小米 MiMo 2

• 1. 概要 （共 199 字）

  小米 MiMo-V2 是小米集團自研、面向智慧體（Agent）時代的開源大模型家族，2025 年末以 MiMo-V2-Flash 起步，2026 年快速迭代出 V2-Pro、V2-Omni、V2-TTS，並在 4 月推出原生全模態的 V2.5 系列。它的核心賣點很直接：把頂尖的程式設計與 Agent 能力做到開源可商用、且 API 價格只有閉源旗艦的幾分之一。在「小米從硬體公司轉向 AI 公司」的敘事裡，MiMo 是最關鍵的一塊拼圖。

• 2. 產品背景 （共 433 字）

  MiMo 由小米核心技術團隊（Core Team）研發，負責人是被稱為「AI 才女」的羅福莉。她早年在阿里達摩院主導多語言預訓練模型 VECO，後加入 DeepSeek 參與 DeepSeek-V2 等模型研發，2025 年 12 月隨小米「人車家全生態」合作伙伴大會首次公開亮相。團隊平均年齡僅 25 歲，清華、北大背景成員佔比超過六成。   釋出節奏上，MiMo-V2-Flash 於 2025 年 12 月 17 日開源；2026 年 3 月 19 日春季釋出會上，小米一口氣推出 V2-Pro、V2-Omni、V2-TTS 三款模型；4 月 23 日 V2.5 系列開源；6 月 2 日再補上 V2.5-ASR 語音識別。雷軍多次表態「壓強式投入」，稱 2026 年 AI 研發與資本開支將超過 160 億元，未來三年計劃投入超 600 億元。   一個有意思的插曲：V2-Pro 在正式釋出前以「Hunter Alpha」的匿名代號登陸 OpenRouter，七天累計呼叫量突破 1 萬億 Token，連續多日登頂榜單，一度被外界誤認為是 DeepSeek V4 的早期版本。

• 3. 產品功能與使用體驗 （共 802 字）

  整個家族按場景拆分。MiMo-V2-Flash 是開源高效推理模型，採用混合專家架構（MoE），總引數 3090 億、啟用僅 150 億，推理速度達 150 token/秒，原生支援 256K 上下文，在 SWE-Bench Verified 上取得 73.4%，超過當時所有開源模型。它的秘密在於混合滑動視窗注意力（Hybrid SWA）加全域性注意力，把 KV 快取儲存壓低近 6 倍；再配合多 Token 預測（MTP）做自推測解碼，實現最高 2.6 倍加速。   MiMo-V2-Pro 是面向高強度 Agent 任務的旗艦文字基座，總引數突破 1 萬億、啟用 420 億，支援 100 萬 Token 上下文。官方定義它「不是為聊天設計，而是做 Agent 系統的大腦」，專攻複雜工作流編排、生產級程式設計與工具呼叫。V2-Omni 則是全模態基座，原生融合文字、視覺與音訊，支援 256K 上下文，在 ClawBench 綜合排名躋身全球前十，音訊理解超越 Gemini 3 Pro、影象理解超越 Claude Opus 4.6。   2026 年 4 月的 V2.5 系列把全模態推到新高度：V2.5 原生理解文字、影象、影片、音訊，跨模態推理，310B 總參/15B 啟用，支援 100 萬 Token 上下文，以 MIT 許可完全開源；V2.5-Pro 則進一步把程式設計 Agent 能力拉滿。訓練上普遍採用 FP8 混合精度、MOPD 多教師線上策略蒸餾，V2.5 在 48T Token 上完成預訓練。   在真實體驗上，開發者反饋 V2-Pro 的程式設計體感已接近 Claude Opus 4.6，中文語境、多輪對話與複雜推理表現突出；Token 效率也很亮眼——跑完整個人類智力指數測試只用了 7700 萬輸出 Token，而 GLM-5 要 1.09 億、Kimi K2.5 要 8900 萬，幻覺率也從 Flash 的 48% 降到 30%。小米還順勢推出 MiMo Claw「養蝦」免費體驗（每次 30 分鐘、退出即銷燬資料），以及可操作手機系統的 miclaw 智慧體，直接驗證端到端執行能力。

