一、Xiaomi MiMo 是什么？
Xiaomi MiMo 是小米自研的 AI 大模型系列，业界评价其为小米「人车家」全生态战略的核心智能底座。它瞄准的不只是「聊天」，而是智能体（Agent）时代的旗舰基座——强调持续可靠地完成复杂工作流、长程规划与精准工具调用。
核心设计理念是「端云协同」：
云端侧：负责复杂推理、长文本、知识问答等高负载任务，提供最强的模型能力。
端侧：针对小米手机、IoT 设备深度优化，实现低延迟、隐私保护的本地 AI 服务。
这种架构让 MiMo 从诞生之初就不是孤立的云端模型，而是为小米生态量身定制的 AI 核心。小米已于 2025 年 12 月宣布，2026 年 AI 投入将超 160 亿元，显示出对这一战略的长期承诺。
二、MiMo 模型矩阵：从旗舰到全模态（2026 全家福）
截至 2026 年 8 月，MiMo 已形成覆盖文本、语音、视觉、具身智能的完整产品矩阵。当前旗舰为 MiMo-V2.5-Pro，其下既有 V2.5 系列（Pro / UltraSpeed / TTS / ASR），也保留了庞大的 V2 系列开源与专用模型。
1. MiMo-V2.5-Pro（当前旗舰基座）
定位：「A leap in agentic and long horizon coherence」——在智能体能力和长时间连贯性上的跃升。
规模：约 1 万亿参数（1T）；MiMo-V2.5-Pro-UltraSpeed 模式通过模型与系统极致 Codesign，将 1T 参数模型的生成速度推向 1000 tokens/s。
架构：HySparse 混合稀疏注意力（Oracle Token Selection + KV Cache Sharing，2026-02 论文），兼顾长上下文与推理效率。
适用：中高强度 Agent 工作场景，编程、长程任务规划与工具调用。
2. MiMo-V2.5（增强智能 + 多模态）
「A leap in agency and multimodality」——在智能性与多模态理解上更进一步。
3. MiMo-V2.5-TTS Series 与 MiMo-V2.5-ASR（语音）
V2.5-TTS：端到端语音合成（「给智能体一个声音，一个灵魂」），高拟人、支持唱歌与方言，实现「千人千声」。
V2.5-ASR：语音识别/转写。
4. MiMo-V2-Pro（上一代旗舰基座，真实成绩有据）
规模：总参数超过 1 万亿（较上代翻两番），激活参数 420 亿，上下文长度 100 万 Token，创新混合注意力架构。
性能：第三方 AI 评测机构 Artificial Analysis 数据显示，MiMo-V2-Pro 在 10 个测评集综合得分 49，全球排名第 7、国内排名第 3，仅次于智源 GLM-5 和 MiniMax M2.7，高于 Grok 4.20 Beta。
场景：雷军举例称适用编程和「养虾」等复杂场景。
5. MiMo-V2-Omni（全模态基座）
原生支持图像、视频、音频、文本全模态感知与跨模态理解；具备原生 Agent 与 Browser Use 能力，是「通往具身智能的基座」；内测期间 Pinchbench 均分第一。
6. MiMo-V2-Flash（开源推理模型，MIT）
规模：3090 亿总参 / 150 亿活跃参数，256K 上下文，约 150 tokens/s。
创新：混合滑动窗口注意力（5:1，KV 缓存减少近 6 倍）+ 3 层多 Token 预测（加速 2.0–2.6 倍）。
成本：每百万 token 输入约 0.1 美元、输出约 0.3 美元，推理价格仅为 Claude Sonnet 4.5 的 2.5%。
基准：SWE-bench Verified 73.4%，超越所有开源模型、直逼 GPT-5-High；AIME 2025、GPQA-Diamond 均列开源前二。
7. MiMo-VL 系列（视觉语言）
MiMo-VL-7B：原生分辨率 ViT 编码器 + 高效 MLP 投影器 + MiMo-7B，混合策略强化学习（MORL）。
MiMo-VL-Miloco-7B：端侧视觉语言模型，专为智能家居优化，支持全屋视觉问答、规则触发、场景化动态推理。
