北京
智東西
作者 李水青
編輯 云鵬
智東西4月28日報道，剛剛，小米開源羅福莉帶隊研發的MiMo-V2.5系列模型，采用MIT協議，允許商用推理部署與二次訓練，無需額外授權。
▲MiMo-V2.5-Pro在Hugging Face的開源頁面截圖
此前，該系列模型于4月23日開啟公測，包括MiMo-V2.5-Pro、MiMo-V2.5兩款模型。模型具備更強Agent能力，支持100萬上下文，且Token效率大幅提升。
MiMo-V2.5-Pro的完整基準測試結果今日公布，小米稱其在GDPVal-AA（Elo）、Claw-Eval（pass^3）等多項測評中超過了最新開源的DeepSeek-V4-Pro模型，也超過了發布不久的Kimi K2.6等主流閉源模型，實現總體最佳。
▲MiMo-V2.5-Pro的最新測評成績
開源首日，MiMo-V2.5-Pro宣布已完成與阿里平頭哥、亞馬遜云科技、AMD、百度昆侖芯、燧原科技、沐曦、天數智芯多個芯片廠商的接入適配。MiMo-V2.5系列模型同步完成SGLang和vLLM主流推理框架的Day 0適配。
與此同時，小米還推出百萬億Token創造者激勵計劃，計劃30天內免費發放總計100萬億Token權益；推出Agent生態共建計劃，目前已與OpenCode、Hermes Agent、KiloCode等Agent框架廠商展開合作。
模型權重合集：
https://huggingface.co/collections/XiaomiMiMo/mimo-v25
更多細節參考模型Blog：
https://mimo.xiaomi.com/index#blog
百萬億Token計劃申請網址：
https://100t.xiaomimimo.com/
一、模型技術細節公布，測評超越DeepSeek-V4
由小米最新公開的模型卡可知，小米迄今為止最強模型MiMo-V2.5-Pro是一款擁有1.02萬億（1.02T）個參數的混合專家模型，其中420億（42B）個激活參數，基于混合注意力架構，相比前代模型在通用智能能力、復雜軟件工程和長時域任務處理方面均實現了顯著提升。
MiMo-V2.5-Pro繼承了MiMo-V2-Flash的混合注意力機制和多標記預測（MTP）設計。局部滑動窗口注意力（SWA）和全局注意力（GA）以6:1的比例交錯使用，窗口大小為128個Token，在長上下文情況下，通過可學習的注意力池偏置，將鍵值緩存存儲空間減少了近7倍，同時保持了性能。一個輕量級的MTP模塊，采用密集前饋神經網絡（FFN），原生集成用于訓練和推理，輸出吞吐量大約提升了三倍，并加速了強化學習（RL）的部署。
▲MiMo-V2.5-Pro的模型架構及訓練過程
該模型預訓練使用27萬億（27T）個Token，采用FP8混合精度，原生序列長度為32K，上下文擴展至1M個Token。后訓練遵循MiMo-V2-Flash中引入的三階段范式：1、監督式微調，在精心挑選的數據對上建立基礎的指令跟蹤；2、領域專精訓練，其中不同的教師模型分別通過針對特定領域的強化學習進行優化，涵蓋數學、安全、智能工具使用等領域；3、多教師策略蒸餾（MOPD），其中單個學生模型在每位專精教師的Token級指導下，從自身的展開中學習策略，并將所有教師的能力融合到一個統一的模型中。
再來看看MiMo-V2.5，這是一個3100億（310B）參數的稀疏MoE模型，擁有150億（15B）激活參數，在48萬億（48T）個Token上進行訓練。它的語言主干框架繼承了MiMo-V2-Flash的混合滑動窗口注意力機制，并搭載自研預訓練視覺、音頻編碼器，兩類編碼器通過輕量化投影模塊完成跨模塊融合。
▲MiMo-V2.5架構
訓練過程分為五個階段：1、基于多樣化語料開展文本預訓練，搭建大語言模型主干網絡；2、進行投影層預熱訓練，實現音視頻、視覺投影器與語言模型的對齊融合；3、依托高質量跨模態數據集，開展大規模多模態預訓練；4、執行監督微調與智能體后訓練，在此過程中將上下文窗口從32K逐步擴容至256K，最終達到100萬Token；5、最后是通過強化學習（RL）與多目標偏好蒸餾（MOPD），進一步強化模型的感知、邏輯推理與智能體執行能力。
從小米最新公布的測評結果來看，MiMo-V2.5在Claw-Eval Text、Terminal-Bench 2.0、SWE-Bench Pro等多項測評中大幅超越了DeepSeek最新發布的DeepSeek-V4-Flash。
▲MiMo-V2.5最新測評情況
二、開源首日，完成阿里平頭哥沐曦等7家芯片廠商適配
小米還公布了芯片生態與推理框架最新適配情況，MiMo-V2.5-Pro開源首日完成多個芯片廠商的接入適配：
阿里平頭哥：基于真武810E及全棧自研AI軟件棧實現深度適配。
亞馬遜云科技：基于Trainium2芯片與Neuron SDK + vLLM推理框架完成深度適配，實現開源即全球可用的首日適配。下一代3nm制程Trainium3將進一步釋放模型性能。
AMD：依托ROCm開源軟件棧提供Day-0適配及全面優化支持。
百度昆侖芯：通過底層算子優化與軟硬件協同加速，保障模型穩定高效運行。
燧原科技：基于自研馭算TopsRider軟件棧深度優化，在燧原L600上完成全量適配。
沐曦：基于曦云C系列及全棧自研MXMACA軟件棧，實現Triton語法到沐曦GPU指令集的端到端原生支持。
天數智芯：實現Day 0級深度適配。
此外，MiMo-V2.5系列模型同步完成SGLang和vLLM主流推理框架的Day 0適配。
三、免費發放100萬億Token，已與Hermes Agent等合作
與此同時，小米還同步推出MiMo Orbit計劃，包含兩部分：“百萬億Token創造者激勵計劃”，與面向Agent框架團隊的“Agent生態共建計劃”。
在百萬億Token創造者激勵計劃方面，小米面向全球AI用戶免費發放Token，30天內發放總計100萬億Token權益，贈完即止。
該計劃采取申請制，通過者最高獲得Max檔位Token Plan，包含16億Credits，價值659元。活動時間：北京時間2026年4月28日00:00至5月28日00:00。
Agent生態共建計劃方面，小米面向全球Agent框架團隊提供專項支持，為框架提供MiMo Token限免支持，同時參與和贊助框架平臺的AI Hackathon等共創活動。
其目前已與OpenCode、Hermes Agent、KiloCode等Agent框架廠商展開深度合作。
結語：多款國產開源模型“亮劍”交鋒
近期，大模型行業開源力度持續加碼，模型與國產及國際芯片的“Day 0”適配已從亮點變為剛需，推理效率和部署成本成為下一階段競爭的核心。同時，百億級Token免費激勵與Agent框架生態共建，反映出行業正從“拼參數”轉向“拼應用”。
值得關注的是，小米MiMo-V2.5-Pro在多項基準評測中直接超越DeepSeek最新開源的DeepSeek-V4-Pro模型，可謂與DeepSeek在開源賽道發起“亮劍”交鋒，有望倒逼行業更快降低推理成本、提升Agent真實任務完成率。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
