小米发布新模型MiMo-V2-Flash：媲美 DeepSeek-V3.2

DoNews12月17日消息，据APPSO报道，刚刚，小米正式发布并开源新模型 MiMo-V2-Flash。MiMo-V2-Flash 总参数 3090 亿，活跃参数 150 亿，采用专家混合架构 (MoE)，性能还能和 DeepSeek-V3.2、Kimi-K2 这些头部开源模型掰掰手腕。

此外，MiMo-V2-Flash 采用 MIT 开源协议，基础版权重也已经在 Hugging Face 上发布。除去「开源」这一标签，新模型真正的杀手锏在于架构设计上的激进创新，把推理速度拉到了 150 tokens/秒，成本压到了每百万 token 输入 0.1 美元、输出 0.3 美元，主打一个超绝性价比。

根据官方体验页面信息，MiMo-V2-Flash 还支持深度思考和联网搜索功能，既能对话聊天，也能在需要实时数据、最新动态或资料核对的场景里派上用场。

基准测试成绩显示，AIME 2025 数学竞赛和 GPQA-Diamond 科学知识测试中，MiMo-V2-Flash 都排在开源模型前两名。编程能力更是亮眼，SWE-bench Verified 得分 73.4%，超越所有开源模型，直逼 GPT-5-High。而这个测试是让 AI 去修真实世界的软件 bug，73.4% 的成功率也意味着它能搞定大部分实际编程问题。

在多语言编程基准测试 SWE-Bench Multilingual 里，MiMo-V2-Flash 的解决率为 71.7%。转看智能体任务，MiMo-V2-Flash 在τ²-Bench 分类得分中，通信类 95.3 分，零售类 79.5 分，航空类 66.0 分，BrowseComp 搜索代理得分 45.4，启用上下文管理后直接飙到 58.3。

这些数据说明，MiMo-V2-Flash 不仅会写代码，还能真正理解复杂任务逻辑，执行多轮智能体交互。

更重要的是，写作质量也接近顶级闭源模型，这意味着 MiMo-V2-Flash 不只是个工具，还能当个靠谱的日常助手。

MiMo-V2-Flash 在保持长文本性能的同时，还降低了成本，究其原因，离不开两项核心技术创新。

混合滑动窗口注意力机制：传统大模型处理长文本时，全局注意力机制会导致计算量二次爆炸，存储中间结果的 KV 缓存也跟着飙升。

小米这次采用了 5 比 1 的激进比例，5 层滑动窗口注意力搭配 1 层全局注意力交替使用，滑动窗口只看 128 个 token。

这种设计让 KV 缓存存储量直接减少了近 6 倍，但长文本能力却没打折扣，最长支持 256k 上下文窗口。

且模型即使在这么激进的窗口设置下，照样能稳住长文本性能。

对此，罗福莉在社交平台上特别指出一个反直觉的发现：窗口大小 128 是「最佳甜点值」。实验证明，盲目扩大窗口（如增至 512）反而会导致性能下降。同时她强调，在实施该机制时，sink values 是维持性能的关键，绝不可省略。

另一个黑科技是轻量级多 Token 预测 (MTP)。

传统模型生成文本时一次只能吐一个 token，就像打字员一个字一个字敲。MiMo-V2-Flash 通过原生集成的 MTP 模块，能并行预测多个 token，一次性猜出接下来好几个 token。

实测平均能接受 2.8 到 3.6 个 token，推理速度直接提升 2 到 2.6 倍，不仅在推理时管用，训练阶段也能加速采样，减少 GPU 空转，属于一箭双雕。

罗福莉提到，在三层 MTP 设置下，他们观察到平均接受长度超过 3，编码任务速度提升约 2.5 倍。它有效解决了小批量 On-Policy 强化学习中「长尾样本」带来的 GPU 空闲时间浪费问题。

啥叫长尾样本？就是那些特别难、特别慢的任务，拖着其他任务一起等，GPU 就在那干瞪眼。MTP 把这个问题给解了，极大提高了效率。

不过罗福莉也坦诚，这次因为时间紧迫没能把 MTP 完整集成进 RL 训练循环，但它与该流程高度契合。小米已经把三层 MTP 开源了，方便大家在自己的项目中使用与开发。

算力只用 1/50，性能如何不打折？

预训练阶段，新模型使用 FP8 混合精度，在 27 万亿 token 数据上完成训练，原生支持 32k 序列长度。

FP8 混合精度是一种压缩数值表示的技术，能在保持精度的同时减少显存占用和加速训练。这种训练方式在业界并不常见，需要对底层框架进行深度优化。

而在后训练阶段，小米整了个大活，提出了多教师在线策略蒸馏 (MOPD)。

传统的监督微调加强化学习管线，不仅训练不稳定，算力消耗还贼高。MOPD 的思路是让学生模型在自己的策略分布上采样，然后由多个专家教师在每个 token 位置提供密集的奖励信号。

MOPD Architecture Diagram

通俗点说就是，学生模型自己写作业，老师在每个字上都给评分，不用等写完整篇才打分。这样一来，学生模型能快速从教师那里学到精髓，而且训练过程稳定得多。

最夸张的是效率提升，MOPD 只需要传统方法 1/50 的算力，就能让学生模型达到教师性能峰值。这意味着小米能用更少的资源，更快地迭代模型。

而且 MOPD 支持灵活接入新教师，学生模型成长后还能反过来当教师，形成「教与学」的闭环自我进化。今天的学生，明天的老师，后天又能教出更强的学生，套娃玩法属实有点东西。

用罗福莉的话来说，他们借鉴 Thinking Machine 的 On-Policy Distillation 方法，将多个强化学习模型进行融合，结果带来了惊人的效率提升。这为构建一个自我强化循环系统奠定了基础，学生模型可以逐步进化，最终成为更强的教师模型。

On-Policy Distillation - Thinking Machines Lab

在智能体强化学习扩展上，小米 MiMo-V2-Flash 研究团队基于真实 GitHub issue 构建了超过 10 万个可验证任务，自动化流水线跑在 Kubernetes 集群上，并发能开 10000 多个 Pod，环境部署成功率 70%。

针对网页开发任务，还专门搞了个多模态验证器，通过录制视频而非静态截图来验证代码执行结果，直接减少视觉幻觉，确保功能正确。

对于开发者而言，MiMo-V2-Flash 能与 Claude Code、Cursor、Cline 等主流开发环境无缝配合，256k 的超长上下文窗口支持数百轮智能体交互与工具调用。

256k 是什么概念? 大概相当于一本中等篇幅的小说，或者几十页技术文档。这意味着开发者可以把 MiMo-V2-Flash 直接融入现有工作流，不需要额外适配，拿来就用。

小米还把所有推理代码贡献给了 SGLang，并在 LMSYS 博客分享了推理优化经验。

技术报告公开了完整模型细节，模型权重 (包括 MiMo-V2-Flash-Base) 在 Hugging Face 上以 MIT 许可协议发布。这种全面开源的态度，在国内大厂里属实少见。

目前 MiMo-V2-Flash 已经在 API Platform 限时免费开放，开发者可以直接上手体验。