罗福莉首秀，雷军的AI新战事

文｜光锥智能 魏琳华

从年初曝出与雷军接触、离职，到上个月官宣加入小米，再到本月出席小米"人车家全生态大会"，被冠以"天才少女"名号的罗福莉，站在台前拿出了新模型MiMo-V2-Flash。

刚刚在这个领域开始起跑的小米，交出了一份看起来不错的成绩单。

作为一个参数309B、激活参数15B的"大"模型（罗福莉本人也提到，这个尺寸小到不愿意称之为大模型），在小米团队的构想中，这个模型是为了给Agent当基座来训练的。

为此，这个模型的优化更加侧重一些特定的方向，核心是高性价比、快速：

比如能够达到每秒150 tokens的生成速度、极低的成本，在保持高性价比的同时，它还保证了模型的性能。

"它的代码能力和 Agent 能力在世界级公开公正的评估榜单上，已经进入了全球开源模型 Top 1-2 的行列。"罗福莉说，"大部分评估基准已经超过或者和DeepSeek-V3、Kimi K2- Thinking、Qwen等模型相当，但它的参数是后者们的1/2-1/3。"

发布的小米模型，也面临了两极分化的口碑，有人盛赞模型代码能力领先，有人则认为这是一个"刷分"之作。

无论如何，小米需要AI。

选在12月18日的人车家全生态大会，更说明了AI之于小米的重要性。

放到智能终端，摆在小米眼前的两个任务是：第一，做轻量化模型，靠端侧部署，升级"超级小爱"和澎湃OS，把AI接入智能终端；第二，智驾方面，小米则更需要大模型做基座，靠模型给智驾能力提升空间。

做AI上，小米用行动表示，自己"动真格"了。

01 压成本、提速，小米押注Agent

从一开始，小米做AI的目标，或许早在2023年雷军的年度演讲上就提到了——"轻量化+端侧部署"。

罗福莉在演讲中直言，当下模型学习的方向与生物智能的进化方向存在背离，单纯的"大力出奇迹"已难以涌现更高阶的智能。

当Scaling Law能够带来的提升越来越少，小米选择了一条更契合自身的路：做一个参数小、性能好且够便宜的模型。

"Scaling的范式已经逐步从预训练（Pre-train）转向后训练（Post-train），"罗福莉解释道，"我们如何激发后训练的潜能？这就需要一个稳定的范式，以便在强化学习（RL）上投入更多的算力。"

为此，作为一个给Agent打底的模型，MiMo-V2-Flash的优化逻辑指向了三个关键问题：

高效沟通：强化代码能力和工具调用，这是智能体交互的基础。

加速带宽：通过极高的推理效率，解决智能体之间信息传递的瓶颈。

发力后训练：通过稳定范式，激发强化学习的潜能。

由此，小米做了个309B的大模型MiMo-V2-Flash，从指标上来看，它最突出的地方在于代码能力。

在官方给出的数据中，可以看到，在SWE-Bench Multilingual（软件工程基准测试中的多语言版本）中，该模型甚至超过了包括GPT-5在内的一众闭源大模型。

虽然在其他指标上，该模型和DeepSeek V3.2、kimi k2 Thinging等开源模型还有些许差距，但作为一个尺寸较小的模型，表现已经很亮眼。

更核心的其实是这个模型在推理速度和价格上的优化：

用Claude Sonnet 4.5作为对比指标，小米新模型的推理价格仅为其2.5%，生成速度却是其2倍。

MiMo-V2-Flash的API定价为，输入0.7元/百万tokens，输出2.1元/百万tokens。和国内模型相比，这也是一个非常具备竞争力的价格。

为了优化成本，提升推理速度，小米披露了其背后的技术架构选择——混合注意力机制。

从混合注意力机制上下手，月之暗面、MiniMax等独角兽也曾在类似方向上探索。

小米的选择是，采用了5:1的滑动窗口注意力（Sliding Window Attention, SWA）与全局注意力（Global Attention, GA）的混合结构。

