在大模型這件事上，雷軍居然給馬斯克打樣了

在小米正式發布了MiMo-V2-Pro大模型以后，第一個出現在我腦子里的人不是雷軍，而是馬斯克。

因為他的xAI現在實在太尷尬了。2023年成立，融資超過500億美元，聯創團隊更是涵蓋了OpenAI、Deep Mind、微軟以及谷歌大腦。

最新的Grok 4.20 Beta，還搞了個四agent并行的多智能體架構，通過Grok、Harper、Benjamin、Lucas這四個 agent內部辯論，提高輸出答案。

結果呢？Grok 4.20 Beta在Artificial Analysis Intelligence Index上只拿了48分，反觀雷軍這邊，小米的MiMo-V2-Pro則拿到了49分。

小米大模型Core團隊第一次發布模型是在2025年4月30日，初代MiMo，參數量只有7B，屬于是“玩具級”。

不過MiMo在數學推理和代碼生成上打贏了OpenAI o1-mini，算是小米在AI賽道上的第一聲響。

隨后，小米用一個匿名代號“Hunter Alpha”悄悄上線OpenRouter，一周之內調用量自然增長到日榜第一、總量破1T tokens，全球開發者在不知道品牌的情況下用腳投票，然后小米公眾號深夜發微信說“對，這是小米做的。”

論大模型，馬斯克確實該拜雷軍為師。

01

MiMo-V2-Pro 憑什么站上牌桌

在業務上，雷軍比馬斯克還晚啟動了一年。

2023年4月雷軍推動成立小米AI實驗室大模型團隊，欒劍擔任首任負責人。只不過這個AI跟我們現在說的大語言模型、agent，并非一回事。

直到2024年底、2025年初，小米才成立了通用基礎大模型相關的Core團隊。

這個團隊同樣也是雷軍親自主導、親自推動，并且對大模型業務投入不設上限。

如果只看架構層面，MiMo-V2-Pro并沒有什么讓人眼前一亮的東西。1T參數、42B激活參數、100萬token上下文，這些放在今天都不稀奇。

MiMo-V2-Pro采用的MoE（混合專家）、混合注意力機制、MTP（多token預測），這些也都是大模型領域的通用技術方案，DeepSeek在用，谷歌也在用。

真正讓這個模型區別于同行的，是后訓練階段的三項技術。

第一項是MOPD，全稱Multi-Teacher On-Policy Distillation，多教師在線策略蒸餾。這是小米在MiMo-V2-Flash技術報告中首次提出的后訓練范式。

要理解MOPD的價值，得先理解它要解決的問題。

大模型后訓練有一個通病，俗名叫“蹺蹺板效應”。就是說你把數學能力練強了，代碼能力就退化；你把agent能力拉上來，通用對話又變差。

這不是說某個團隊的技術不夠，這是整個產業都在面臨的問題。

目前大家比較認可的對應方法有兩種，第一種是訓練多個領域專家模型，然后通過參數合并把它們糅在一起。不過這種方法的效果不是很理想。

另一種是讓專家模型生成大量離線數據，再讓學生模型去學，但這種方式存在嚴重的“分布偏移”問題。可是學生只學會了教師的答題方式，模型根本沒有建立自己的思考方式，一旦遇到教師沒覆蓋的場景就會失靈。

MOPD的做法分三個階段。第一階段是通用 SFT，用高質量指令數據做基礎微調，激活模型的指令跟隨能力，這一步沒什么特別的。

第二階段是分別訓練多個領域專家教師，比如說代碼agent教師、搜索agent教師、數學推理教師、安全對齊教師，每個教師在自己的領域做到極致，不用管其他領域。

第三階段是關鍵創新，讓學生模型自己生成回答，然后同時接受多個教師的token級實時監督。學生從自身分布采樣，接收自領域教師的KL散度獎勵和可驗證的結果獎勵這兩類信號，前者告訴模型“這個字應該怎么寫”，后者告訴模型“最終答案對不對”。

