小米推出MiMo-V2系列三款大模型

3月19日消息，小米官宣推出MiMo-V2家族三款新模型：Pro、Omni和TTS。这些模型现已登陆Xiaomi miclaw、MiMo Studio、金山办公、小米浏览器，通过OpenClaw、OpenCode、KiloCode、Blackbox、Cline接入，可限时免费体验一周。

Xiaomi MiMo-V2-Pro专为现实世界中高强度的Agent工作场景而打造。其拥有超过1T的总参数量（42B激活参数），采用创新的混合注意力架构，并支持1M超长上下文长度。小米还在更为广泛的Agent场景中持续Scaling算力，进一步拓展了智能的动作空间，实现了从Coding到Claw的重要泛化。在Artificial Analysis排行榜上，MiMo-V2-Pro位列全球第八，国内第二。

图源：小米

此前，一款代号为“Hunter Alpha”的神秘模型悄然上线全球最大API聚合平台OpenRouter，短短七天内累计调用量突破1万亿Token，连续多日登顶榜单，一度被误认为是“DeepSeek V4”的早期版本。

随着小米发布新一代基础大模型体系，谜底也正式揭晓，“Hunter Alpha”就是MiMo-V2-Pro的内部测试版本。这款模型不仅是小米在大模型领域的“新作业”，也被视为其全面押注Agent时代的重要信号。OpenRouter数据显示，其调用量快速增长，且主要集中在代码生成与开发工具领域，反映出其在真实工程场景中的高可用性与稳定性。

在实际测试中，MiMo-V2-Pro展现出明显区别于传统对话模型的“执行能力”。它不仅能够理解复杂指令，还可以在一次提示中完成从设计到实现的完整任务闭环。MiMo-V2-Pro解决了Agent的“大脑”逻辑问题，同步亮相的MiMo-V2-Omni与MiMo-V2-TTS则补齐了感知与表达的最后两块拼图。

作为全模态基座模型，MiMo-V2-Omni的核心价值在于实现了音频、图像、视频的对齐。在实际应用中，这意味着Agent能够像人一样，通过视听信息感知世界并直接生成执行指令。而MiMo-V2-TTS小米自主研发的语音合成大模型，摒弃了传统合成语音的机械感，基于小米自研的Audio Tokenizer和多码本联合建模架构，实现了对语音风格和情绪的精准调节。

这两款模型的发布，标志着小米的大模型战略已从单一的文本交互，转向构建一套完整的、可闭环的多模态Agent基础设施。

图源：小米