小米MiMo-V2.5系列权重已于2026年4月28日以MIT协议全量开源，包含MiMo-V2.5、MiMo-V2.5-Pro及Base版本，可自由下载、商用与微调。本文提供GitCode、HuggingFace（含国内镜像）、ModelScope魔搭三种下载方式，并附权重加载安装的完整步骤与避坑指南。
MiMo-V2.5权重包含哪些文件
MiMo-V2.5权重以safetensors格式存储，由多个权重分片（如model-00001-of-000XX.safetensors）与索引文件（model.safetensors.index.json）组成，并附带配置文件：
- config.json：模型架构配置（隐藏层维度、层数、注意力头数等）。
- tokenizer_config.json / tokenizer.model：分词器配置与词表。
- generation_config.json：推理生成参数（temperature、top_p、max_new_tokens等）。
- configuration_mimo_v2.py：MiMo自定义模型代码，加载时需trust-remote-code。
其中Base权重体积相对最小，适合个人开发者入门；MiMo-V2.5（310B）与MiMo-V2.5-Pro（1.02T参数）权重文件较大，下载与存储需预留充足磁盘空间（建议100GB以上空闲）。
方式一：GitCode下载（国内推荐）
小米在GitCode（gitcode.com）开设了官方组织仓库，国内访问无需代理、速度稳定，是最省心的下载方式。
- 打开仓库页面：
https://gitcode.com/XiaomiMiMo/MiMo-V2.5-Base（按需替换为MiMo-V2.5或MiMo-V2.5-Pro）。
- 本地执行克隆：git clone https://gitcode.com/XiaomiMiMo/MiMo-V2.5-Base cd MiMo-V2.5-Base
方式二：HuggingFace官方下载
若需要最新权重或参与社区生态，可从HuggingFace官方仓库（huggingface.co/XiaomiMiMo）下载。国内用户强烈建议先配置镜像加速。
方法A：配置镜像后用huggingface-cli下载（推荐，支持断点续传）
- 安装工具：
pip install -U huggingface_hub。
- 设置国内镜像（Linux/macOS）：export HF_ENDPOINT=https://hf-mirror.comWindows PowerShell：
$env:HF_ENDPOINT = "https://hf-mirror.com"。
- 下载权重（
--resume-download支持断点续传）：huggingface-cli download --resume-download --local-dir ./MiMo-V2.5-Base XiaomiMiMo/MiMo-V2.5-Base
方法B：git lfs克隆（适合习惯Git流程的用户）
- 安装Git LFS：
git lfs install。
- 克隆仓库：git lfs clone https://huggingface.co/XiaomiMiMo/MiMo-V2.5-Base
- 若网络受限，可在clone前设置
HF_ENDPOINT=https://hf-mirror.com环境变量走镜像。
方法C：Python代码下载
也可在脚本中直接调用snapshot_download，自动缓存到本地：
方式三：ModelScope魔搭社区下载
MiMo-V2.5系列已在ModelScope（魔搭社区）上线，国内下载体验优秀。可安装modelscope SDK后用命令或代码下载： 代码中调用snapshot_download：
权重下载后的安装/加载步骤
大模型语境下的"安装权重"指在Python环境中加载本地权重并实例化模型。以下以Transformers加载MiMo-V2.5-Base为例：
- 安装依赖：
pip install torch transformers accelerate（建议Python 3.10+、CUDA 12.0+）。
- 加载模型与分词器，注意必须开启
trust_remote_code：from transformers import AutoModelForCausalLM, AutoTokenizer model = AutoModelForCausalLM.from_pretrained( "./MiMo-V2.5-Base", trust_remote_code=True, torch_dtype="auto", device_map="auto" ) tokenizer = AutoTokenizer.from_pretrained( "./MiMo-V2.5-Base", trust_remote_code=True )
- 简单推理验证：messages = [{"role": "user", "content": "用一句话介绍MiMo-V2.5"}] inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device) outputs = model.generate(inputs, max_new_tokens=256) print(tokenizer.decode(outputs[0], skip_special_tokens=True))
若仅做推理部署，无需手动加载，可直接将本地权重目录作为--model-path传给SGLang或vLLM（详见本系列部署教程）。
下载安装常见问题与避坑
- 下载中断/龟速：务必加上
--resume-download或git lfs续传参数；国内优先走hf-mirror.com镜像或GitCode/魔搭源。
- 磁盘空间不足：310B/1T级权重分片较多，下载前确认磁盘剩余空间充足，避免写到一半失败。
- 缺少trust_remote_code报错：MiMo含自定义模型定义，from_pretrained和推理框架启动都必须加trust_remote_code，否则加载失败。
- 显存溢出（OOM）：用device_map="auto"自动分配，或改用FP8/FP4量化版本与推理框架部署，切勿以全精度在单卡加载大模型。
- 版本不匹配：确保transformers、vLLM/SGLang版本满足官方README要求，旧版本可能无法识别MiMo的自定义架构。
下载安装注意事项
- 授权合规：MiMo-V2.5采用MIT协议，下载、商用、微调均无需申请，但分发时须保留原始版权与许可证声明。
- 选对版本：Base版适合二次训练与入门实验；310B全模态版适合多模态任务；Pro版（1.02T）参数最大、对硬件要求最高，按实际需求选择。
- 校验完整性：下载完成后建议核对model.safetensors.index.json中记录的分片数量与本地一致，避免缺失分片导致加载报错。
- 网络安全：仅从官方仓库（XiaomiMiMo组织下的HuggingFace/GitCode/ModelScope）下载，警惕第三方转存的篡改风险。
以上内容基于小米官方公开信息及社区通用下载实践整理。模型版本、仓库地址、文件结构与框架适配可能随版本迭代更新，具体请以MiMo-V2.5官方仓库（HuggingFace/XiaomiMiMo、GitCode/XiaomiMiMo、ModelScope/XiaomiMiMo）最新说明为准。
AI 速览
