開源模型再次迎來一位重磅選手，就在剛剛，小米正式發布並開源新模型 MiMo-V2-Flash。
MiMo-V2-Flash 總參數 3090 億，活躍參數 150 億，採用專家混合架構 (MoE)，性能還能和 DeepSeek-V3.2、Kimi-K2 這些頭部開源模型掰掰手腕。
Faster than Fast. Designed for Agentic AI. Introducing Xiaomi MiMo-V2-Flash — our new open-source MoE model: 309B total params, 15B active. Blazing speed meets frontier performance. 🔥 Highlights: 🏗️ Hybrid Attention: 5:1 interleaved 128-window SWA Global | 256K context 📈 Performance: ⚔️ Matches DeepSeek-V3.2 on general benchmarks — at a fraction of the latency 🏆 SWE-Bench Verified: 73.4% | SWE-Bench Multilingual: 71.7% — new SOTA for open-source models 🚀 Speed: 150 output tokens/s with Day-0 support from @lmsysorg 🤝
此外，MiMo-V2-Flash 採用 MIT 開源協議，基礎版權重也已經在 Hugging Face 上發布。
當然，除去「開源」這一標籤，新模型真正的殺手鐧在於架構設計上的激進創新，把推理速度拉到了 150 tokens/秒，成本壓到了每百萬 token 輸入 0.1 美元、輸出 0.3 美元，主打一個超絕性價比。
此外 ，根據官方體驗頁面資訊，MiMo-V2-Flash 還支持深度思考和聯網搜索功能，既能對話聊天，也能在需要實時數據、最新動態或資料核對的場景里派上用場。
附上 AI Studio 體驗地址： http://aistudio.xiaomimimo.com
開源模型新標杆，MiMo-V2-Flash 跑分全線開花
先來看看 MiMo-V2-Flash 的跑分。
基準測試成績顯示，AIME 2025 數學競賽和 GPQA-Diamond 科學知識測試中，MiMo-V2-Flash 都排在開源模型前兩名。
編程能力更是亮眼，SWE-bench Verified 得分 73.4%，超越所有開源模型，直逼 GPT-5-High。而這個測試是讓 AI 去修真實世界的軟體 bug，73.4% 的成功率也意味著它能搞定大部分實際編程問題。
在多語言編程基準測試 SWE-Bench Multilingual 里，MiMo-V2-Flash 的解決率為 71.7%。
轉看智能體任務，MiMo-V2-Flash 在τ²-Bench 分類得分中，通信類 95.3 分，零售類 79.5 分，航空類 66.0 分，BrowseComp 搜索代理得分 45.4，啟用上下文管理後直接飆到 58.3。
這些數據說明，MiMo-V2-Flash 不僅會寫代碼，還能真正理解複雜任務邏輯，執行多輪智能體交互。
更重要的是，寫作質量也接近頂級閉源模型，這意味著 MiMo-V2-Flash 不只是個工具，還能當個靠譜的日常助手。
MiMo-V2-Flash 在保持長文本性能的同時，還降低了成本，究其原因，離不開兩項核心技術創新。
混合滑動窗口注意力機制：傳統大模型處理長文本時，全局注意力機制會導致計算量二次爆炸，存儲中間結果的 KV 緩存也跟著飆升。
小米這次採用了 5 比 1 的激進比例，5 層滑動窗口注意力搭配 1 層全局注意力交替使用，滑動窗口只看 128 個 token。
這種設計讓 KV 緩存存儲量直接減少了近 6 倍，但長文本能力卻沒打折扣，最長支持 256k 上下文窗口。
且模型即使在這麼激進的窗口設置下，照樣能穩住長文本性能。
對此，羅福莉在社交平台上特別指出一個反直覺的發現：窗口大小 128 是「最佳甜點值」。實驗證明，盲目擴大窗口（如增至 512）反而會導致性能下降。同時她強調，在實施該機制時，sink values 是維持性能的關鍵，絕不可省略。
MiMo-V2-Flash is live. It’s just step 2 on our AGI roadmap, but I wanted to dump some notes on the engineering choices that actually moved the needle. Architecture: We settled on a Hybrid SWA. It’s simple, elegant, and in our internal benchmarks, it outperformed other Linear Attention variants on long context reasoning. Plus, a fixed KV cache just plays way nicer with current infra. Note: Window size 128 turned out to be the magic number (512 actually degraded performance). Also, sink values are non-negotiable—don't skip them. MTP (Multi-Token Prediction): This is underrated for efficient RL. Aside from the first layer, it needs surprisingly little fine-tuning to hit high accept length. With a 3-layer MTP, we're seeing >3 accept length and ~2.5x speedup in coding tasks. It effectively solves the GPU idle time from long-tail samples in small-batch On-Policy RL. We didn't get to squeeze it into the RL loop this time due to deadlines, but it’s a perfect fit. We open-sourced the 3-layer MTPs so you can develop with it. Posttrain with MOPD: We adopted On-Policy-Distillation from Thinking Machine to merge multiple RL models, and the efficiency gains were wild. We matched the teacher model's performance using less than 1/50th the compute of a standard SFT RL pipeline. There’s a clear path here for a self-reinforcing loop where the student evolves into a stronger teacher. Huge props to my team. They sculpted these ideas from scratch into production in just a few months. Full breakdown is in the tech report. If this kind of pragmatic engineering resonates with you, we should talk.