8. MiMo-Audio 与 MiMo-Embodied（专用模型）
MiMo-Audio：语音模型，3 句样本快速学习，可区分车内/车外指令，识别玻璃破碎、烟雾报警等环境音。
MiMo-Embodied：业界首个打通自动驾驶与具身智能的跨域模型，应用于扫地机器人、工厂 AGV、SU7 高阶智驾等。
模型 | 类型 | 关键规格 | 许可/部署 |
|---|---|---|---|
MiMo-V2.5-Pro | 旗舰基座 | 约 1T 参数，HySparse，UltraSpeed 1000 TPS | 云端 API |
MiMo-V2.5 | 全模态 | 增强智能与多模态 | 云端 API |
MiMo-V2.5-TTS / ASR | 语音 | 拟人语音、唱歌、方言 / 语音转写 | 云端 API（TTS 限时免费） |
MiMo-V2-Pro | 上一代旗舰 | >1 万亿总参，420 亿激活，100 万上下文 | 云端 API |
MiMo-V2-Omni | 全模态 | 图/视频/音频/文本 + Browser Use | 云端 API |
MiMo-V2-Flash | 开源推理 | 3090 亿总参，256K，150 tokens/s | MIT 开源、可自部署 |
MiMo-VL-7B / Miloco-7B | 视觉语言 | 原生分辨率，端侧全屋视觉问答 | 开源 / 端侧 |
MiMo-Audio | 语音 | 少样本学习、环境音识别 | 专用 |
MiMo-Embodied | 具身 | 自动驾驶 × 具身智能跨域 | 专用 |
三、端云协同架构与部署方式
云端 API：通过 Xiaomi MiMo API 平台调用（platform.xiaomimimo.com），适合需要旗舰能力、长上下文与复杂推理的场景。
端侧本地运行：针对小米手机、IoT 设备优化，支持轻量版本地部署，低延迟、隐私保护。
开源自主部署：MiMo-V2-Flash、MiMo-7B 等模型已在 Hugging Face、GitHub 开源，采用 MIT 协议，可自由修改与商业使用。
四、生态兼容性：OpenClaw / Claude Code / Cursor 等直接接入
MiMo 在工具链兼容性上做了深度适配，MiMo Studio 底层采用 SGLang 推理加速，API 接口设计一键兼容主流开发工具，开发者可无缝接入现有工作流：
OpenClaw、Claude Code、OpenCode、KiloCode、Cursor、Cline 等编程/代理工具。
五、性能、中文优势与开源策略
中文能力突出：中文语料占比超过 40%，中文互联网语境下的理解力、表达力普遍优于同档海外模型。
小米生态深度融合：在米家智能设备控制、IoT 开发等场景具有独家优势。
端云协同架构：兼顾性能与隐私，支持本地运行。
高性价比：MiMo-V2-Flash 推理成本仅为同类闭源模型的 2.5%。
开源策略：关键模型采用 MIT 协议开源，吸引大量第三方开发者。
六、Token 定价方案（Lite / Standard / Pro / Max）
MiMo 采用 Token 折算机制，额度透明可控，提供四级梯度套餐（首购优惠价，每账号仅享一次）：
套餐 | 原价 | 首购优惠价 | Credits/月 | 适用人群 | 核心权益 |
|---|---|---|---|---|---|
Lite | ¥39/月 | ¥34.32/月 | 6000 万 | 尝鲜入门 | 全模型支持 |
Standard | ¥99/月 | ¥87.12/月 | 2 亿 | 进阶用户 | 3.3 倍 Lite 用量 |
Pro | ¥329/月 | ¥289.52/月 | 7 亿 | 专业开发者 | 11.7 倍 Lite 用量 |
Max | ¥659/月 | ¥579.92/月 | 16 亿 | 编程开发发烧友 | 26.7 倍 Lite 用量 |
统一权益：支持 MiMo 各旗舰模型（如 MiMo-V2.5-Pro / V2-Pro / V2-Omni 等）、可接 OpenClaw / Claude Code / OpenCode / KiloCode 等主流编程工具、MiMo TTS 模型限时免费。
