文｜魏琳華

編｜王一粟

從年初曝出與雷軍接觸、離職，到上個月官宣加入小米，再到本月出席小米“人車家全生態(tài)大會”，被冠以“天才少女”名號的羅福莉，站在臺前拿出了新模型MiMo-V2-Flash。

剛剛在這個領域開始起跑的小米，交出了一份看起來不錯的成績單。

作為一個參數(shù)309B、激活參數(shù)15B的“大”模型（羅福莉本人也提到，這個尺寸小到不愿意稱之為大模型），在小米團隊的構想中，這個模型是為了給Agent當基座來訓練的。

為此，這個模型的優(yōu)化更加側重一些特定的方向，核心是高性價比、快速：

比如能夠達到每秒150 tokens的生成速度、極低的成本，在保持高性價比的同時，它還保證了模型的性能。

“它的代碼能力和 Agent 能力在世界級公開公正的評估榜單上，已經進入了全球開源模型 Top 1-2 的行列。”羅福莉說，“大部分評估基準已經超過或者和DeepSeek-V3、Kimi K2- Thinking、Qwen等模型相當，但它的參數(shù)是后者們的1/2-1/3?！?/p>

發(fā)布的小米模型，也面臨了兩極分化的口碑，有人盛贊模型代碼能力領先，有人則認為這是一個“刷分”之作。

無論如何，小米需要AI。

選在12月18日的人車家全生態(tài)大會，更說明了AI之于小米的重要性。

放到智能終端，擺在小米眼前的兩個任務是：第一，做輕量化模型，靠端側部署，升級“超級小愛”和澎湃OS，把AI接入智能終端；第二，智駕方面，小米則更需要大模型做基座，靠模型給智駕能力提升空間。

做AI上，小米用行動表示，自己“動真格”了。

壓成本、提速，小米押注Agent

從一開始，小米做AI的目標，或許早在2023年雷軍的年度演講上就提到了——“輕量化+端側部署”。

羅福莉在演講中直言，當下模型學習的方向與生物智能的進化方向存在背離，單純的“大力出奇跡”已難以涌現(xiàn)更高階的智能。

當Scaling Law能夠帶來的提升越來越少，小米選擇了一條更契合自身的路：做一個參數(shù)小、性能好且夠便宜的模型。

“Scaling的范式已經逐步從預訓練（Pre-train）轉向后訓練（Post-train），”羅福莉解釋道，“我們如何激發(fā)后訓練的潛能？這就需要一個穩(wěn)定的范式，以便在強化學習（RL）上投入更多的算力?！?/p>

為此，作為一個給Agent打底的模型，MiMo-V2-Flash的優(yōu)化邏輯指向了三個關鍵問題：

高效溝通：強化代碼能力和工具調用，這是智能體交互的基礎。

加速帶寬：通過極高的推理效率，解決智能體之間信息傳遞的瓶頸。

發(fā)力后訓練：通過穩(wěn)定范式，激發(fā)強化學習的潛能。

由此，小米做了個309B的大模型MiMo-V2-Flash，從指標上來看，它最突出的地方在于代碼能力。

在官方給出的數(shù)據(jù)中，可以看到，在SWE-Bench Multilingual（軟件工程基準測試中的多語言版本）中，該模型甚至超過了包括GPT-5在內的一眾閉源大模型。

雖然在其他指標上，該模型和DeepSeek V3.2、kimi k2 Thinging等開源模型還有些許差距，但作為一個尺寸較小的模型，表現(xiàn)已經很亮眼。

更核心的其實是這個模型在推理速度和價格上的優(yōu)化：

用Claude Sonnet 4.5作為對比指標，小米新模型的推理價格僅為其2.5%，生成速度卻是其2倍。

MiMo-V2-Flash的API定價為，輸入0.7元/百萬tokens，輸出2.1元/百萬tokens。和國內模型相比，這也是一個非常具備競爭力的價格。

為了優(yōu)化成本，提升推理速度，小米披露了其背后的技術架構選擇——混合注意力機制。

從混合注意力機制上下手，月之暗面、MiniMax等獨角獸也曾在類似方向上探索。

小米的選擇是，采用了5:1的滑動窗口注意力（Sliding Window Attention, SWA）與全局注意力（Global Attention, GA）的混合結構。

