上周，在全球最大的大模型 API 聚合平台 OpenRouter 上，一款代号为 Hunter Alpha 的神秘模型调用量一路飙升至榜首，迅速成为圈内热议的焦点。
在外界还在猜测这个“幕后玩家”究竟是谁时，答案很快揭晓——今天，小米正式出面认领，并发布了这款模型的真实身份：MiMo-V2-Pro。此外，其还推出了相关系列模型 MiMo-V2-Omni 和 TTS。
这款模型一亮相就直接把关注度拉满：万亿参数规模，性能对标 GPT-5.2 和 Claude Opus 4.6，而通过自有 API 调用的成本却压到对手的约六分之一到七分之一。
此项目由小米 AI 实验室大模型团队负责人、前 DeepSeek R1 核心成员罗福莉领衔，她将这次发布形容为一次“悄无声息的伏击”。
随即，雷军也在微博发文确认，小米上周在 OpenRouter 匿名发布的 MiMo‑V2‑Pro 不仅快速登顶日榜，如今更是成为周榜第一。
MiMo‑V2‑Pro 登场，直接生成成品
很多人对大模型的印象，还停留在陪人聊天、写文案、答问题。但 MiMo‑V2‑Pro 从设计之初就走向了另一条路径。
它的能力不再局限于“回答问题”、“生成 Demo”，而是被打造为 Agent 时代的执行中枢。换句话说，它更像复杂系统的“中央大脑”，可以直接参与代码生成、终端执行、长流程任务规划，甚至多智能体协同与企业级知识处理。
在罗福莉的描述中，这是“小米首个真正为 Agent 时代构建的全栈模型体系”。
小米对它的定位也很明确：不只是工具，而是要成为驱动各类系统与工作流的底层核心，在真实生产环境中持续产生价值。
此次发布之际，小米也晒出了 MiMo-V2-Pro 的一些成果，其已经不只是“能生成代码”，而是更接近“直接交付成品”。
譬如让 MiMo-V2-Pro 用 Three.js 或 Babylon.js 开发一款 3D 塔防游戏，其能够生成完整的、可运行的代码。
此外，当模型被要求复刻一种带有 1990 年代印刷杂志风格的网页设计：标题使用衬线字体，正文采用等宽字体，整体采用多栏排版，版式还刻意带有不对称结构和“出血”效果；图片带有褐色滤镜与颗粒噪点，页面切换模拟翻页效果；导航被设计成类似杂志目录的样式，每一项带编号并在悬停时放大；底部则还原为类似“出版信息”的版块，甚至包含虚构的 ISSN 号。
在这样的复杂提示下，MiMo-V2-Pro 能够一次性生成结构完整、风格统一的网页，而不仅仅是零散片段，整体更接近可直接使用的成品。
万亿参数模型揭晓
不过，“智能体时代”的核心挑战，是在海量数据范围内保持高保真的推理能力，同时避免因延迟或成本带来的“智能税”。
根据官方介绍，MiMo-V2-Pro 通过稀疏架构来应对这一问题。虽然该模型的总参数达到 1 万亿，但在实际运行时，单次仅激活 420 亿参数，规模约为 MiMo-V2-Flash 的 3 倍。
底层架构设计上，其效率来自进化后的混合注意力机制。传统 Transformer 在上下文增长时计算复杂度呈平方级上升，而 MiMo-V2-Pro 采用 7:1 的混合比例（较 Flash 版本的 5:1 有所提升），来管理高达 100 万 token 的上下文窗口。
这一设计让模型在处理长时任务时依然能够保持“深度记忆”，而不会出现性能明显下降。
此外，模型还结合了轻量级的 MTP 多 token 预测层，使其能够同时预测多个 token，大幅降低智能体工作流中“思考阶段”的延迟。
罗福莉表示，这些结构性设计早在数月前就已确定，目的是在行业突然转向智能体时获得“结构性优势”。
MiMo-V2-Pro 位列全球第八，国内第二
在具体性能表现维度，根据小米官方分享的基准测试结果显示，MiMo-V2-Pro 在主流智能体基准测试中表现出色。其编码能力超越了 Claude 4.6 Sonnet，通用智能体性能（ClawEval）接近 Opus 4.6。工具调用稳定性和准确率也得到了显著提升。
此外，据第三方机构 Artificial Analysis 的评测显示，MiMo-V2-Pro 拿下全球第八，国内第二的好成绩。
从细分维度来看：
➤ MiMo-V2-Pro 在 Artificial Analysis 智能指数中得分 49，仅次于 GLM-5（推理版，50 分），高于 Kimi K2.5（47 分）和 Qwen3.5 397B A17B（45 分）。在综合榜单中排名第 10，位于 GPT-5.2 Codex（49 分）之后、Grok 4.20 Beta（48 分）之前。
➤ 在 GDPval-AA（面向真实世界任务的智能体基准）中，MiMo-V2-Pro 以 1426 Elo 领先同类模型，包括 GLM-5（1406）、Kimi K2.5（1283）和 Qwen3.5 397B A17B（1209）。相比之下，GPT-5.4 和 Claude Sonnet 4.6 的 Elo 分别为 1667 和 1633。