官方实验表明，SWA在长文和推理能力上优于主流的线性注意力机制，且固定大小的KV Cache极易适配现有的基础设施（Infra）。

不过，对于小米来说，如果要达到在会上宣讲的效果，把模型接入到车、手机等设备中，300B还是一个不小的规模，距离端侧落地仍有距离。

最耐人寻味的，或许是罗福莉在演讲时的结语：

"AI进化的下一个起点，一定要有一个可以跟真实环境交互的物理模型，"罗福莉说道，"我们要打造的本质上不是一个程序，而是一个具备物理一致性、时空连贯性的虚拟宇宙。"

从今年小米的模型发布动态上，我们猜测，小米未来的优化将被拆解为两条线：一是死磕端侧，为智能终端加码；二是攻克物理模型，补足在智驾方面的模型能力。

02 做端侧、做智驾AI给小米全家桶打底

无论外界对参数和架构的讨论如何热烈，对小米而言，AI的价值最终必须回归到业务。

选在12月18日的人车家全生态大会发布模型，本身就说明了AI之于小米的战略意义：

在智能终端侧，通过升级"超级小爱"和澎湃OS，让它们从指令执行者变为真正的助理；在智能驾驶侧，则急需大模型作为基座，拓展智驾的上限。

回顾2025年，小米在MiMo系列上的发力呈现出一种急行军的态势，不同于两年前模型发布后的安静，今年的小米高调了起来。

4月：开源MiMo-7B系列，覆盖基础、指令微调及强化学习版。

5月：发布MiMo-VL-7B，突破多模态视觉理解。

11月：推出MiMo-Embodied具身智能大模型，整合自动驾驶与机器人技术。

12月：MiMo-V2-Flash压轴登场，主打极致效率与Agent能力。

这一连串动作的背后，是巨额的真金白银。小米集团总裁卢伟冰在财报电话会上明确表示，AI是核心研发方向。2025年，小米研发投入预计超过300亿元，其中四分之一（约75亿元）将直接砸向AI领域，并计划在未来五年投入超过2000亿元。

"在端侧，我们要追求轻量算力、低功耗和周期成本，这样才能普及端侧AI，"卢伟冰说道，"这一定是小米未来的大方向，也是小米的优势所在。"

组织层面的动作，同样印证了小米的决心：从2024年开始，小米搭建了自己的AI Infra平台，去年年底，界面新闻爆出，小米正在着手搭建自己的GPU万卡集群，将对AI大模型大力投入。据悉，其团队在成立时已有6500张GPU资源。

为了支撑这一战略，小米的人才拼图也在2025年逐步完整。

除了负责基础大模型的罗福莉，小米还挖来了陈龙服务于智驾团队。这种"双核"配置在技术路线上已经初见成效——陈龙团队提出并开源了全球首个打通自驾与具身操作的跨具身（X-Embodied）基座模型MiMo-Embodied。

这一模型试图解决自动驾驶与机器人之间的知识迁移难题，意味着小米正在尝试用一套通用的AI逻辑，去驱动其庞大的硬件生态——从手中的手机，到智能家居，再到智驾。

雷军曾提到，小米的AI战略是"轻量化+本地部署"。可以看到，小米是一定会利用在全球连接超过10亿台设备的巨大存量优势，靠AI做业务。

对于小米来说，MiMo-V2-Flash的发布不仅仅是为了在排行榜上占据一席之地。它是小米试图向资本市场和用户讲述的一个新故事：

一家硬件公司，正在通过掌握最高效的"大脑"（AI模型）和最广泛的"身体"（人车家生态），试图在智能时代完成一次彻底的进化。

至于这个故事能否讲通，不仅取决于模型做得好不好，更取决于这些技术能否真正跑通每一台小米设备，转化为用户感知得到的体验。