小米公布的數據顯示，經過MOPD訓練的學生模型在AIME 2025數學競賽上達到94.1分，不僅保住了最強數學教師的水平，在部分項目上甚至超越了教師本身。

第二項是真實環境的agentic RL訓練。

盡管說現在大模型都會強調自己的agent能力如何如何，但是絕大多數模型在強化學習過程中，都是非agent相關的。

模型看一道題，輸出一個答案，對完答案給個獎勵，整個過程是單輪的、封閉的。

現實世界的任務可不是這樣運作的。一個真正的agent需要讀代碼、改bug、跑測試、看報錯、再改、再跑，這是一個包含了多種情況的完整過程。

小米為此構建了一套覆蓋四大類場景、總計超過12萬個真實交互環境的agent訓練體系。

代碼agent的訓練數據從真實GitHub Issues中提取，模型需要在agent循環中讀文件、改代碼、跑命令、看測試結果，獎勵來自可驗證的單元測試。

終端agent從Stack Overflow和Stack Exchange中篩選需要高級技術專長的問題，轉化為帶有完整Docker環境和測試用例的計算任務。

網頁開發agent用Playwright執行生成代碼并錄制視頻，再用多模態視覺判別器評估質量——用視頻而非靜態截圖來評估，因為視頻能捕捉交互動畫和響應式布局等動態特性。

通用agent覆蓋搜索和函數調用兩個方向。

其結果就是，在多樣化agent 環境中增加強化學習計算量，收益會泛化到數學推理、通用推理等其他任務。也就是說，agent訓練培養的不是某個特定技能，而是一種通用的問題解決能力。

別的大模型是在教室里做卷子，MiMo-V2-Pro 是直接被扔進許多個真實工作場景里實習，做錯了有真實的測試結果告訴你哪里錯了。

實習鍛煉出來的模型，比做卷子練出來的，更懂得如何處理問題。

第三項是ARL-Tangram，這是小米與北京大學計算機學院聯合研發的Agent RL訓練基礎設施系統，也是羅福莉作為通訊作者所參與的研究。

MOPD和Agentic RL解決的是“怎么訓練”的問題，ARL-Tangram解決的是“用什么訓練”的問題。

agent需要頻繁調用外部資源，代碼執行需要CPU，獎勵模型需要GPU，網頁搜索需要API配額。 傳統的RL框架，它的做法是靜態資源預留，給每條訓練軌跡分配一套固定資源，從頭占到尾。

這就導致說即便沒有任務，這條通道也被占用，別人想走也走不了。

ARL-Tangram的實測數據顯示，在AI編程任務中，外部資源平均只有47%的時間在被使用，剩下53%完全閑置。

在MOPD訓練場景中更夸張，12個教師模型各自占著一組GPU提供獎勵服務，但這些GPU的平均流式多處理器活躍率不到3%，相當于97%的算力在空轉。

ARL-Tangram繼承了小米性價比之王的基因，它的核心思路就是細化資源管理，讓每一份算力都跑得更有價值。

每次外部調用被視為一個原子動作，動作結束后資源立即釋放，供其他軌跡使用。

實測效果：動作完成時間提升最高4.3倍，RL訓練步驟時間加速最高1.5 倍，外部資源消耗降低71.2%。

同樣的硬件投入，能支撐多得多的訓練量。

雷軍在V2-Pro發布當天的微博里寫了一句話：“我們在 AI 領域上相對比較低調，實際進展可能比大家看到的要快很多。”

確實，小米在AI上的進展，遠遠超過了我的認知。

02

MiMo-V2-Pro對小米意味著什么

MiMo-V2-Pro出現之前，小米在軟件和AI領域的技術存在感很低。

提到智能駕駛，人們想到的是特斯拉、華為、小鵬；提到大模型，是字節、阿里、騰訊。小米的標簽始終是“硬件性價比之王”，雷軍的手機、IoT 設備、汽車，都是硬件敘事。

誠然，這個標簽幫小米賣出了很多產品，但也把它牢牢釘在了“組裝廠”的認知框架里。

雷軍自己也清楚這一點。

2023年年度演講上，他提出了一個新公式：“（軟件×硬件）^AI”，宣布小米未來五年研發投入超過1000億元，重點攻堅芯片、AI和操作系統。

這個公式當時聽起來以為雷軍是說著玩玩的，結果人家這回來真的。

MiMo-V2-Pro的誕生，第一次讓小米在純技術維度上獲得了一個全球級的排名。

Artificial Analysis Intelligence Index全球前十，中國第二。

事實上，我覺得只要能在全球大模型排行榜上占有一席之地，都相當于在資本市場、人才招募、合作談判中都多了一張手牌。

至少當雷軍說“小米是一家AI公司”的時候，能拿出這樣一個成果來支撐觀點。

但排名只是表面。更值得關注的是 MiMo-V2-Pro 與小米其他業務線之間的潛在協同。

小米汽車的智能駕駛團隊在2026年3月剛剛完成組織架構調整，將“感知”和“規控”兩個部門合并為“端到端算法與功能部”，全面轉向端到端大模型技術路線，目標年內實現端到端智駕交付。

