MiMo-V2.5-Pro

Zeronuru404 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-26T22:50:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：Zeronuru404 构建了 NusaShield AI——一个面向印尼市场的多智能体欺诈检测平台，专门针对 QRIS（印尼快速支付）、钓鱼攻击和发票欺诈三大场景。核心推理引擎使用 mimo-v2.5-pro 长链推理能力，三个高复杂度 Agent（QRIS Scanner 600K tokens/次、Phishing Detector 400K tokens/次、Invoice Fraud Analyzer 700K tokens/次）均绑定 mimo-v2.5-pro 模型，每天处理约 43.9M tokens。系统参考印尼央行(BI)法规、OJK 指令和 BSSN 安全公告进行欺诈模式识别。

公开产物：六智能体协作的端到端欺诈检测系统：QRIS Scanner 检测 QRIS swap 和伪造商户码、Phishing Detector 分析 SMS/WhatsApp/Email 钓鱼链接、Invoice Fraud Analyzer 解析发票 PDF 并交叉验证 NPWP/银行账号、WhatsApp Scam Agent 分类 WhatsApp Business 诈骗、Threat Intel Agent 跨 BI/OJK/BSSN 情报源交叉验证、Report Generator 输出印尼语执行摘要。技术栈包括 Hermes Agent 框架、PostgreSQL、Redis、Docker+Kubernetes。

模型作用：MiMo-V2.5-Pro 是系统的核心推理引擎，承担三个最高复杂度 Agent（QRIS Scanner、Phishing Detector、Invoice Fraud Analyzer）的长链推理任务。每个 Agent 单次运行消耗 400K-700K tokens，需要模型具备跨语言（印尼语）多步推理、法律条文理解和欺诈模式识别能力。MiMo-V2.5-Pro 的 1M 上下文窗口和长链推理能力是选择该模型的关键原因。

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：项目 README 标注 'Development in progress — seeking MiMo API credits for production scale'，尚未进入生产部署阶段。项目为开发中状态，有完整 README 架构设计和 token 消耗模型，但缺少实际生产运行截图或用户反馈。

原始记录：NusaShield AI: 印尼金融科技多智能体欺诈检测系统，以 MiMo-V2.5-Pro 驱动 QRIS/钓鱼/发票欺诈推理

ricoredfinger-png 公开的智能体工作流案例，来源为 公开代码库，复核于 2026-06-26T22:50:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：ricoredfinger-png 构建了 Praxis Forge——一个自主多智能体代码库现代化和技术债务清理系统。系统包含 7 个专业 Agent（Scout 扫描、Auditor AST 分析、Mason 重构、Smith 测试合成、Scribe 文档、Watch CI 门禁、Forge PR 作者），每天消耗 19.8B tokens，通过 4 轮长链推理（4-pass long-chain reasoning）做出每个重构决策。MiMo-V2.5-Pro 作为 Forge Orchestrator 负责全局协调和记忆管理。

公开产物：7 专业 Agent 组成的自主代码维护流水线：Scout Agent 扫描仓库技术债务、Auditor Agent 通过 AST 分析代码异味、Mason Agent 执行重构、Smith Agent 合成测试、Scribe Agent 生成文档和注释、Watch Agent 管理 CI 门禁、Forge Agent 生成 PR。整个系统每天消耗约 19.8B tokens，持续监控代码库并自动提交清洁 PR。支持 Docker 部署，提供 69 场景工具评估，质量评分 97.8/100。

模型作用：MiMo-V2.5-Pro 作为 Forge Orchestrator 承担全局协调和记忆管理职责，是整个 7-Agent 系统的中枢。其长链推理能力用于 4-pass 决策链——先理解遗留代码存在的原因，再制定重构策略，确保不是简单的 find-and-replace。系统标注 'Powered by Xiaomi MiMo V2.5' 作为核心技术依赖。

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：项目 README 标注每日 19.8B tokens 消耗量，但未明确是否已在生产环境实际部署运行。提供 proof bundle 截图和 69 场景工具评估结果，有 Docker 部署支持，但缺少第三方验证或用户反馈。

原始记录：Praxis Forge: 7 智能体自动代码库现代化系统，MiMo-V2.5-Pro 作为核心编排器

ph419 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-26T22:50:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：ph419 开发了 Tackle Harness——一个基于插件的 AI Agent 工作流框架，为 Claude Code 提供任务管理、工作流编排、角色管理等能力。框架支持多 provider 切换，MiMo-V2.5-Pro 是其中的核心执行模型之一。框架通过 provider-resolver 自动探测 mimo 模型并启用纯透传模式（无额度约束），支持多 loop 并行和全局协调。用户通过 `--settings=~/.claude/mimo-v2.5-pro.json` 配置使用 MiMo-V2.5-Pro 执行复杂的多阶段任务（规划→审核→执行→验证→交付）。

