简鹿办公了解到，目前小米公司正式发布了当前最先进的大语言模型 —— MiMo-V2-Flash。该模型是小米全面推进基础大模型战略的重要组成部分，设计重点聚焦于高推理速度与架构效率，同时保留强大的逻辑推理与代码生成能力。

小米将 MiMo-V2-Flash 定位为市场上主流模型的直接竞争者，包括 DeepSeek V3.2 和 Claude 4.5 Sonnet。

面向智能体应用的架构与技术规格

MiMo-V2-Flash 基于 Mixture-of-Experts（MoE）架构，总参数量达 3090 亿，其中每次推理激活约 150 亿参数。该模型专为 AI 智能体场景和多轮复杂对话 而优化，尤其强调输出速度。

其注意力机制采用 1:5 混合注意力结构，结合了全局注意力（Global Attention）与滑动窗口注意力（Sliding Window Attention, SWA），窗口大小为 128 个 token。模型原生支持 32,000 个 token 的上下文长度，并在训练阶段实现了对 最长 256,000 个 token 上下文的处理能力。这种设计使其在长上下文任务扩展中表现出色。

据开发者称，MiMo-V2-Flash 的响应速度优于 DeepSeek、Claude 等主流模型，同时显著降低了运营成本。

基准测试表现与定价策略

MiMo-V2-Flash 在多个维度均达到顶尖水平。在逻辑推理任务（如 AIME 2025 和 GPQA-Diamond 测试）中，它稳居开源模型前两名。

在软件工程专项评测（如 SWE-Bench Verified 和 SWE-Bench Multilingual）中，该模型不仅大幅领先其他开源方案，性能更可与 GPT-5 和 Claude 4.5 Sonnet 相媲美。

小米为 MiMo-V2-Flash 的 API 定价极具竞争力：

输入 token：0.1 美元 / 百万

输出 token：0.3 美元 / 百万

目前，API 正在限时免费开放。模型推理速度高达 150 token/秒，其推理成本仅为 Claude 运营成本的 2.5%。

技术创新与训练方法

模型的核心创新之一是采用了 多令牌预测（Multi-Token Prediction, MTP）技术。该技术可并行生成多个 token，并在输出前进行验证，从而在不增加内存或注意力机制负担的前提下，显著提升解码吞吐量。通过三层 MTP 结构，推理速度相比传统方法提升 2.0–2.6 倍。

此外，小米还推出了一种新型微调方法 —— 多教师在线策略蒸馏（Multi-Teacher Online Policy Distillation, MOPD）。该方法利用多个“教师模型”通过 token 级别的奖励信号指导学生模型训练。借助 MOPD，小米仅用不到传统强化学习（RL）训练流程 1/50 的资源，就实现了卓越的模型性能。该系统还支持灵活接入新教师模型，为模型的持续自我进化提供了可能。

模型访问方式

小米已上线 MiMo Studio 网页交互平台（地址：aistudio.xiaomimimo.com），用户可通过浏览器直接体验 MiMo-V2-Flash。

注意：访问该平台可能需要 中国大陆 IP 地址 及 小米账户。

平台支持联网搜索、智能体任务执行和代码生成，并提供两种模式切换：

快速响应模式：适用于日常问答；

深度思考模式：用于解决复杂逻辑问题。

开源许可

MiMo-V2-Flash 是一个完全开源的项目，采用 MIT 许可证发布，允许学术研究与商业应用自由使用。这一发布标志着小米在大模型领域迈出了关键一步，也为全球开发者提供了一个高性能、低成本、可商用的先进开源替代方案。