Xiaomi MiMo

Xiaomi MiMo 是什麼？

Xiaomi MiMo 是小米推出的大型基礎模型系列，專為在真實世界場景中驅動智慧 Agent 系統而設計。最新的 V2 系列包含三款專業化模型：MiMo-V2-Pro，面向複雜 Agent 工作負載的兆參數旗艦模型，支援 100 萬 token 上下文視窗；MiMo-V2-Omni，原生多模態基礎模型，將文字、視覺與音訊感知融合為統一的 Agent 流水線；以及 MiMo-V2-TTS，具備精細多層次聲音風格控制的語音合成模型。三款模型共同覆蓋從推理、感知到執行與語音輸出的完整鏈路。所有模型均可透過 API 和網頁 Demo 存取，並計劃開源發布。

主要功能

• 前沿智慧體推理

  MiMo-V2-Pro 擁有 1T 總參數（啟動 42B），採用混合注意力架構，支援 100 萬 token 上下文視窗——在 Artificial Analysis Intelligence Index 全球排名第 8，並在真實世界智慧體基準測試（GDPval-AA）中位居中文大型語言模型第一。

• 全棧全模態感知

  MiMo-V2-Omni 原生融合文字、視覺與音訊理解，支援視聽聯合推理、多說話者分離，以及超過 10 小時的連續音訊理解——在音訊理解基準測試上超越 Gemini 3 Pro。

• 富有表現力的語音合成

  MiMo-V2-TTS 採用自研 Audio Tokenizer 與多碼本語音-文字聯合建模，實現多層次聲音風格控制——從整體語調到句中情感切換——並在歌唱中精確還原音高與節奏。

• Agent 框架整合

  MiMo-V2-Pro 作為 OpenClaw 的原生大腦，並與 OpenCode、KiloCode、Blackbox、Cline 等框架深度整合，在 PinchBench 和 ClawEval 上取得全球領先成績。

• API 與開發者存取

  三款模型均可透過 MiMo 開發者平台（platform.xiaomimimo.com）存取，提供相容 OpenAI 的 API，並已整合至小米自有產品 MiMo Studio 和小米瀏覽器。

使用案例

• 自主 Agent 工作流程 : 工程團隊和企業可將 MiMo-V2-Pro 部署為 Agent 系統的推理核心，處理多步驟任務規劃、工具呼叫以及生產級軟體工程任務，最大程度減少人工介入。
• 多模態內容理解 : 需要對影片、音訊和文字進行聯合解析的開發者——如會議分析、媒體監控或無障礙工具——可借助 MiMo-V2-Omni 的統一感知流水線建構應用程式。
• 智慧語音應用 : 產品團隊可使用 MiMo-V2-TTS 建構語音助理、有聲書朗讀工具或角色對話系統，支援細膩的情感表達與方言。
• 複雜程式設計與工程 : 軟體開發者可使用 MiMo-V2-Pro 完成高強度程式設計任務，其程式碼能力超越 Claude 4.6 Sonnet，100 萬 token 上下文可在單次處理中涵蓋大型程式碼庫。
• 生產力平台整合 : 辦公及企業軟體廠商（如金山辦公）可透過標準化 API 將 MiMo 模型嵌入文件編輯、摘要生成和工作流程自動化場景。

常見問題