➤ 凭借较低的幻觉率，MiMo-V2-Pro 在 AA 全知指数（Omniscience Index）中获得 +5，领先 GLM-5（+2）、Kimi K2.5（-8）和 Qwen3.5（-30）。不过，Claude Opus 4.6（+14）和 Gemini 3.1 Pro Preview（+33）仍然更高。
➤ 在 token 使用效率方面，MiMo-V2-Pro 更加精简：完成整套评测仅使用 7700 万输出 token，显著低于 GLM-5（1.09 亿）和 Kimi K2.5（8900 万）。
如果说接近第一梯队的性能是惊喜，那么同样让人惊讶的还有它的成本。
成本仅为主流竞品的六分之一到七分之一
Artificial Analysis 实测数据显示，MiMo-V2-Pro 运行整套智能指数测试仅需 348 美元（按输入 $1 / 输出$3 每百万 token 计费）。
尽管得分仅比 GLM-5 低 1 分，但成本更低。
相比之下，GPT-5.2 约为 2304 美元，Claude Opus 4.6 约为 2486 美元。同样的任务，小米模型的成本仅为这些主流竞品的六分之一到七分之一。
与此同时，小米为 MiMo-V2-Pro 制定了极具攻击性的定价策略：
- MiMo-V2-Pro（≤256K）：每百万输入 tokens 1 美元，每百万输出 tokens 3 美元
- MiMo-V2-Pro（256K–1M）：每百万输入 tokens 2 美元，每百万输出 tokens 6 美元
- 缓存读取（Cache read）：低档为每百万 tokens 0.20 美元，高档为每百万 tokens 0.40 美元
- 缓存写入（Cache write）：暂时免费（0 美元）
相较其他领先前沿模型，小米的这种定价策略，也直接打破了“顶级大模型=极高成本”的行业惯例，让中小企业、普通开发者都能用上接近 GPT‑5.2 水平的 人工智能 能力。显然，小米的这一策略明显意在抢占开发者市场，推动高强度应用场景的落地。
罗福莉揭晓 MiMo‑V2‑Pro 落地的背后思考
MiMo‑V2‑Pro 的横空出世，离不开核心负责人罗福莉。
对于这次发布，罗福莉也在 X 平台上分享了这款新模型训练的过程与自己的思考，她表示：
「这个万亿参数的基础模型几个月前就已经启动训练，最初的目标是提升长上下文推理效率。Hybrid Attention 带来了真正的创新，但又不过度激进，结果证明它恰好成为 Agent 时代的理想基础：支持 100 万上下文窗口，结合 MTP 推理实现超低延迟与成本。这些架构选择并不是追逐热点，而是我们在需求真正爆发前就构建好的“结构性优势”。
真正改变一切的，是第一次体验复杂的 agentic scaffold——我更愿意称之为“编排后的上下文”（orchestrated context）。那一刻非常震撼。第一天我就试图说服团队去用，但没人买账。于是我下了一个硬性要求：MiMo 团队里，如果第二天对话数少于 100 次，可以直接离开。结果证明，这一招奏效了。一旦团队真正理解了 Agent 系统的潜力，这种想象力就会直接转化为研究速度。
很多人问我们为什么能推进这么快。我在做 DeepSeek R1 时就亲身经历过，可以简单总结为：
— 基础模型和基础设施研究周期很长，需要在一年前就建立战略判断
— 后训练阶段则完全不同，更依赖产品直觉驱动评估，迭代节奏更快，也更容易捕捉范式变化
— 而始终不变的，是好奇心、敏锐的技术直觉、果断执行、全情投入，以及一个常被低估的因素：对你正在构建的世界发自内心的热爱
我们会开源——等模型足够稳定、真正“配得上”开源的时候。」
雷军：Mimo-V2-Pro 超过了 xAI Grok
在模型推出的第一时间，雷军也亲自站台发文庆贺道：“在全球大模型综合智能排行榜 Artificial Analysis 上，Mimo-V2-Pro 位列全球第八。按大模型品牌来排名，排在全球第五，超过了 xAI Grok。我们模型刚刚完成，未来一段时间，还会快速迭代增强。小米在 AI 领域上相对比较低调，实际进展可能比大家看到的要快很多。”
同时他还透露，在 AI 领域，小米今年的研发和资本投入就将超过 160 亿元。
对全球 AI 行业而言，小米发布 MiMo‑V2‑Pro，远不止是推出一款新模型，它更像一个信号：AI 正在从“会说话”，走向“能做事”。
从性能到成本，从架构到定位，小米试图回答一个更本质的问题——在智能体时代，模型到底应该如何参与世界？
而 MiMo-V2-Pro，只是这个方向的起点。如果说过去的竞争是“谁更会对话”，那么接下来的竞争，可能会变成——谁更能行动。
来源：
想了解更多 AI 领域的技术资讯和深度解读？欢迎访问 云栈社区，与广大开发者一起探讨技术前沿。
发表于 1 小时前
|
查看: 1|
回复: 0
