Xiaomi Lança Código Aberto do MiMo-V2.5-Pro: Próximo ao Claude Opus 4.6 em Benchmarks de Codificação
A Xiaomi lançou a família MiMo-V2.5 de modelos de código aberto, com a variante Pro oferecendo benchmarks de codificação competitivos contra Claude Opus 4.6 e GPT-5.4.
Testes do Mundo Real
O V2.5-Pro concluiu um projeto de compilador da Universidade de Pequim (compilador SysY em Rust) em 4,3 horas com pontuação perfeita de 233/233 — superior à maioria dos alunos que levam semanas. Dado um prompt vago como "construa um editor de vídeo", ele produziu autonomamente um aplicativo de desktop com 8.192 linhas, incluindo linha do tempo com múltiplas faixas, corte de clipes, crossfades, mixagem de áudio e pipeline de exportação após 11,5 horas e 1.868 chamadas de ferramentas. Em uma tarefa de projeto de circuito analógico de nível de pós-graduação (LDO Flipped-Voltage-Follower em TSMC 180nm), ele iterou via simulação ngspice e melhorou a regulação de linha em 22× e a regulação de carga em 17× em relação à sua própria tentativa inicial.
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) — lidera Claude e Gemini
- Claw-Eval Pass@3: 63,8 (vs. 70,4 Claude, 60,3 GPT, 57,8 Gemini, 59,8 DeepSeek) — supera GPT e Gemini
- HLE com ferramentas: 48,0 (vs. 53,0 Claude, 58,7 GPT, 51,4 Gemini, 48,2 DeepSeek) — fica atrás em raciocínio geral
- GDPVal-AA: 1581 (vs. 1606 Claude, 1674 GPT, 1317 Gemini, 1554 DeepSeek) — fica atrás de GPT e Claude
No Claw-Eval, o gráfico de eficiência de tokens da Xiaomi também afirma que o V2.5-Pro (63,8) supera o Claude Sonnet 4.6. O V2.5-Pro suporta execução sustentada de tarefas com mais de 1.000 chamadas de ferramentas e autocorreção; uma passagem de refatoração regressiva no turno 512 foi detectada e corrigida autonomamente.
Os pesos agora são de código aberto para download e auto-hospedagem.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
YC-Bench: Testes de Benchmark Avaliam LLMs como CEOs de Startups, GLM-5 Demonstra Forte Custo-Eficiência
Pesquisadores criaram o YC-Bench, um benchmark onde LLMs atuam como CEOs de startups simuladas ao longo de um ano, gerenciando funcionários, contratos e folha de pagamento. O GLM-5 alcançou US$ 1,21 milhão em fundos finais médios a US$ 7,62 por execução, desempenhando-se dentro de 5% do Claude Opus 4.6, que custou US$ 86 por execução.
Não Existe IA: Philip Wadler Defende a Dignidade dos Dados
Philip Wadler argumenta que modelos de IA como o GPT-4 são apenas combinações estatísticas de trabalho humano, não novas mentes. Ele defende a 'dignidade dos dados' para pagar os criadores quando seu trabalho é usado.
Manifest adiciona GitHub Copilot como quarto provedor de IA para roteamento OpenClaw
O Manifest agora suporta o roteamento de solicitações do OpenClaw por meio de assinaturas do GitHub Copilot, juntando-se à Anthropic, OpenAI e Minimax como provedores disponíveis. Isso permite que os desenvolvedores usem seus planos existentes do Copilot para tarefas de código por meio de modelos construídos para desenvolvimento.
A Lovable oferece acesso gratuito por 24 horas com US$ 350 em créditos de parceiros para o Dia Internacional da Mulher.
A Lovable está oferecendo acesso gratuito à plataforma por 24 horas, além de US$ 100 em tokens da API Claude da Anthropic e US$ 250 em créditos para taxas de processamento da Stripe. A oferta termina em 9 de março às 00h59.