DoNews12月17日消息，據(jù)APPSO報道，剛剛，小米正式發(fā)布并開源新模型 MiMo-V2-Flash。MiMo-V2-Flash 總參數(shù) 3090 億，活躍參數(shù) 150 億，采用專家混合架構 (MoE)，性能還能和 DeepSeek-V3.2、Kimi-K2 這些頭部開源模型掰掰手腕。
此外，MiMo-V2-Flash 采用 MIT 開源協(xié)議，基礎版權重也已經(jīng)在 Hugging Face 上發(fā)布。除去「開源」這一標簽，新模型真正的殺手锏在于架構設計上的激進創(chuàng)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。
根據(jù)官方體驗頁面信息，MiMo-V2-Flash 還支持深度思考和聯(lián)網(wǎng)搜索功能，既能對話聊天，也能在需要實時數(shù)據(jù)、最新動態(tài)或資料核對的場景里派上用場。
基準測試成績顯示，AIME 2025 數(shù)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 去修真實世界的軟件 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(zhuǎn)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，啟用上下文管理后直接飆到 58.3。
這些數(shù)據(jù)說明，MiMo-V2-Flash 不僅會寫代碼，還能真正理解復雜任務邏輯，執(zhí)行多輪智能體交互。
更重要的是，寫作質(zhì)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(chuàng)新。
混合滑動窗口注意力機制：傳統(tǒng)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。
小米這次采用了 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。
且模型即使在這么激進的窗口設置下，照樣能穩(wěn)住長文本性能。
對此，羅福莉在社交平臺上特別指出一個反直覺的發(fā)現(xiàn)：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(diào)，在實施該機制時，sink values 是維持性能的關鍵，絕不可省略。
另一個黑科技是輕量級多 Token 預測 (MTP)。
傳統(tǒng)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，能并行預測多個 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，訓練階段也能加速采樣，減少 GPU 空轉(zhuǎn)，屬于一箭雙雕。
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 空閑時間浪費問題。
啥叫長尾樣本？就是那些特別難、特別慢的任務，拖著其他任務一起等，GPU 就在那干瞪眼。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(huán)，但它與該流程高度契合。小米已經(jīng)把三層 MTP 開源了，方便大家在自己的項目中使用與開發(fā)。
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(shù)據(jù)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(shù)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(yè)界并不常見，需要對底層框架進行深度優(yōu)化。
而在后訓練階段，小米整了個大活，提出了多教師在線策略蒸餾 (MOPD)。
傳統(tǒng)的監(jiān)督微調(diào)加強化學習管線，不僅訓練不穩(wěn)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采樣，然后由多個專家教師在每個 token 位置提供密集的獎勵信號。
MOPD Architecture Diagram
通俗點說就是，學生模型自己寫作業(yè)，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里學到精髓，而且訓練過程穩(wěn)定得多。
最夸張的是效率提升，MOPD 只需要傳統(tǒng)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，更快地迭代模型。
而且 MOPD 支持靈活接入新教師，學生模型成長后還能反過來當教師，形成「教與學」的閉環(huán)自我進化。今天的學生，明天的老師，后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，他們借鑒 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(huán)系統(tǒng)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。
On-Policy Distillation - Thinking Machines Lab
在智能體強化學習擴展上，小米 MiMo-V2-Flash 研究團隊基于真實 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，并發(fā)能開 10000 多個 Pod，環(huán)境部署成功率 70%。
針對網(wǎng)頁開發(fā)任務，還專門搞了個多模態(tài)驗證器，通過錄制視頻而非靜態(tài)截圖來驗證代碼執(zhí)行結果，直接減少視覺幻覺，確保功能正確。
對于開發(fā)者而言，MiMo-V2-Flash 能與 Claude Code、Cursor、Cline 等主流開發(fā)環(huán)境無縫配合，256k 的超長上下文窗口支持數(shù)百輪智能體交互與工具調(diào)用。
256k 是什么概念? 大概相當于一本中等篇幅的小說，或者幾十頁技術文檔。這意味著開發(fā)者可以把 MiMo-V2-Flash 直接融入現(xiàn)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，并在 LMSYS 博客分享了推理優(yōu)化經(jīng)驗。
技術報告公開了完整模型細節(jié)，模型權重 (包括 MiMo-V2-Flash-Base) 在 Hugging Face 上以 MIT 許可協(xié)議發(fā)布。這種全面開源的態(tài)度，在國內(nèi)大廠里屬實少見。
目前 MiMo-V2-Flash 已經(jīng)在 API Platform 限時免費開放，開發(fā)者可以直接上手體驗。