公开产物：五阶段端到端任务交付流水线：P0 规划（task-creator / split-wp 拆分工作包）→ P1 人工审核（human-checkpoint）→ P2 执行（agent-dispatcher 调度多个 Agent 并行工作）→ P3 验证 → P4 交付。支持多 loop 并行运行、全局协调器（loop-server 守护进程）聚合多 loop 视图和按 provider 分桶统筹额度池。框架提供经验沉淀机制，每次任务完成后自动提炼经验教训供后续任务参考。

模型作用：MiMo-V2.5-Pro 是 Tackle Harness 的核心执行模型之一。框架的 provider-resolver 自动识别 mimo 模型并启用纯透传模式，支持用户通过 settings JSON 配置 MiMo-V2.5-Pro 的端点和认证。在多 provider 架构中，MiMo-V2.5-Pro 被作为高性价比的长链推理选择，与 GLM、DeepSeek 等并列支持。框架设计充分利用了 MiMo-V2.5-Pro 的 1M 上下文窗口进行复杂任务规划。

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：项目 26 stars，规模较小，但活跃更新（最后更新 2026-06-26）。README 文档详实，有明确的 MiMo-V2.5-Pro 集成文档和配置示例。作为框架工具而非终端应用，更多是展示 MiMo-V2.5-Pro 作为 provider 被集成的生态价值。

原始记录：Tackle Harness: AI Agent 工作流框架将 MiMo-V2.5-Pro 作为核心执行模型用于任务编排与自动交付

NickYoung618 (开发者/研究者) 公开的代码审查与测试案例，来源为 公开代码库，复核于 2026-06-26T22:30:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：开发者 NickYoung618 构建了面向湖湘文化遗产的智能问答平台，采用 LangGraph 状态机编排的多智能体架构，融合 Neo4j 图谱检索、ChromaDB 向量语义检索和 Tavily 网络搜索三路并行检索。MiMo-V2.5-Pro 作为核心 LLM，负责实体抽取、意图识别、图谱查询生成和流式回答生成。

公开产物：完整的全栈项目：Python FastAPI 后端（SSE 流式输出）+ Next.js 16 前端 + Neo4j 图数据库 + ChromaDB 向量库。支持 152+ 种子实体的湖湘文化知识图谱、多智能体角色（协调员/研究员/遗产专家/分析师/讲述者）、ECharts 交互式图谱可视化。已部署并可本地运行。

模型作用：MiMo V2.5 Pro 承担所有 LLM 推理工作：(1) 从用户提问中抽取实体并识别意图，生成精准 Cypher 查询；(2) 融合三路检索结果后进行流式生成回答；(3) 在多智能体角色中作为协调员进行路由分发。其长上下文能力和中文理解能力使其适合处理大规模文化遗产知识。

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：学术/个人项目，尚未公开部署实例。依赖 MiMo API（通过 token-plan-cn 端点）。Neo4j 和 ChromaDB 数据量有限（12 个清洗后百科词条）。

原始记录：湖湘文化遗产数字化交互系统: 基于 MiMo-V2.5-Pro 的 GraphRAG 多智能体知识问答平台

esparpol4-eng (独立开发者/运营者) 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-26T22:30:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：开发者部署了 Hermes 9Router 多层级 AI 路由网关于腾讯云 VPS，将小米 MiMo V2.5 Pro 设为 Tier 1 首选模型，为 Telegram AI Agent（Hermes）及 Claude Code、Cursor 等客户端提供统一的 OpenAI 兼容接口。实现 7 级顺序回退策略，MiMo 挂时自动切换到后续 Tier。

公开产物：连续运行 11+ 天，累计处理 8,774 个请求、1.92 亿 token。日峰值 2,256 请求 / 54.9M token。MiMo V2.5 Pro 占成功请求的 57.3%（728 个成功请求中 417 个），平均端到端延迟 ~1.7 秒。uptime >99%，systemd 自动重启。估算 30 天费用 ~$814（若全用付费模型）。

模型作用：MiMo V2.5 Pro 作为生产环境首选推理模型，处理多语言（印尼语/中文/英语）Telegram 对话、代码编辑、工具调用等任务。其免费额度（100T plan）和低延迟使其成为成本效益最优的 Tier 1 选择。CJK 原生支持确保非英语提示无质量退化。

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：第三方个人部署的生产系统，非小米官方客户案例。数据来自开发者自述的 SQLite 数据库快照，未经独立审计。MiMo API key 为 Token Plan 账户。

原始记录：Hermes 9Router: 腾讯云生产环境 AI 网关以 MiMo V2.5 Pro 为首选 Tier 1 模型