MiMo-V2-Omni è un modello omnimodale all’avanguardia che elabora nativamente input di immagini, video e audio all’interno di un’architettura unificata. Combina una forte percezione multimodale con capacità agentive di radicamento visivo, pianificazione a più fasi, utilizzo di strumenti ed esecuzione di codice, rendendolo particolarmente adatto a compiti complessi del mondo reale che abbracciano diverse modalità. Finestra di contesto da 256K