• 4. 定價與商業模式 （共 380 字）

  MiMo 的商業模式是「開源權重 + 低價 API」雙輪。V2-Flash 等以 MIT 許可開源，允許免費商用、二次訓練與微調，自託管零 Token 成本。API 側，V2-Pro 在 256K 上下文內輸入每百萬 Token 1 美元、輸出 3 美元；1M 上下文範圍為輸入 2 美元、輸出 6 美元。V2-Omni 更便宜，輸入 0.4 美元、輸出 2 美元。社群站點顯示，2026 年 5 月起 V2.5-Pro 也降到 1/3 美元檔，比 GPT-5.5、Claude Opus 4.5 便宜 80%–95%。   為拉動生態，小米推出 MiMo Orbit 計劃，30 天內發放總計 100 萬億免費 Token，並與 OpenCode、Hermes Agent、KiloCode、OpenClaw、Cline 等 Agent 框架團隊達成限時免費接入合作。晶片側也做了 Day-0 適配：AWS Trainium2、AMD ROCm、阿里平頭哥玄鐵均完成落地最佳化。

• 5. 使用者評價 （共 269 字）

  正面聲音集中在三點：一是便宜，有開發者把主力從 Claude Sonnet 切到 MiMo-V2-Flash 後稱成本砍掉 97%，效能「有時更好」；二是程式設計真能幹活，程式碼結構清晰、中文業務場景友好；三是開源可落地，能跑在自託管叢集、手機和車機上。   負面反饋同樣鮮明。個人開發者體驗報告指出 V2-Pro「好用但有點不聽話」——多次明確「不要自動執行、不要調工具、只輸出文字」，模型仍會越權觸發執行，指令遵循（Instruction Following）還不夠穩，對要做自動化系統的開發者是硬傷。另有評測認為它「自作聰明」、會偏離原始需求、邊界條件容易漏。

• 6. 行業評價 （共 246 字）

  行業普遍把 MiMo 視為小米全面押注 Agent 時代的訊號。在 OpenClaw 的 PinchBench、Claw-Eval 榜單上，V2-Pro 排名第三，僅次於 Claude Sonnet 4.6 與 Opus 4.6；ClawEval 拿 61.5 分，逼近 Opus 4.6 的 66.3，大幅超過 GPT-5.2 的 50.0。在 Artificial Analysis 綜合榜，V2-Pro 位列全球第八、國內第二（或第三，不同榜單口徑有出入）。媒體更看重羅福莉團隊的「安靜做事」風格，以及小米把模型嵌進「人車家全生態」的落地野心。

• 7. 爭議與風險 （共 307 字）

  爭議點需要講清楚。第一，權重開源並不徹底——V2-Flash 是 MIT 開源，但 V2-Pro、V2-Omni、V2.5 系列以 API 形式提供、權重並未完全開源。羅福莉的說法是「等模型足夠穩定到值得開源時」再放出變體，外界解讀為當前能力還不夠穩。第二，基準選擇性披露——V2-Pro 缺席了 ARC-AGI-2、Frontier Math、LiveCodeBench v6 等更難、更難刷分的新一代測試集，被質疑「公佈哪些、不公佈哪些本身就是資訊篩選」。第三，作為硬體廠商做基礎模型，MiMo 能否真正嵌入商業版圖而非「掛在牆上」，仍需時間驗證。第四，依託 OpenRouter 的匿名試水雖製造了聲量，但也帶來品牌歸屬與預期管理的風險。

• 8. 適用人群與使用建議 （共 252 字）

  如果你是一線工程師、Agent 框架開發者，或想低成本跑生產級程式設計與企業自動化，MiMo-V2-Flash / V2.5 的開源權重加低價 API 是很務實的選擇，尤其適合中文場景、長上下文工作流和邊緣部署。如果你追求「絕對聽話」、要把模型嵌進嚴格可控的自動化流水線，V2-Pro 的指令遵循波動需要先做小範圍驗證。替代方案上，同檔可對比 DeepSeek、智譜 GLM、MiniMax，閉源側則對標 Claude 與 GPT 系列。注意：下載權重請認準官方 Hugging Face 集合，網路上存在非官方社群映象站點，資訊僅供參考。

• 9. 總結 （共 126 字）

  小米 MiMo-V2 用「開源可商用 + 接近旗艦的 Agent/程式設計能力 + 幾分之一的價格」撕開了一道口子，是中國大模型裡少見的、真正在開發者工作流裡被高頻呼叫的選手；它能否補齊權重開源與指令遵循兩塊短板，決定了它是會成為基礎設施，還是隻停留在漂亮的榜單成績上。