API 定价参考（MiMo-V2-Pro）：256K 上下文 输入约 1/百万、输出约 3/百万 Tokens；100 万上下文 输入约 2/百万、输出约 6/百万 Tokens。（以上为阶段性参考，以官网实时与结算页面为准。）
七、平台入口与如何开始
Xiaomi MiMo API：https://platform.xiaomimimo.com/（API 调用、Token 购买）
Xiaomi MiMo Studio：https://aistudio.xiaomimimo.com/#/（在线体验、模型测试）
官方博客：https://mimo.xiaomi.com/（产品动态、技术博客）
开源仓库：Hugging Face / GitHub（模型权重、推理代码）
快速开始：在 MiMo API 平台注册账号，获取 API Key，选择适合自己的 Token 套餐，即可通过云端 API 或直接接入 OpenClaw / Claude Code / Cursor / Cline 等工具使用。
八、应用场景
编程开发：代码生成、Bug 修复、工具调用（长程编程 Agent，如 MiMo Code）。
智能家居：全屋视觉问答、场景联动、设备控制（MiMo-VL 端侧）。
智能座舱：语音交互、环境音识别（MiMo-Audio）。
具身智能：扫地机器人、自动驾驶、工厂 AGV（MiMo-Embodied）。
九、Xiaomi MiMo 常见问题（FAQ）
Q1：Xiaomi MiMo 是什么？
小米自研 AI 大模型系列，定位「定义智能体时代的旗舰基座大模型」，是小米「人车家」全生态的核心智能底座，采用端云协同架构。
Q2：MiMo 的当前旗舰是什么？
截至 2026 年 8 月，当前旗舰为 MiMo-V2.5-Pro，约 1 万亿参数，采用 HySparse 混合稀疏注意力，UltraSpeed 模式生成速度可达 1000 tokens/s。
Q3：MiMo 是免费的吗？
MiMo 提供 Token 套餐（Lite 至 Max，¥39–659/月，首购有优惠），部分语音模型（如 TTS）限时免费；开源模型（V2-Flash、MiMo-7B）在 MIT 协议下可免费自部署。
Q4：MiMo 能接 OpenClaw / Claude Code / Cursor 吗？
可以。MiMo API 兼容 OpenClaw、Claude Code、OpenCode、KiloCode、Cursor、Cline 等主流工具，MiMo Studio 底层用 SGLang 加速，可一键接入。
Q5：MiMo 开源了吗？
关键模型采用 MIT 协议开源，如 MiMo-V2-Flash、MiMo-7B、MiMo-VL 系列，可在 Hugging Face / GitHub 下载自主部署。
Q6：MiMo 有哪些系列？
覆盖文本、语音、视觉、具身的全模态矩阵，包括 V2.5-Pro / V2.5 / V2.5-TTS / V2.5-ASR / V2-Pro / V2-Omni / V2-Flash / MiMo-VL / MiMo-Audio / MiMo-Embodied 等。
Q7：MiMo 的中文能力如何？
中文语料占比超 40%，中文互联网语境的理解力与表达力普遍优于同档海外模型。
Q8：MiMo 支持音视频等多模态吗？
支持。MiMo-V2-Omni 原生支持图像、视频、音频、文本全模态感知与 Browser Use；MiMo-VL 支持视觉问答；MiMo-Audio 支持环境音识别。
十、结语：Xiaomi MiMo 的定位与价值
Xiaomi MiMo 的价值，在于它不是「又一个云端聊天模型」，而是为小米「人车家」全生态定制的 AI 核心。它以端云协同兼顾性能与隐私，以 MiMo-V2.5-Pro 旗舰基座 + 全模态矩阵覆盖文本、语音、视觉与具身智能，又以强大的生态兼容性（OpenClaw / Claude Code / Cursor 等）与 MIT 开源策略吸引开发者。对开发者而言，它提供了高性价比、中文友好、可自由部署的一流选择；对小米自身而言，它是连接手机、车、家与具身智能的「大脑」。2026 年，随着 160 亿 AI 投入落地，MiMo 有望成为国内大模型竞争中不可忽视的一极。