與此同時，小米早在2025年11月就發布了MiMo-Embodied，同步覆蓋具身智能和自動駕駛的核心任務——環境感知、狀態預測、駕駛規劃。

所以MiMo-V2-Pro的這些成績，說白了那都是給小米汽車打的廣告。

MiMo-V2-Pro本身作為1T參數的云端模型，顯然無法直接部署到車端，沒有哪塊車載芯片跑得動這個體量。

但小米的布局邏輯是“云-邊-端”協同：云端用V2-Pro級別的大模型做訓練、仿真和復雜決策，端側用壓縮后的輕量模型做實時推理。

MiMo-V2-Pro的價值不在于直接上車，而在于作為“教師模型”，通過前面提到的MOPD，將V2-Pro的能力蒸餾到端側小模型中。

馬斯克這邊，情況就微妙多了。

Grok在2025年底的一次Holiday Update正式住進了特斯拉的車機里，然而它卻只能設導航目、聊聊天，相當于是一個語音助手，它跟FSD之間只有導航鏈路的淺層聯動。

與此同時，特斯拉本身車內控制座艙的AI，是來自于特斯拉自己的，跟xAI關系不大。

2026年3月，馬斯克宣布了一個叫“Digital Optimus”的聯合項目，說是要讓Grok充當“高層推理大腦”。

他用了卡尼曼的雙系統理論來類比，Grok是慢思考的System 2，特斯拉AI是快反應的System 1，也就是實時感知和動作執行。

然而僅憑馬斯克的想法，我認為它們之間的協同遠沒有小米“云端大模型蒸餾到車端小模型”這條路徑來得清晰。

03

我給MiMo-V2-Pro挑刺

本文并不是小米的軟文，我只是一個AI產業的觀察者，所以我在這部分準備給小米挑挑刺，以示公正。

先看Benchmark。

MiMo-V2-Pro公布的SWE-bench Verified得分為78.0%，接近Claude 4.6 Sonnet的79.6%，這是一份關于AI編程的測試集，MiMo-V2-Pro的數字也確實好看。

但這里有一個行業內已經公開的秘密，SWE-bench Verified這個測試集本身已經不再可靠。

OpenAI的Frontier Evals團隊在2026年2月23日明確表示，SWE-bench Verified“實際上已經飽和且高度被污染”，并且建議行業轉向更難的SWE-bench Pro。

OpenAI的研究人員發現，包括GPT-5.2、Claude Opus 4.5和Gemini 3 Flash Preview在內的多個前沿模型，僅憑 SWE-bench Verified的Task ID就能復述出原始的gold patch，這就相當于你考試的時候，不用看題目，只看題目的編號就能給出答案。

這意味著測試題目很可能已經進入了訓練數據。在這樣一個被污染的測試集上拿高分，說服力大打折扣。

MiMo-V2-Pro沒有公布SWE-bench Pro的成績。這個更難、更抗污染的版本才是2026年衡量編碼能力的真正標尺。

作為參考，目前SWE-bench Pro上表現最好的模型是OpenAI GPT-5.4，得分僅為57.7%，與SWE-bench Verified上動輒70%以上的成績形成鮮明對比。

不止SWE-bench Pro。

MiMo-V2-Pro還缺席了另外幾個關鍵的新一代測試集：ARC-AGI-2，專門測試推理泛化能力，純LLM得分為1%，最佳推理系統僅54%，人類平均60%；Frontier Math，前沿數學推理；LiveCodeBench v6，按月更新的編程評測，幾乎不可能被訓練數據污染。

一個模型選擇公布哪些benchmark、不公布哪些benchmark，本身就是一種信息篩選。

還有一個容易被忽略的問題：MiMo-V2-Flash是MIT開源的，但MiMo-V2-Pro的權重并未開源。

羅福莉在發布聲明中說“會開源——當模型足夠穩定值得開源的時候”，但在那之前，說明V2-Pro的性能還不夠穩定。

雷軍說“我們模型剛剛完成，未來一段時間，還會快速迭代增強”。這句話既是承諾，也是對現狀的坦率承認。

MiMo-V2-Pro確實還有不少短板需要補。

它是小米從“硬件公司”到“AI公司”敘事轉型中最重要的一塊拼圖，但這塊拼圖能否真正嵌入小米的商業版圖，而不只是掛在墻上供人觀賞，還需要時間來回答。