聊聊小米開源的MiMo-V2-Flash，這次，為推理而生。

周末加更一篇，我還是覺得，小米前兩天開源的那個模型，值得單獨來聊一聊。

當天晚上其實就打算寫了，結(jié)果被OpenAI截胡了，這一拖，就拖到了今天。

就是前兩天深夜，小米搞了一個大的。

沒有任何預(yù)兆的，直接開源了一個大模型， MiMo-V2-Flash。

說實話，十年米粉看到以后，還是有點激動的。

小米，作為硬件廠商的代表，終于出手了。

成績也不錯，在O penRouter上的調(diào)用量排名上，一路上漲。

今天看，又漲了將近2倍，已經(jīng)來到了第六了，這個漲幅還是挺恐怖的。

而且還有一個非常有意思的是，那天，也是雷總的生日。

這絕對不是巧合（狗頭保命）。

這次， MiMo-V2-Flash 發(fā)布即開源，還附帶了技術(shù)報告。

說真的，這個技術(shù)報告，真的究極詳細了。

就很多有趣的經(jīng)驗值得分享。

然后，還做了一個線上對話產(chǎn)品，也是為了方便大家進行快速便捷的體驗。

網(wǎng)址在此： https://aistudio.xiaomimimo.com/

我這兩天，零零散散的花了一些時間，讀完了技術(shù)報告，又體驗了一下模型之后，我覺得，這個模型還是有一點意思的。

就如同他們自己在Blog上所說的那樣。

Blazing speed meets frontier performance。

極速性能，前沿體驗。

老規(guī)矩，先看跑分。

差不多在開源世界里，屬于第一梯隊水平，跟Kimi-K2 Thinking和DeepSeek-V3.2互有勝負。

跟閉源模型，也能掰掰手腕，但是坦誠的講，Gemini 3.0 Pro還是太強了。。。

在Artificial Analysis上，綜合排名也是開源第二。

不過這些跑分，我覺得現(xiàn)在大家看看就就行了，真正在技術(shù)報告里有比較有意思的創(chuàng)新的點，還是在于他們生為一個硬件為核心的公司，所一直追求的。