另一個黑科技是輕量級多 Token 預測 (MTP)。
傳統模型生成文本時一次只能吐一個 token，就像打字員一個字一個字敲。MiMo-V2-Flash 通過原生集成的 MTP 模塊，能並行預測多個 token，一次性猜出接下來好幾個 token。
實測平均能接受 2.8 到 3.6 個 token，推理速度直接提升 2 到 2.6 倍，不僅在推理時管用，訓練階段也能加速採樣，減少 GPU 空轉，屬於一箭雙鵰。
羅福莉提到，在三層 MTP 設置下，他們觀察到平均接受長度超過 3，編碼任務速度提升約 2.5 倍。它有效解決了小批量 On-Policy 強化學習中「長尾樣本」帶來的 GPU 空閒時間浪費問題。
什麽叫長尾樣本？就是那些特別難、特別慢的任務，拖著其他任務一起等，GPU 就在那乾瞪眼。MTP 把這個問題給解了，極大提高了效率。
不過羅福莉也坦誠，這次因為時間緊迫沒能把 MTP 完整集成進 RL 訓練循環，但它與該流程高度契合。小米已經把三層 MTP 開源了，方便大家在自己的項目中使用與開發。
算力只用 1/50，性能如何不打折？
預訓練階段，新模型使用 FP8 混合精度，在 27 萬億 token 數據上完成訓練，原生支持 32k 序列長度。
FP8 混合精度是一種壓縮數值表示的技術，能在保持精度的同時減少顯存占用和加速訓練。這種訓練方式在業界並不常見，需要對底層框架進行深度優化。
而在後訓練階段，小米整了個大活，提出了多教師在線策略蒸餾 (MOPD)。
傳統的監督微調加強化學習管線，不僅訓練不穩定，算力消耗還賊高。MOPD 的思路是讓學生模型在自己的策略分布上採樣，然後由多個專家教師在每個 token 位置提供密集的獎勵信號。
通俗點說就是，學生模型自己寫作業，老師在每個字上都給評分，不用等寫完整篇才打分。這樣一來，學生模型能快速從教師那裡學到精髓，而且訓練過程穩定得多。
最誇張的是效率提升，MOPD 只需要傳統方法 1/50 的算力，就能讓學生模型達到教師性能峰值。這意味著小米能用更少的資源，更快地疊代模型。
而且 MOPD 支持靈活接入新教師，學生模型成長後還能反過來當教師，形成「教與學」的閉環自我進化。今天的學生，明天的老師，後天又能教出更強的學生，套娃玩法屬實有點東西。
用羅福莉的話來說，他們借鑑 Thinking Machine 的 On-Policy Distillation 方法，將多個強化學習模型進行融合，結果帶來了驚人的效率提升。這為構建一個自我強化循環系統奠定了基礎，學生模型可以逐步進化，最終成為更強的教師模型。
在智能體強化學習擴展上，小米 MiMo-V2-Flash 研究團隊基於真實 GitHub issue 構建了超過 10 萬個可驗證任務，自動化流水線跑在 Kubernetes 集群上，並發能開 10000 多個 Pod，環境部署成功率 70%。
針對網頁開發任務，還專門搞了個多模態驗證器，通過錄製影片而非靜態截圖來驗證代碼執行結果，直接減少視覺幻覺，確保功能正確。
對於開發者而言，MiMo-V2-Flash 能與 Claude Code、Cursor、Cline 等主流開發環境無縫配合，256k 的超長上下文窗口支持數百輪智能體交互與工具調用。
256k 是什麼概念? 大概相當於一本中等篇幅的小說，或者幾十頁技術文檔。這意味著開發者可以把 MiMo-V2-Flash 直接融入現有工作流，不需要額外適配，拿來就用。
小米還把所有推理代碼貢獻給了 SGLang，並在 LMSYS 博客分享了推理優化經驗。
技術報告公開了完整模型細節，模型權重 (包括 MiMo-V2-Flash-Base) 在 Hugging Face 上以 MIT 許可協議發布。這種全面開源的態度，在國內大廠里屬實少見。
目前 MiMo-V2-Flash 已經在 API Platform 限時免費開放，開發者可以直接上手體驗。
MiMo-V2-Flash 的發布，標誌著小米在 AI 賽道上的全面發力。
羅福莉在社交平台上透露了更多資訊，「MiMo-V2-Flash 已正式上線。這只是我們 AGI 路線圖上的第二步。」第二步就已經這麼猛了，那後面還有什麽大招？想想就有點期待。
當然，小米在技術報告中也坦誠，MiMo-V2-Flash 與最強的閉源模型相比仍有差距。但他們的計劃很明確，通過擴大模型規模與訓練算力來縮小差距，同時繼續探索更穩健、更高效的智能體架構。
MOPD 框架下教師模型與學生模型的疊代共進化，也為未來的能力提升留足了空間。
把視角拉高來看，背後是小米對整個 AI 生態的一次戰略押注。手機、IoT、汽車，小米的硬體生態需要一個強大的 AI 底座，MiMo-V2-Flash 顯然就是小米為全硬體生態準備的那塊基石。
就像十四年前小米手機用 1999 元重新定義了旗艦機的價格標準，如今 MiMo-V2-Flash 正在用白菜價的成本、73.4% 的 SWE-Bench 得分，重新定義開源大模型的性能標準。
這一次，屬於開源模型的「小米時刻」真的來了。
HuggingFace 模型地址:
http://hf.co/XiaomiMiMo/MiMo-V2-Flash
技術報道地址：
http://github.com/XiaomiMiMo/MiMo-V2-Flash/blob/main/paper.pdf
