Actualización de MiMo-VL-7B con mejores resultados en comprensión de imagen y vídeo y control para activar o desactivar el razonamiento.
Según Xiaomi, su versión RL alcanza 70,6 en MMMU y 70,8 en VideoMME, por encima de la versión original.
Pesos abiertos en Hugging Face con licencia MIT, en variantes SFT y RL.
