. 1606 Claude, 1674 GPT, 1317 Gemini, 1554 DeepSeek) — à la traîne derrière GPT et Claude
Sur Claw-Eval, le graphique d'efficacité des tokens de Xiaomi prétend également que V2.5-Pro (63,8) bat Claude Sonnet 4.6. Le V2.5-Pro prend en charge l'exécution de tâches soutenues sur plus de 1 000 appels d'outils avec auto-correction ; un passage de refactorisation régressive au tour 512 a été détecté et corrigé de manière autonome.
Les poids sont désormais open-source pour téléchargement et auto-hébergement.
📖 Lire la source complète : HN AI Agents
👀 See Also
Le modèle MiniMax M2.7 démontre de solides performances en tant qu'agent d'intelligence artificielle pour le codage.
Un développeur a testé MiniMax M2.7 comme son principal agent d'IA pour le codage et a constaté qu'il surpassait GPT 5.4 et Gemini 3.1 Pro en vitesse et dans les tâches d'outillage, avec des scores de référence de 56,22 % sur SWE-Pro et 57,0 % sur Terminal Bench 2.
Des inquiétudes surgissent quant à la convivialité et à la viabilité économique d'OpenClaw.
OpenClaw a été critiqué pour ses barrières d'entrée élevées, ses coûts prohibitifs, ses problèmes de sécurité et ses capacités de mémoire trompeuses. Des solutions alternatives comme le MemU Bot ont été recommandées.
L'Orchestrateur : Pourquoi l'intention devrait survivre au processus
Les piles d'agents actuelles inversent l'identité et la surface — la couche orchestrée devrait se situer entre les agents et les runtimes, avec des primitives d'identité, de routage, de transfert et des appels inter-pilotes. Exemple pratique : trier un test instable entre Ollama, Gemini CLI et Grok Build sous une seule intention.
Analyse approfondie de la quantification du cache KV de Qwen : PPL, divergence KL et résultats asymétriques K/V
Deuxième série de benchmarks sur Qwen 3.6-35B-A3B avec quantification du cache KV : perplexité, divergence KL, combinaisons K/V asymétriques et profondeur de contexte 64K sur Apple M5 Max.