能跑多快，能跑多省。

小米，為發(fā)燒而生。

MiMo，為Reasoning而生。

在MiMo的世界里，最核心的，是速度、成本、是延遲。

是能不能把它塞進手機、塞進汽車、塞進一個能面向于普通消費者的未來里。

這次 MiMo-V2-Flash是個MoE模型，總參數(shù)309B，激活參數(shù)量15B。

基本上，跟DeepSeek-V3.2相比，MiMo-V2-Flash的推理成本略低，而推理速度大約是 V3.2 的三倍左右。

跟Gemini 2.5 Pro相比的話，MiMo-V2-Flash的推理速度接近，但推理成本大約低了20倍。

在價格上，達到了非常離譜的數(shù)據(jù)。

每百萬輸入token為0.1美元，每百萬輸出token為0.3美元。

這個數(shù)據(jù)有多離譜，我覺得還是需要放一下一些其他大模型價格對比。

GPT-5.2：$1.75/輸入，$14/輸出。

Gemini 3 Pro（<200k上下文）：$2/輸入，$12/輸出。

Gemini 3 Flash：$0.50/輸入，$3/輸出。

Kimi K2 Thinking：$0.60/輸入，$2.50/輸出。

DeepSeek-V3.2（思考模式）：$0.28/輸出入，$0.43/輸出。

相信大家現(xiàn)在就知道， MiMo-V2-Flash的價格和性能對比，還有他的推理速度，有多離譜了，可能會是常規(guī)開發(fā)普惠的又一利器。

而整個模型里面，我覺得最棒的點，其實有兩個，一個叫長文本，一個叫吐字速度。

一個一個說。

先說長文本。

過去所有大模型做長文本，都會遇到一個非常樸素的問題，就是你讓它看的東西越長，它腦子里要記的上下文緩存（KV cache）就越大，算注意力的時候就越廢。

就比如說考試寫作文。

最傳統(tǒng)的大模型寫作文，大概是這樣的流程，就是每寫一個字，都要從頭到尾把自己剛寫的所有內(nèi)容，重新讀一遍想一遍，然后才敢寫下一個字。

寫到第1000個字時，你可以理解成，它已經(jīng)把前面999個字復(fù)習(xí)了999遍。

是不是聽著就很酸爽，如果想象不到有多痛苦的，大家現(xiàn)在可以自己試一試。。。

這其實就是所謂的全局注意力，就是你每添一個詞，大模型腦子里都要把前文全刷一遍，它很怕漏掉什么細節(jié)。

理論上，這樣最穩(wěn)妥、最嚴謹，但有一個致命問題，就是太費勁，太慢了。

就好像你在寫古詩，一邊寫一邊從第一頁開始把整本《唐詩三百首》背一遍，確認自己沒有撞韻，再寫下一個字。

非要用一個詞來描述這種行為，那我覺得，就是，自虐。

后來大家覺得不能這么算下去啊，要不然到時候就算你顯卡堆成一座山，速度也快不起來，更別提長文本了。

所以就有一大堆加速方法被發(fā)明出來了，什么注意力結(jié)構(gòu)、稀疏連接、特化硬件啥的都出現(xiàn)了。

小米的搞得這個Hybrid Attention，本質(zhì)上就干了一件特別樸素的事，承認一個現(xiàn)實，也就是人類看東西，不是每一秒都在看全局。

其實你讀小說的時候，其實也是局部認真，全局大概知道個意思。

你的眼睛，肯定主要盯著眼前這一兩頁，這是滑動窗口。

偶爾翻回前面看看人物關(guān)系圖、章節(jié)標題，這是全局注意。

MiMo-V2-Flash把這個節(jié)奏，直接寫進了模型結(jié)構(gòu)里。

它的大部分時間，只看最近的 128 個 token，就像你只記得眼前這一段對話，每隔一段，就抬頭看一下全局，防止走偏。

這就是MiMo-V2-Flash采用的全局注意力（GA）與滑動窗口注意力（SWA）1:5 的混合方案，長上下文下KV cache和注意力計算，能有接近6倍下降。。。

然后最有意思的事，他們還加了一個東西，叫“attention sink bias”。

你大概就可以理解成，讓模型可以把有些東西選擇性的不看，讓注意力沉底，不被各種噪音干擾。

人類其實也一樣，你坐在洗腳城大廳，旁邊有人吵架、有人刷短視頻、有人喊服務(wù)員，你不可能每句話都聽進去。你真正能活下去的能力，是你能把這些噪音當成背景音，眼神空焦一下，注意力直接沉下去，只抓你要的那點信息。

