MiMo V2.5 | EmpirioLabs AI Docs

Xiaomi · Text Generation

POST /v1/chat/completions

Modelo multimodal con comprensión visual y auditiva nativa en un contexto 1M, diseñado para razonar y actuar a través de modalidades en flujos de trabajo agentivos.

A simple vista

Campo	Valor
ID de modelo	`mimo-v2-5`
Fecha de lanzamiento del modelo	2026-04-22
Modalidades de entrada	Texto, Imagen, Vídeo, Audio
Modalidades de salida	Texto
Ventana de contexto	1M
Precisión del peso	-
Tokens de salida máximo	128,000
Características	visión, audio_in
Inferencia nativa	No
Nuevo	Sí
Puntos finales soportados	`POST /v1/chat/completions`, `POST /v1/responses`, `POST /v1/messages`

Precios

Carga	Especificaciones	Tarifa
Entrada	por 1M de fichas de prompt	$0.70
Producción	por cada 1M de tokens generados	$1.40
Lectura implícita de caché	por cada 1M de tokens de entrada en caché	$0.014
Búsqueda web	por llamada	$0.015

Solicitud de ejemplo

$ curl https://api.empiriolabs.ai/v1/chat/completions \
>   -H 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \
>   -H 'Content-Type: application/json' \
>   -d '{"model": "mimo-v2-5", "messages": [{"role":"user","content":"Hello"}]}'

Parámetros

Parámetro	Tipo	Obligatorio	Default	Descripción
`enable_thinking`	Booleano	no	Cierto	Activa el modo de pensamiento extendido. Más lento, pero mejora las tareas que requieren mucho razonamiento.
`tool_web_search`	Booleano	no	falso	Permite que el modelo realice búsquedas en la web cuando sea necesario.
`web_search_force`	Booleano	no	falso	Obliga al modelo a hacer siempre una búsqueda web antes de responder.
`web_search_max_keyword`	Número	no	`3`	Número máximo de palabras clave que el modelo puede usar en búsquedas web. · Rango: 1 – 5
`web_search_limit`	Número	no	`5`	Número máximo de búsquedas web que el modelo puede realizar por solicitud. · Rango: 1 – 10
`video_fps`	Número	no	`2`	Fotogramas por segundo muestreados del vídeo de entrada para análisis. · Rango: 0,1 – 10
`video_resolution`	enum	no	`"default"`	Resolución a la que se muestrea el vídeo de entrada (por ejemplo, 360p, 480p, 720p). · Permitidos: `default`, `max`
`temperature`	Número	no	`0.7`	Temperatura de muestreo. 0 = determinista, 2 = máxima aleatoriedad. · Rango: 0 – 2
`top_p`	Número	no	`0.9`	Masa de probabilidad de muestreo del núcleo. Más bajo = más enfocado. · Rango: 0 – 1
`max_tokens`	Número	no	`4096`	Máximo de tokens en la respuesta. · Rango: 1 – 65536
`stop`	Cuerda	no	-	Hasta 4 cadenas donde el modelo dejará de generar más tokens.
`disable_formatting`	Booleano	no	falso	Sáltate el formato EmpirioLabs Markdown (cita [N] reescritura + bloque de referencias cuando se usó la búsqueda web). Se devuelve la respuesta sin palabras con [N] en bruto.

Notas

Entrada omnimodal (texto, imagen, vídeo, audio) con salida de texto. La búsqueda web ($0.015/call) solo se cobra cuando se invoca. Los tokens de entrada en caché se facturan con un gran descuento.

Facturación por herramienta (usage.tool_usage)

Cuando este modelo invoca herramientas (búsqueda web, intérprete de código, etc.) dentro de una sola petición, la respuesta lleva un mapa de usage.tool_usage normalizado junto con los conteos de tokens. El siguiente ejemplo muestra la forma - los nombres exactos de campos, unidades y qué herramientas aparecen pueden variar ligeramente según el proveedor:

1 "usage": {
2   "prompt_tokens": 123,
3   "completion_tokens": 456,
4   "cost_usd": 0.0042,
5   "tool_usage": {"web_search": 3, "code_interpreter": 1}
6 }

El número de herramientas ya está en cost_usd - se perfilan para transparencia y así puedes auditar la facturación por herramienta. El campo se omite cuando no se invocan herramientas.

Machine-legible esquema: GET https://api.empiriolabs.ai/v1/models/mimo-v2-5.