官方實驗表明，SWA在長文和推理能力上優(yōu)于主流的線性注意力機制，且固定大小的KV Cache極易適配現(xiàn)有的基礎設施（Infra）。

不過，對于小米來說，如果要達到在會上宣講的效果，把模型接入到車、手機等設備中，300B還是一個不小的規(guī)模，距離端側落地仍有距離。

最耐人尋味的，或許是羅福莉在演講時的結語：

“AI進化的下一個起點，一定要有一個可以跟真實環(huán)境交互的物理模型，”羅福莉說道，“我們要打造的本質上不是一個程序，而是一個具備物理一致性、時空連貫性的虛擬宇宙?！?/strong>

從今年小米的模型發(fā)布動態(tài)上，我們猜測，小米未來的優(yōu)化將被拆解為兩條線：一是死磕端側，為智能終端加碼；二是攻克物理模型，補足在智駕方面的模型能力。

做端側、做智駕，AI給小米全家桶打底

無論外界對參數(shù)和架構的討論如何熱烈，對小米而言，AI的價值最終必須回歸到業(yè)務。

選在12月18日的人車家全生態(tài)大會發(fā)布模型，本身就說明了AI之于小米的戰(zhàn)略意義：

在智能終端側，通過升級“超級小愛”和澎湃OS，讓它們從指令執(zhí)行者變?yōu)檎嬲闹?；在智能駕駛側，則急需大模型作為基座，拓展智駕的上限。

回顧2025年，小米在MiMo系列上的發(fā)力呈現(xiàn)出一種急行軍的態(tài)勢，不同于兩年前模型發(fā)布后的安靜，今年的小米高調了起來。

4月：開源MiMo-7B系列，覆蓋基礎、指令微調及強化學習版。

5月：發(fā)布MiMo-VL-7B，突破多模態(tài)視覺理解。

11月：推出MiMo-Embodied具身智能大模型，整合自動駕駛與機器人技術。

12月：MiMo-V2-Flash壓軸登場，主打極致效率與Agent能力。

這一連串動作的背后，是巨額的真金白銀。小米集團總裁盧偉冰在財報電話會上明確表示，AI是核心研發(fā)方向。2025年，小米研發(fā)投入預計超過300億元，其中四分之一（約75億元）將直接砸向AI領域，并計劃在未來五年投入超過2000億元。

“在端側，我們要追求輕量算力、低功耗和周期成本，這樣才能普及端側AI，”盧偉冰說道，“這一定是小米未來的大方向，也是小米的優(yōu)勢所在?！?/strong>

組織層面的動作，同樣印證了小米的決心：從2024年開始，小米搭建了自己的AI Infra平臺，去年年底，界面新聞爆出，小米正在著手搭建自己的GPU萬卡集群，將對AI大模型大力投入。據(jù)悉，其團隊在成立時已有6500張GPU資源。

為了支撐這一戰(zhàn)略，小米的人才拼圖也在2025年逐步完整。

除了負責基礎大模型的羅福莉，小米還挖來了陳龍服務于智駕團隊。這種“雙核”配置在技術路線上已經初見成效——陳龍團隊提出并開源了全球首個打通自駕與具身操作的跨具身（X-Embodied）基座模型MiMo-Embodied。

這一模型試圖解決自動駕駛與機器人之間的知識遷移難題，意味著小米正在嘗試用一套通用的AI邏輯，去驅動其龐大的硬件生態(tài)——從手中的手機，到智能家居，再到智駕。

雷軍曾提到，小米的AI戰(zhàn)略是“輕量化+本地部署”?？梢钥吹?，小米是一定會利用在全球連接超過10億臺設備的巨大存量優(yōu)勢，靠AI做業(yè)務。

對于小米來說，MiMo-V2-Flash的發(fā)布不僅僅是為了在排行榜上占據(jù)一席之地。它是小米試圖向資本市場和用戶講述的一個新故事：

一家硬件公司，正在通過掌握最高效的“大腦”（AI模型）和最廣泛的“身體”（人車家生態(tài)），試圖在智能時代完成一次徹底的進化。

至于這個故事能否講通，不僅取決于模型做得好不好，更取決于這些技術能否真正跑通每一臺小米設備，轉化為用戶感知得到的體驗。