小米发了个 310B：性能不一定最强，但路线很现实

今天我有一个考试，考试前的半个小时刷twitter，看到了小米发布的模型，但是没顾得上仔细看，晚上再看的时候。

觉得这貌似是前DeepSeek的核心参与者Fuli Luo，到新公司小米之后正式发布的第一条twitter，所以从含金量上来说肯定是拉满了。

当然事实上也的确是，从小米的huggingface上可以看到，MiMo-V2-Flash是一个单独的系列，相比起其他系列，这个系列最大的特点就是大，足足有310B，而其他的都只有8B。

很明显的，8B的模型唯一的优势就是速度快，但是要谈到能用的程序，还远远不够。

而310B这个量级，基本上可以说是够用了。

为什么说是够用呢，因为小米这种公司本身就不是搞AI的，所以把AI刷到世界第一既不可能，也没有太大的必要。

最重要的是够用和好用，最好是能跟小米的整个硬件生态关联上。

有些人可能会提到这不就是刷Benchmark吗？这话怎么说的。没有新出的大模型不刷Benchmark的，因为如果没有在benchmark上达到sota，那就根本没有发布的意义。

其实刷benchmark也是有策略的，大多数情况就是小米这样，拿通用的benchmark跑一遍，跑到大多数达到sota即可。

而有些公司，比如OpenAI，他们是发现普通的benchmark都被刷烂了，再刷也很难体现他们的断崖式领先了，所以他们会有动力搞新的benchmark，这就是所谓的规则制定者。

所以，刷榜正常也非常的必要。

至于真实的使用性能，我觉得对于小米的模型来说，能够实现deepseek级别的理解能力，其余的都应该放到efficient上。

而实际上小米的整个模型也是这么干的。

01

小米模型的技术策略

第一，架构设计

5层Sliding Window Attenion（SWA）+1层Global Attention（GA），然后重复8次，可以大多数的层都很省，只有1/9的层在做大批量运算。

但SWA的窗口很小，所以出现attention sink，看起来MiMO专门在这个地方打了补丁。

第二，Lightweight Multi-Token Prediction（MTP）：轻量多 token 预测

传统的大模型一个token一个token的吐，慢和贵，一次性吐好几个肯定快，但是稳定性就很难说了。

它这里提到的Speculative Decoding（投机解码），就是用一个小模型先“草拟一串 token”，大模型再验证/修正。

看起来MiMO模型原生的集成了这个模块，让大模型自己在一步里“预测多个未来 token”，而不是传统的另外训练一个“草稿模型”。

基本上就是用hybrid attention（SWA +GA） + MTP这俩工具把“长上下文 + 推理速度”这两大痛点压下去（省显存、省算力、输出更快），打造出了这一款最新的国产大模型。

速度肯定是快，因为很多巧思都用在了速度和效率上。

但是天下没有免费的午餐。

性能肯定不会拔尖，但是我觉得对于小米来说关系不大，快和能用比较重要。

02

小米模型的性能优化

在性能上，看起来小米干了三件事：

Multi-Teacher On-Policy Distillation (MOPD)

第一个很有意思，最近看了一个帖子，说是的2025年最流行的Policy Optimization algorithms，看起来小米自己也做了一个MOPD，不过好不好用现在还很难说，过几个月看有多少人用就知道了。

PPO (Proximal Policy Optimization)

GRPO (Group Relative)

GSPO (Group Sequence)

DAPO (Decoupled Clip and Dynamic sAmpling)

BAPO (BAlanced)

ARPO (Agentic Reinforced)

Scaling Agentic RL

第二个，Scaling Agentic RL

我觉得这应该是小米的强项，因为它的小米生态里面有太多的任务可以拿来测试了，甚至这应该是小米未来最强的点。

就跟Nano Banana之于Google一样，人家的强项就是数据，OpenAI的图像生成你再怎么搞也不可能老大。

而小米的优势就是硬件生态，甚至说能搞出豆包AI手机一样的东西也不是不可能。

Advanced RL Infrastructure

第三个，Advanced RL Infrastructure

讲的是大规模训练时候的细节问题，本质上就是“你论文里写一句话，工程上要填一万个坑”的那种东西：MoE 的路由一致性、rollout 和训练对齐、前缀缓存、多轮工具调用的资源调度、长尾任务拖慢 GPU 利用率，都是这种体系一旦做大就绕不开的脏活累活。

这部分一般不太容易刷出一个“新算法名字”，但反而最能体现一个团队到底有没有真把系统跑起来。

所以我对 MiMo-V2-Flash 的整体判断很简单：它不是那种要拿第一名的模型，而是那种“为了能落地、能跑得快、能接得上产品”而做出来的模型。

如果小米接下来能把它真正放进自己的硬件生态里，让它变成一个稳定可用的能力层（而不是停留在论文和榜单里），那它的意义会比单纯刷几个分大得多。

至于它最后能走多远，其实就看两件事：

第一，有多少开发者愿意用它、围绕它做应用。

第二，小米能不能把“模型”变成“系统能力”，从手机到家电到车机，真正连成一条链。