ごめんなさいmimo v2.5 proは本当にダメです
一部の人が小米のモデルは長期タスクを実行でき、数百回のtool callでもエラーが出ないと共有しているが、このテストの方向性を誰が提唱したのか分からない。まるである生徒が試験場で100分間トイレに行かずに耐えられると言うようなもので、意味がない。 私たち普通の人が理解するところでは、一つの受験試験に対して、重要なのは唯一点数だけであり、もう少し緩く言えば、点数が評価体系の重みの95%以上を占め、一般的にまず点数を見てからその他の表現を見、点数が低ければ他を見る必要がない。 mimoは確かに一つのタスクを完了することはできるが、問題は正しくできないことだ。 以下はmimo2.5proに対する主観的かつ非定量的な共有であり、業界のベンチマークであるGPT5シリーズとopusシリーズとのみ比較する。 指示遵守が弱く、リコール（検索・抽出）も弱いため、これを前提に1Mコンテキストがあっても、リコールが低ければ大きなコンテキストの意味は限定的である。私がagentでATDD開発フローの使用を明示しても、mimoは私のためにcase文書やテストケースを生成しなかった。 意図理解が弱いため、タスクが初期段階でずれを生じる可能性がある。GPT5やopusはいずれもセッション開始時に多くの情報を収集し、セッション起動・情報収集段階は速度が遅く、その後は速い。この遅さがもたらすメリットは意図理解のずれが少ないことであり、デメリットはトークン消費が明らかに大きいことだ。mimo2.5proはセッション起動段階での情報収集意欲が欠けており、そのためこのモデルは超小规模のプログラミングタスクしか実行できないと私は考える。1Mコンテキストがあってもである。 モデルが環境情報を収集する意欲が低いため、mimoモデルはwindows上のツールのサポートが非常に悪く、デフォルトで出すコマンドはすべてlinuxコマンドである。しかし必要がない限り私はデフォルトでwindows dev drive上で開発しており、GPT5/opusは言うまでもなく、ベンチマークモデルにこの問題はない。glm5.1やDeepSeekv4flash/proも正常に動作している。 常識の欠如があり、明らかに常識に合わない誤りを識別できず、それでも突っ走って続けてしまう。最終的に多くのトークンを消費してでたらめな方案と修正を出すのは、モデルのコンテキスト構築意欲を強化する方がまだましである。 最後にまとめると、mimo v2.5 proは作業意欲は強いが、探索意欲は薄く、記憶が悪く、常識が悪く、論理が悪く、windowsサポートが悪く、取り立てて良い点のないモデルである。雷社長からいただいたtoken planには感謝しているが、残念ながらGPT5と比べると勤勉な小学生と博士の差のようであり、一部の人が言うような80%の能力があるというのは全く当てはまらない。 私の主観的体験はすべてプログラミングタスクであり、約10回のリクエストで、329元のproプランの6%を消費した。大まかに計算すると、329元プランは私の使用シナリオではリクエストを200回しか送れない。簡単な単一ページの修正が一つ受け入れられた以外は、他の実装はすべて差し戻した。もしかするとこれは文章を書くのに向いたモデルなのだろうか？いずれにせよ、コードを書くのには向いていない。
