智东西12月17日报道，今天，小米发布并开源了最新MoE大模型MiMo-V2-Flash，总参数309B，激活参数15B。今日上午，小米2025小米人车家全生态合作伙伴大会上，Xiaomi MiMO大模型负责人罗福莉将首秀并发布主题演讲。
基准测试结果显示，MiMo-V2-Flash的性能基本与DeepSeek-V3.2相当，仅在不使用任何工具辅助的“人类最后一场考试”和创意文本生成评估ARENA-HARD中略逊色于DeepSeek-V3.2，但时延更小。
在多个Agent测评基准上，MiMo-V2-Flash位列全球开源模型Top 2；代码能力测评超过所有开源模型，比肩标杆闭源模型Claude 4.5 Sonnet，但推理价格仅为其2.5%且生成速度提升至2倍。
MiMo-V2-Flash能以每秒150个token的速度实现快速推理，价格方面，其每百万输入token 0.7元、每百万输出token 2.1元。
体验地址：
https://aistudio.xiaomimimo.com
技术报告：
https://github.com/XiaomiMiMo/MiMo-V2-Flash/blob/main/paper.pdf
首先，智东西让其生成了一个电商页面，需要包含商品主图轮播、规格选择、价格、库存等要素。代码生成后，MiMo会在右侧显示预览界面，除查看商品大图功能需要在完整版使用，其他元素几乎和真实的线上购物没有差别。
智东西还让其生成了“圣诞树装饰”交互网页。网页左侧有彩灯、铃铛、星星、礼物盒、蝴蝶结，可以拖动这些物品装饰到右侧的圣诞树上，也可以一键清空或者直接生成随机装饰。整个画面会不断飘落雪花，还可以播放背景音乐。
最后智东西让MiMo生成了一部科幻悬疑题材的AI短剧剧本。一上来，MiMo就给出了深潜记忆提取头盔、真理之环AI伦理防火墙两个关键要素，通过检索发现，MiMo在后续剧情中将这两大物体融入进去，直接作为推动剧情发展的关键。
此外，小米在官方博客也放出了不少案例。
其次是，打造“豪华互动圣诞树”高保真3D网页应用，并要求视觉效果奢华，MiMo的生成结果能切换圣诞树和混沌状态，支持手势交互等。
第三个演示是用HTML创建交互式太阳系探测器。当用户点击每个球体就会出现行星的简介。
智东西也让MiMo“用HTML创建一个教育性的交互式太阳系探索器”，不过最后的结果并不如官方演示。其第一次生成时行星无法选择，重新生成后可选择行星下面的选项直接不见了。
聊天能力方面，MiMo既能回答“大语言模型拥有知识吗”这类硬核科普类知识。
MiMo还可以回答“要不要吃长生不老药丸”，还会站在人类视角分析要不要吃、可能有哪些条件。
此外，该模型还具备长文本撰写能力，其可以“写一个关于误送信件的忧郁爱情故事”。
MiMo还能写深刻的非虚构作品，如以一位独居老人为中心，以他一周内收到的邮件为主，探讨现代社会中的孤独。
在数学竞赛AIME 2025和科学知识基准GPQA-Diamond中，MiMo-V2-Flash的表现是开源模型中前二。在软件工程能力的SWE验证与多语言基准测试中，MiMo-V2-Flash在所有开源模型中位列第一，与全球顶尖闭源模型齐名。
MiMo-V2-Flash的效率提升是因为其为高通量推理设计了创新架构进步。
该模型全局注意力（GA）和滑动窗口注意力（SWA）的1:5混合结构。小米MiMo研究团队大量的实证结果表明，SWA简单、高效且易于使用，在通用任务、长上下文负载和推理方面整体表现优于线性注意力。
它还提供固定大小的KV缓存，便于与现有的训练和推理基础设施集成。
研究人员重新定义了并行解码，以实现极高的输出token吞吐量：通过引入多词元预测（MTP）训练，提升了基础模型的能力，并在推理过程中并行验证了MTP。
MiMo-V2-Flash利用MTP作为原生草稿模型进行自我推测解码，实现了实际部署加速。
大语言模型的解码过程本质上受限于内存，这是由其低运算密度特性决定的。业界通常采用批量级并行技术提升前馈网络（FFN）的运算密度，但该方法对注意力计算环节并无增益，原因在于每个推理请求都需维护独立的KV cache。
相比之下，MTP技术通过一次性生成多个草稿token，同步提升了前馈网络（FFN）与注意力机制的运算密度，后续主模型可对这些草稿token进行并行验证。这种方案能够实现token级并行计算，且不会增加KV cache的输入输出开销。
在MiMo-V2-Flash模型中，MTP模块采用稠密前馈网络来控制参数量，同时使用滑动窗口注意力机制，从而降低KV cache与注意力计算的成本。
实测数据显示，3层结构的MTP模块可达到2.8-3.6个token的有效接受长度，并实现2.0-2.6倍的推理速度提升。
MiMo-V2-Flash预训练使用FP8混合精度和原生32k序列长度，使用27T token进行训练。
在后训练阶段，为高效拓展强化学习的计算规模，同时增强模型的推理能力与智能体自主决策能力，研究人员提出了多教师在线策略蒸馏（MOPD）。
该范式先通过监督微调（SFT）或强化学习（RL）技术得到各领域的专家教师模型，再让学生模型基于自身的策略分布进行采样，并利用多个教师模型提供的稠密型token级奖励信号完成优化。
MOPD训练只需不到传统SFT+RL流程的1/50计算资源，即可匹配教师模型的峰值表现。
此外，MOPD采用解耦设计，支持新教师与ORM（教学与学习）的灵活整合，自然实现“教学与学习”闭环迭代，精炼学生模式可演变为更强的教师，实现持续自我提升的能力。
