小米發布最新MiMo大模型

小米在12月16日閃電開源的全新大模型 MiMo-V2-Flash，以3090億總參數、150億活躍參數的“瘦身”設計，實現150 token/秒的極速響應，成本低至百萬token輸入0.1美元，性能直接對標頭部開源模型DeepSeek-V3.2，引爆行業熱議。

一、技術突破：輕量化架構成就極致效率

總參數量達3090億，但通過專家混合（MoE）技術，每次推理僅激活150億參數，顯著降低算力消耗。

采用混合注意力機制（128窗口滑動+全局注意力），支持256K長上下文，適合多輪復雜任務交互。

速度與成本碾壓同級

實測生成速度達 150 token/秒，用戶反饋“問題發出即出答案”，延遲毫秒級。

推理成本僅需百萬token輸入0.1美元、輸出0.3美元，不足閉源模型的1/10，打破大模型高成本壁壘。

性能對標頂尖模型

在代碼能力測試 SWE-bench Verified（修復真實代碼漏洞）中成功率73.4%，超越所有開源模型；

多語言編程（SWE-Bench Multilingual）得分71.7%，智能體任務（如航空調度）達行業第一梯隊。

二、用戶體驗：快響應、強生態、開放體驗

深度融入小米生態

專為智能家居、汽車座艙優化，用戶指令可直控米家設備（如開關窗簾、調節空調），響應無需“思考半分鐘”。

網頁版 Xiaomi MiMo Studio 已開放體驗，支持聯網搜索、深度思考模式（需3-12秒）。

實測反饋與爭議

優勢：中文對話更自然（對比DeepSeek的正式風格），響應速度獲廣泛認可；

不足：部分用戶實測代碼能力弱于Gemini 3 Pro；聯網搜索數據源較窄，結果豐富度待提升。

三、幕后關鍵：技術大牛與開源戰略

核心人物羅福莉的突破

前DeepSeek核心研究員羅福莉主導研發，其自研 R3路由重放技術 解決MoE模型強化學習的穩定性難題。

模型以 MIT協議 開源，基礎權重已上線Hugging Face，支持RTX 3060等消費級顯卡本地部署。

戰略意義

以75億元專項投入（非網傳300億）實現技術突圍，推動“人車家全生態”硬件與AI深度結合。

定義輕量化落地路徑，為AGI從語言理解邁向物理世界交互鋪路（如通過攝像頭分析環境、語音控制設備）。

四、行業影響與未來展望

挑戰與機遇：

端側部署潛力巨大，未來或嵌入澎湃OS，升級小愛同學響應能力；

需優化多模態能力（當前依賴GPU，輕量化部署受限）及長文本處理穩定性。

用戶嘗鮮入口：

官網體驗：Xiaomi MiMo Studio 1862

開源地址：Hugging Face模型庫。