暫無深度報告

• 

  AHarrisJr

  —

  V2.5 原生全模態，圖、影片、音訊一把抓，1M 上下文撐長任務很穩，部署用 vLLM 配 FP8、八卡 H100 就能跑滿，門檻雖高但日子越來越好過了。

---

• 

  kELLYwEBER

  —

  V2.5-Pro-UltraSpeed 實測單卡通用 GPU 跑出 1000+ TPS，我讓它七秒交付一個番茄鍾網頁，500 多行程式碼譁一下全吐出來，比 Claude Haiku 快了好幾個數量級，實時互動的「零等待」是真能感受到的。

---

• 

  MariaColeman_X

  —

  最大槽點是指令遵循不夠穩，我明說不要自動執行、只輸出文字，它還是自己調工具跑起來了，做自動化流水線的人得先小範圍驗證。

---

• 

  淡然_16

  —

  我們組工程師實測 MiMo-V2-Pro，coding 環節跟 Sonnet 差不太多，確實驚為天人，就是開 Max 套餐後算下來比 Claude 還貴一點。

---

• 

  HediGoller

  —

  中文語境和多輪對話是真順，比不少國產模型自然。

---

• 

  tinypanda159

  —

  MiMo 這波是真的能打。

---

• 

  Stephen_Phillips_2021

  —

  用 mimo v2 pro 做了個小專案，生成的程式碼基本能一次性跑起來，但讓我建個飛機模型時有點錯位、控制不了起飛，同場景 Claude-4.6 一次就成了。整體看生成程式碼能力已經很接近 Claude，期待下個版本超越。

---

• 

  RKim_77

  —

  V2.5-Pro 寫程式碼一次過，體感快追上 Claude 了。

---

• 

  Carl_Wood

  —

  我們公司把主力從 Claude Sonnet 切到 MiMo-V2-Flash 後，AI 成本直接砍了快 97%，效能有時候還更好，對成本敏感又想跑生產級程式設計的團隊來說，這基本是閉眼選了。

---

• 

  Lisa543_pro

  —

  我用 MiMo-V2-Pro 當文學顧問寫唐朝背景短篇，讓它對比李白杜甫詩風，它引了一堆我都沒注意到的冷門詩，那種洞察力不像冷機器，倒像個老學究；同題問 Qwen3-Max 雖然沒錯但像教科書。可一旦切到寫程式碼，它又變回「自信但不自檢」的樣子，UI 審美還停留在去年年中，配色辣眼睛。

---

• 

  KimberlyRuiz_20208

  —

  免費領了 16 億 token，小米這波大方。

---

• 

  bigmouse322

  —

  小龍蝦 Claw 體驗了一小時，應付日常辦公夠用，但讓它爬一個帶圖形驗證碼的網站死活識別不出來，最後靠 ddddocr 才搞定。

---

• 

  MalouPedersen

  —

  V2-Flash 生成速度確實炸裂，比 GLM 和 MiniMax 都快，但 GGUF 量化包太少，Unsloth 也不支援，本地部署門檻偏高，討論度沒跟上效能。

---

• 

  Russell_Kim_2022

  —

  社群裡對 MiMo 開源普遍興奮，coding 能力壓過其他開源模型，但不少人希望 V2-Pro 權重也開源，現在只有 Flash 是 MIT 全開源，Pro 走 API 還是有點被綁住的感覺。

---

• 

  DOort

  —

  說實話 MiMo-V2-Pro 在長文件和知識密集任務上是頂級助理，我丟一份 50 頁行業報告讓它提煉，主幹和交叉資料都抓得很準。但純 coding 就有賭的成分，不主動自測、遇上覆雜 bug 只做表面修補，最後還得我自己收拾。

---

• 

  白燕

  —

  被低估了。

---

• 

  安然_3

  —

  Reddit 上有人說用完 24B 的 token 積分都費勁，主要靠提示快取把成本壓下來了，整體體感能跟 Sonnet 媲美，這價效比確實香。

---

• 

  James_GreenQ

  —

  當初 Hunter Alpha 匿名上 OpenRouter，七天呼叫破 1 萬億 token，大家都以為是 DeepSeek V4，結果小米認領了，這波悶聲發大財的節奏。

暫無評論