如果你在跑大量 Agent 工作流,MiMo-V2.5-Pro 目前可能是全球最值得用的开源旗舰——3(每百万 token 输入/输出),SWE-bench Pro 得分 57.2%,贴着 GPT-5.4(57.7%)的成绩,成本却只有 Claude Opus 4.6 的约五分之一。但它不是全科第一,在深度推理和科学推理上有明显短板。要选对模型,先得搞清楚你的任务类型。 MiMo 是什么,从哪里来
小米 MiMo 家族从 2025 年 4 月的 7B 轻量模型起步,采用 MIT 开源协议,一路快速迭代。值得一提的是,MiMo-V2-Pro 正式发布前曾以代号"Hunter Alpha"匿名出现在 OpenRouter,连续数日登顶日活榜首,整个 AI 社区都以为是 DeepSeek 新版本——真身揭晓之后算是 2026 年上半年的一场小名场面。 目前全系主力型号如下:
V2 到 V2.5 最核心的变化是:原来推理模型(V2-Pro)和多模态模型(V2-Omni)各自独立,V2.5 把它们合并成统一架构,推理能力和多模态感知不再互相打折。
技术架构:为什么 token 能省这么多
MiMo 全系用的是 Sparse MoE(稀疏混合专家)架构,1.02T 总参数但实际只激活 42B,这本身就是低成本推理的基础。更关键的三个设计:
混合注意力(Hybrid Attention):SWA 与 Global Attention 以 6:1 比例交错,128-token 窗口下 KV-Cache 存储减少近 7 倍,长上下文跑起来代价明显更低。
Multi-Token Prediction(MTP):原生集成轻量 MTP 模块,推理吞吐量提升约 3 倍,这直接解释了为什么 MiMo 跑同等任务用的 token 比竞品少。
MOPD 多教师蒸馏:用于高效扩展后训练 compute,V2-Flash 引入,延续到 V2.5 系列。
ClawEval 基准的实测数据印证了这点:V2.5-Pro 达到 64% Pass³ 时每条轨迹约消耗 70,000 tokens,比 Claude Opus 4.6、Gemini 3.1 Pro、GPT-5.4 在同等性能下少消耗 40%–60%。这不是价格优惠,是架构层面的结构性差异,省下来的钱是真实的。 基准表现:能打,但有明显软肋
Artificial Analysis Intelligence Index v4.0 中,V2.5-Pro 得分 54 分,全球第 6 位(513 个模型里),旗舰开源梯队没问题。
代码工程方面确实强:SWE-bench Pro 57.2%,超过 Claude Opus 4.6(53.4%),贴近 GPT-5.4(57.7%)。行业平均水平约 25%,相对优势超过 2 倍。注意:小米官方宣传的 78.9% 是基于 SWE-bench Verified,这个榜单存在训练数据污染问题,可信度低,以 Pro 榜单 57.2% 为准更稳妥。
Agent 真实工作任务方面,GDPval-AA 得分 1578,超过 DS V4-Pro(1554)、GLM-5.1(1535)、Kimi K2.6(1484),是目前开源模型里 Agent 实际工作得分最高的。 但软肋很明显:MMLU-Pro 68.5%(vs DeepSeek V4-Pro 的 87.5%),GPQA-Diamond 66.7%(vs Qwen 3.5 的 88.4%),两项差距都超过 20 个百分点。要跑复杂科学推理或者学术研究,MiMo 不是最优选。
Artificial Analysis 独立测试还发现,V2.5-Pro 的幻觉率得分相比 V2-Pro 有小幅回退(5分→4分),批判性思维维度也出现退步。V2EX 和 CSDN 开发者实测中也反映隐性 Bug 检出弱——代码逻辑有误但不报错,MiMo 定位不到。生产级代码审查场景迁移前需要做专项回归测试,别直接上。
定价:这才是最大的竞争优势
小米于2026年5月27日宣布 MiMo-V2.5 系列 API 永久降价,幅度相当激进。以下是最新价格(单位:¥/百万tokens):
换算成美元对比(按约7.3汇率):
这次降价之后,MiMo-V2.5-Pro 的输出价格约为 Claude Opus 4.6 的三十分之一,比降价前还便宜了约71-86%。缓存命中场景下输入价格压到了¥0.025,几乎可以忽略不计。
如果你每月处理1亿tokens(中度用量),MiMo-V2.5-Pro 月费约¥900(输入输出1:1),同等用量 Claude Opus 4.6 需要约¥22,000,差距接近25倍。
速度与选型建议
MiMo-V2.5-Pro 推理速度约 63 tok/s,旗舰 MoE 级别中处于中等,参数从 309B 扩到 1T 带来的代价。MiMo-V2-Flash 146 tok/s,是目前主流大模型里速度前三,适合高并发场景。
选型简单说:
- 高频 Agent 工作流、成本敏感:MiMo-V2.5-Pro,token 效率和价格都占优
- 复杂科学推理、学术研究:Qwen 3.5 或 DeepSeek V4-Pro,GPQA 维度差距太大
- 生产级代码 Bug 审查:DS V4-Pro 或 GPT-5.4,MiMo 在这块还不够稳
- 本地部署、高并发:MiMo-V2-Flash,MIT 开源,146 tok/s,成本最低
- 中文内容创作、本土化场景:MiMo-V2.5-Pro,中文互联网语境理解明显优于主流海外模型
MiMo 的竞争逻辑和 DeepSeek 高度相似:不争单项榜单第一,而是靠开源生态加极致性价比在 Agent 基础设施市场卡位。小米宣布未来三年 AI 投入超 600 亿,这条路它打算走很长。如果你的业务场景是大量 Agent 工作流,MiMo-V2.5-Pro 现在值得认真评估——当然,评估前先把隐性 Bug 检出这条风险记清楚。