刚刚，小米正式开源了由罗福莉带队研发的MiMo-V2.5系列模型，采用宽松的MIT协议，允许商用部署和二次训练，无需额外授权。这个系列之前在4月23日就开启了公测，包括MiMo-V2.5-Pro和MiMo-V2.5两款模型，主打更强的智能体能力、100万上下文窗口，以及大幅提升的Token效率。



一、技术细节与测评成绩

根据小米今天公布的完整基准测试结果，MiMo-V2.5-Pro在GDPVal-AA（Elo评分）、Claw-Eval（pass^3）等多项评测中，不仅超过了最新开源的DeepSeek-V4-Pro，也超越了Kimi K2.6等近期发布的闭源模型，拿下了总体最佳。

从模型卡来看，MiMo-V2.5-Pro是一款总参数1.02万亿的混合专家模型，激活参数为420亿。它采用了混合注意力架构，在前代基础上显著提升了通用智能、复杂软件工程和长时域任务处理能力。具体来说，它继承了滑动窗口注意力和多标记预测设计，局部窗口注意力与全局注意力按6:1的比例交错使用。在长上下文场景下，通过可学习的注意力池偏置，把键值缓存存储空间压缩了近7倍，同时保持了性能。一个轻量级的多标记预测模块采用密集前馈神经网络，原生集成于训练和推理中，输出吞吐量提升了约三倍，也加速了强化学习的部署。

预训练阶段使用了27万亿个Token，采用FP8混合精度，原生序列长度为32K，上下文可扩展到100万Token。后训练遵循三阶段范式：先做监督微调建立基础的指令跟踪能力，再通过不同教师模型分别针对数学、安全、智能工具使用等领域进行强化学习来精进专长，最后用多教师策略蒸馏将各个教师的能力融合到一个统一的模型中。

另一款MiMo-V2.5是一个总参数3100亿的稀疏MoE模型，激活参数为150亿，在48万亿个Token上完成训练。它的语言主干继承了混合滑动窗口注意力机制，并搭载了自研的预训练视觉和音频编码器，两类编码器通过轻量化的投影模块完成跨模态融合。训练分为五个阶段：文本预训练搭建语言主干、投影层预热实现音视频与语言模型的对齐、大规模多模态预训练、监督微调与智能体后训练（将上下文窗口从32K逐步扩大到256K再到100万Token），最后通过强化学习和多目标偏好蒸馏来增强感知、推理和智能体执行能力。

二、开源首日适配情况

开源第一天，MiMo-V2.5-Pro就宣布完成了与多家芯片厂商的接入适配：阿里平头哥基于真武810E及全自研AI软件栈做了深度适配；亚马逊云科技通过Trainium2芯片和Neuron SDK加vLLM框架实现了“开源即全球可用”的首日适配；AMD依托ROCm开源软件栈提供了Day-0适配和全面优化；百度昆仑芯通过底层算子优化和软硬件协同来保障运行效率；燧原科技基于自研的驭算软件栈在燧原L600上完成了全量适配；沐曦基于曦云C系列和自研MXMACA软件栈，实现了Triton语法到沐曦GPU指令集的端到端原生支持；天数智芯也做到了Day-0级的深度适配。此外，MiMo-V2.5系列还同步完成了SGLang和vLLM主流推理框架的Day-0适配。

三、激励计划与生态合作

小米同步推出了“MiMo Orbit”计划，分为两部分：一个是“百万亿Token创造者激励计划”，30天内面向全球AI用户免费发放总计100万亿Token权益，采取申请制，通过的用户最高可拿到包含16亿Credits的Max档位，价值659元。另一个是“Agent生态共建计划”，面向全球智能体框架团队提供专项支持，包括Token限免以及参与和赞助AI Hackathon等共创活动。目前已经跟OpenCode、Hermes Agent、KiloCode等框架厂商展开了深度合作。

四、结语

最近大模型开源领域的动作明显在加码，模型与国产及国际芯片的“Day-0”适配已经从亮点变成了刚需，推理效率和部署成本成了下一阶段竞争的核心。同时，百亿级Token免费激励和智能体生态共建，也反映出行业正在从“拼参数”转向“拼应用”。

值得留意的是，小米MiMo-V2.5-Pro在多项基准测试中直接超越了DeepSeek最新开源的DeepSeek-V4-Pro，等于是在开源赛道上跟DeepSeek正面交锋。这种竞争很可能会倒逼整个行业更快地降低推理成本，并提升智能体在真实任务中的完成率。