MiMo做的，就是把這種我選擇性忽略的能力工程化了。

更有意思的是，他們也做了實驗，沒有這個sink bias，性能會掉，加上以后不僅回來了，甚至能跟全局注意力打平甚至更好。

所謂MiMo-V2-Flash為了解決成本問題，其實做了不少有趣的事情，而且雖然看著很多技術(shù)名詞，但是本質(zhì)上，非常的生活化。

就是，承認記得太多也是負擔，學(xué)會在正確的地方選擇性忘記，把算力留給真正重要的部分。

長文本搞定之后，然后是第二個：吐字速度。

很多人以為大模型慢，是因為它不夠強。

其實更真實的原因是，就是大模型生成文字這件事，本質(zhì)上非常流水線，一口一口吐，吐一個才知道下一個。

就像你讓一個師傅現(xiàn)場寫春聯(lián)，他寫完上聯(lián)最后一個字，才知道下聯(lián)第一個字怎么對，那速度怎么可能快的起來，還寫個屁。

所以，MiMo-V2-Flash也用了一個有趣的東西，叫Multi-Token Prediction（MTP，多詞預(yù)測）。

這玩意別被名字嚇到，其實也特別生活化。

本質(zhì)上就是，你別一個字一個字寫，你先打個草稿，一次性多寫幾個字，然后再快速檢查一遍，沒問題就直接用，有問題就退回重寫。

論文里會說得更技術(shù)一點，MTP可以作為“draft model”用于speculative decoding（推測解碼），也就是先草稿、后驗收的機制。

而且不是當一個工程上的外掛搞得，最開始的預(yù)訓(xùn)練階段，這玩意就直接塞了進去，讓模型學(xué)的一直就是先草稿、再檢查這套節(jié)奏。

在微調(diào)階段，又加了更多層MTP，把這種多字并行的本事練得更熟了。

等到真正上線推理的時候，它直接開三層 MTP 并行，就相當于你手下有三組實習(xí)生輪班打草稿，主模型坐在中間挑挑揀揀，最后形成一條流暢的回答。

結(jié)果就是你前面看到的那個很夸張的數(shù)字。

在實際場景里，三層MTP可以做到2到2.6倍的加速，單條回復(fù)能跑到150 token/s，全局吞吐可以拉到5000到15000 token/s。

我錄了一個回答，無加速，大家可以看看，20秒4000字，真的已經(jīng)非?？炝?。

所以，其實通過上面這些有趣的東西，你就能看出來。

這個模型的特點了。

和DeepSeek-V3.2能力相近，但速度大概快三倍。

和Gemini 2.5 Pro能力接近，速度差不多，但成本低了近二十倍。

也就是，同樣干一份工，我能用更少的錢、更少的電、跑得更快、更穩(wěn)。

真的，對于一個硬件公司來說，這幾乎是刻在DNA里的執(zhí)念。

手機時代，小米喜歡在發(fā)布會上講同價位性能最強。

到大模型時代，它只是把同一套工程價值觀，搬到了另一個戰(zhàn)場。

我也大概測了一下模型的能力。

在代碼這塊，還挺有意思。

比如我之前測Gemini 3 Pro的時候，有一個體素3D世界的Prompt：

設(shè)計并創(chuàng)建一個非常有創(chuàng)意、精致且細節(jié)豐富的像素3D場景：一只胖乎乎的奶龍坐在一座美麗的花園中央，旁邊是小池塘、石燈籠和彎曲的小路，周圍長滿樹木，其中包括幾棵盛開的櫻花樹。讓整個場景足夠震撼、層次豐富，在不同高度和區(qū)域布置各種小細節(jié)，比如長椅、小橋、石子路、草叢、花壇等，并使用色彩豐富的體素來表現(xiàn)?？梢允褂萌魏螏靵硗瓿蛇@個效果，但要確保我能把所有內(nèi)容粘貼到一個單獨的 HTML 文件中，并直接在 Chrome 中打開。JavaScript 庫的引入方式請使用 importmap 和 ES 模塊（ESM）導(dǎo)入。

而這次我扔到MiMo-V2-Flash里，也一次性直出了。

各種交互啥的也都沒啥問題。

而且功能也都給你做全了，櫻花特效都能關(guān)，也能自動旋轉(zhuǎn)，最細節(jié)的事，奶龍脖子那里，還有一個會一閃一閃發(fā)光的小立方體，還挺精致的。

還有一個測模型svg能力的時候，一個Prompt：

做一個長滾動網(wǎng)頁，用 5 層以上視差背景和 SVG 插畫講一個小故事，滾動時觸發(fā)漸進式動畫和文字漸顯。

這塊完成的也不錯。

每個小動畫，屬實是都到位了。

比如前幾天，Gemini流星雨，我就想，讓Mimo給我做一個可以手勢控制的流星網(wǎng)頁。

對，就這么一個超級簡單的Prompt。

MiMo-V2-Flash一次成型。

像左揮手就是藍色流星，像右揮手，就是紅色流星。

然后我又基于這個，改了一個識別手勢，刮彩票的。

這次出了小小的BUG，不過對話兩次，也改成功了。

就非常的有意思，很好玩。

然后又一句話做了一個像素畫板。

也成功了。

整體看下來，代碼能力不差，不過坦誠的講，前端審美離最頭部的模型，還有一些差距。

在寫作上，直出效果還行。

但是還是會有中文大模型的堆砌詞藻空洞的問題，很多句子看著很華麗，但是其實比較的空，不包含任何信息量。

但是已經(jīng)比一些中文大模型好一些了。

而在文風(fēng)復(fù)刻任務(wù)上，其實也差不多。

這是我用我的文風(fēng)復(fù)刻的我自己的文章。

有些句子寫的不錯，而且那些經(jīng)常被惡心的不是...而是...句式基本沒用過，在很多時候，調(diào)一調(diào)還是可以的用的。

從更長遠一點看，小米做這件事的意義，我覺得還是會往硬件去。

當未來，真的萬物皆Agent的時候。

在手機、在車機、在路由器、在眼鏡上、在所有的智能家居里，那顆小小的模型，能不能跑得快、跑得穩(wěn)、跑得起。

這個是最重要的。

這也是，一家硬件公司最熟悉的戰(zhàn)場。

在這個戰(zhàn)場里，小米過去十幾年已經(jīng)證明過自己一次了，我到現(xiàn)在還記得我買小米1的興奮。

作為一個十年米粉，我真的也很想自私地說一句。

如果哪天我跑Agent、搭小網(wǎng)頁、操控我家里的所有家具，用的那顆本地小模型，背后跑的就是 MiMo，那會是一件挺讓人開心的事。

開源是一種表態(tài)。

工程是一種信仰。

看好小米。

以上，既然看到這里了，如果覺得不錯，隨手點個贊、在看、轉(zhuǎn)發(fā)三連吧，如果想第一時間收到推送，也可以給我個星標?～謝謝你看我的文章，我們，下次再見。

>/ 作者：卡茲克

>/ 投稿或爆料，請聯(lián)系郵箱：wzglyay@virxact.com