핵심 요약
MiMo-V2.5-Pro는 샤오미의 최신 모델로, 코딩·에이전트 작업·장기 과제 수행 능력을 강화한 공개 베타 모델이다.
특히 긴 작업 흐름을 오래 유지하며, 도구를 수백~수천 번 호출하는 실제 개발형 문제에서 성능 향상을 보였다.
최상위 경쟁 모델을 완전히 앞선 것은 아니지만, 일부 영역에서는 근접하거나 우세했고, 토큰 효율과 비용 대비 성능을 강점으로 내세운다.
무엇이 달라졌나
이 모델의 핵심 변화는 "더 똑똑해졌다"보다 "더 오래, 더 안정적으로 일한다"에 가깝다.
짧은 질문에 답하는 수준이 아니라, 긴 맥락을 유지한 채 복잡한 목표를 단계적으로 추진하는 능력이 강조된다.
예를 들어 단순히 코드를 한 번 생성하는 것이 아니라, 프로젝트 구조를 잡고, 테스트를 보고, 오류를 고치고, 다시 설계를 손보는 식의 장기 작업에서 개선이 있었다는 주장이다.
벤치마크에서 보인 위치
코딩 에이전트 점수는 57.2로, 이전 버전들보다 올랐고 Claude Opus 4.6과 거의 비슷하며 GPT-5.4와도 큰 차이는 아니다.
SWE-Bench Pro는 73.7로 자사 이전 모델보다 좋아졌지만, Claude Opus 4.6보다는 낮다.
MiMo Coding Bench에서는 68.4를 기록해 이전 세대보다 크게 좋아졌고 Claude Opus 4.6은 앞섰지만, GPT-5.4와 Gemini 3.1 Pro와는 경쟁 구도다.
즉, 전 영역 1등이라기보다 여러 실전형 코딩 지표에서 상위권으로 올라온 모델로 보는 것이 정확하다.
장기 작업 능력의 의미
이 모델이 특히 강조하는 부분은 long-horizon coherence, 즉 긴 작업 구간에서도 목표를 잃지 않는 능력이다.
사람으로 치면 시험 한 문제를 잘 푸는 것보다, 며칠짜리 프로젝트를 중간에 방향을 잃지 않고 끝까지 밀어붙이는 능력에 가깝다.
문서에서는 1,000회가 넘는 도구 호출이 필요한 작업도 안정적으로 이어갈 수 있다고 설명한다.
또한 에이전트 환경에서 지시를 더 잘 따르고, 긴 문맥 속의 미묘한 요구사항도 더 잘 지킨다고 주장한다.
실제 사례 1: Rust로 SysY 컴파일러 완성
가장 인상적인 예시는 Rust로 SysY 컴파일러를 처음부터 구현한 사례다.
여기에는 렉서, 파서, AST, IR 생성, RISC-V 백엔드, 성능 최적화까지 포함된다.
보통 대학 전공자가 몇 주 걸릴 수 있는 과제를, 이 모델은 4.3시간과 672회 도구 호출로 끝냈고 숨은 테스트 233개를 모두 통과했다.
중요한 점은 무작정 찍어 맞춘 것이 아니라, 전체 파이프라인을 먼저 세우고 세부 모듈을 순서대로 완성했다는 점이다.
처음 컴파일만으로도 절반이 넘는 테스트를 통과했고, 중간 회귀도 스스로 진단해 복구했다는 설명은 이 모델의 구조적 작업 방식을 보여준다.
실제 사례 2: 데스크톱 비디오 편집기 제작
간단한 프롬프트만으로 멀티트랙 타임라인, 자르기, 크로스페이드, 오디오 믹싱, 내보내기 기능을 갖춘 데스크톱 앱을 만들었다고 소개한다.
결과물은 8,192줄 규모였고, 1,868회 도구 호출과 11.5시간의 자율 작업으로 완성됐다.
이 사례는 "한 번에 좋은 코드 생성"보다 "기능이 많은 앱을 끝까지 조립하는 능력"을 보여주려는 예시다.
실제 사례 3: 아날로그 회로 EDA 최적화
소프트웨어만이 아니라 아날로그 회로 설계 과제에도 적용했다.
FVF-LDO를 TSMC 180nm 공정 조건에서 설계하고, 위상 여유·라인 레귤레이션·로드 레귤레이션·대기 전류·PSRR·과도 응답 등 여러 목표를 동시에 만족시키는 작업이다.
이 모델은 시뮬레이터와 연결된 반복 루프 속에서 파라미터를 조정하며 약 1시간 만에 모든 목표를 맞췄다고 한다.
이는 모델이 단순 답변기가 아니라, 실험-관찰-수정의 루프를 도는 "도구 활용형 문제 해결자"로 설계되고 있음을 보여준다.
토큰 효율이 왜 중요한가
문서는 성능만큼 토큰 효율을 강하게 내세운다.
같은 수준의 문제 해결력을 내더라도 더 적은 입력·출력 토큰으로 끝내면 비용과 지연시간이 줄어든다.
ClawEval 기준으로 약 7만 토큰 수준에서 경쟁 모델 대비 40~60% 적은 토큰 사용량을 주장한다.
쉽게 말해, 비슷한 수준의 일을 더 짧은 대화와 적은 계산으로 처리하려 한다는 뜻이다.
에이전트형 워크플로에서는 한 번의 답변보다 긴 실행 전체 비용이 중요하므로, 이 점은 실무에서 꽤 큰 장점이 될 수 있다.
배포와 사용 방식
MiMo-V2.5-Pro는 API Platform과 AI Studio 등에서 공개 베타로 제공되며, 가격은 바뀌지 않았다.
기존 사용자는 모델 태그만 바꿔 쓰면 된다.
mimo-v2.5-pro또한 Claude Code, OpenCode, Kilo 같은 외부 스캐폴드와의 연동도 적극적으로 권장하고 있다.
즉, 독립형 챗봇보다는 도구와 붙여 쓰는 실전용 모델로 포지셔닝하고 있다.
추가 발표: 토큰 플랜과 오픈소스
추론 인프라도 함께 개선됐고, 토큰 플랜 사용자 중 특정 시점 이전 구매자에게는 사용 크레딧 잔액 초기화 조치가 있다고 안내한다.
또 MiMo-V2.5 시리즈를 곧 공식 공개 및 오픈소스화할 예정이라고 예고했다.
이는 단순 모델 출시를 넘어 생태계 확장까지 염두에 둔 움직임으로 볼 수 있다.
인사이트
MiMo-V2.5-Pro의 진짜 포인트는 최고 점수 몇 개보다, 긴 작업을 끝까지 밀고 가는 에이전트형 안정성에 있다.
그래서 이 모델은 짧은 질의응답보다 코드베이스 수정, 자동화 파이프라인, 시뮬레이션 반복, 대형 프로젝트 생성 같은 작업에서 더 빛날 가능성이 크다.
실제로 활용하려면 "좋은 답변을 받는 법"보다 "좋은 하네스와 도구 루프를 설계하는 법"에 집중하는 것이 더 중요하다.
출처 및 참고 : MiMo-V2.5-Pro | Xiaomi
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.