大反轉！全網猜了一周 DeepSeek V4，結果是小米干的

上周，兩個沒有署名的匿名模型悄然上架知名 API 聚合平臺 OpenRouter，代號分別是「Hunter Alpha」和「Healer Alpha」。它們沒有任何宣傳，調用量卻開始以一種不尋常的速度持續攀升。

其中，Hunter Alpha 更是多天登頂日榜，累計調用量突破 1T tokens。社區開始議論。最主流的猜測指向 DeepSeek，認為這是 DeepSeek V4 的內測版本。

OpenClaw 創始人 Peter Steinberger 也在 X 平臺發文打聽，進一步點燃了社區的猜測熱情。

就在剛剛，小米官方正式宣布，Hunter Alpha 和 Healer Alpha 均為小米 MiMo-V2 系列大模型的早期內測版本。謎底揭曉的同時，小米 MiMo 大模型負責人羅福莉也在 X 平臺公開認領。

上下滑動查看更多內容，林俊旸也現身評論區

巧合的是，羅福莉正是 DeepSeek 的前研究員，換句話說，來自 DeepSeek 的她，在小米做了讓全網以為是 DeepSeek 的模型。

劃重點，小米此次一口氣發布三款模型，雖各有側重，但共同指向同一個方向：讓 AI 從「會對話」進化為「能完成任務」：

MiMo-V2-Pro 是旗艦文本基座，專為高強度 Agent 工作場景而生，主打推理、規劃與工具調用。

MiMo-V2-Omni 是全模態 Agent 基座，原生融合文本、視覺與音頻感知，打通從理解到執行的完整鏈路。

MiMo-V2-TTS 是語音合成大模型，目標是為 Agent 賦予有溫度、有情感的聲音表達能力，構成全棧的最后一環。

MiMo-V2-Pro：量大管飽，定價只要競品的五分之一

MiMo-V2-Pro 的總參數量突破 1T，激活參數為 42B，較前代 MiMo-V2-Flash 擴大約 3 倍。

參數量大幅增長，但推理效率并未因此下降，這得益于其創新的混合注意力架構（Hybrid Attention）。

該架構的混合比例從前代的 5:1 進一步提升至 7:1，輕量 MTP（Multi Token Prediction）層的引入也加快了實際生成速度。

同時，MiMo-V2-Pro 支持高達 1M 的超長上下文窗口，這在處理長程 Agent 任務時具有明顯的結構性優勢。

在全球權威大模型綜合智能排行榜 Artificial Analysis 上，MiMo-V2-Pro 目前位列全球第八，國內第二。

基準測評之外，小米更強調「實際體感」。在 Coding Agent、通用 Agent 和 Tool Use 等維度，MiMo-V2-Pro 與 Claude Sonnet 4.6 處于同一梯隊。

在小米內部工程師的深度評測中，MiMo-V2-Pro 的代碼工程能力已接近 Claude Opus 4.6，擁有更出色的系統設計能力與更優雅的代碼風格。

Hunter Alpha 匿名內測期間，調用量最高的幾類應用多為編程專用工具，這一數據本身就是對模型能力最直接的市場驗證。

在 OpenClaw 框架內，MiMo-V2-Pro 還展示了前端開發能力，能夠一步生成設計精致、功能完備的網頁，兼顧視覺質感與實際可用性。

定價層面，MiMo-V2-Pro 的 API 價格僅為同級別競品的 1/5。256K 上下文以內，輸入每百萬 tokens 定價 1 美元，輸出 3 美元；1M 上下文范圍內，則為輸入 2 美元，輸出 6 美元。

這個定價策略的信號很明確：小米希望以價格優勢快速推動 MiMo-V2-Pro 在開發者生態中的滲透。

為此，小米還聯合 OpenClaw、OpenCode、KiloCode、Blackbox 及 Cline 五大 Agent 框架團隊，提供為期一周的限時免費接口支持，各框架的具體限免信息可關注 MiMo 官方與 MiMo 開放平臺公告。

目前，MiMo-V2-Pro 已正式開放 API 服務，開發者可前往 https://platform.xiaomimimo.com 接入體驗。官方模型體驗頁面 https://aistudio.xiaomimimo.com 同步上線了 MiMo Claw 功能，支持免費體驗 MiMo-V2-Pro 的 Agent 能力。

MiMo-V2-Omni：能看、能聽、還能自己砍價

如果說 MiMo-V2-Pro 是大腦，MiMo-V2-Omni 的野心則更大，它試圖讓這個大腦同時擁有眼睛、耳朵和手。

MiMo-V2-Omni 是小米首個在基座層面統一感知與行動的全模態模型，從底層架構開始就將文本、視覺與音頻深度融合。

音頻理解是 MiMo-V2-Omni 最具差異化的能力之一。它支持超過 10 小時的連續長音頻理解，覆蓋從環境聲分類到多說話人分離的復雜場景，綜合表現超越 Gemini 3 Pro。

圖像理解方面，MiMo-V2-Omni 在多學科視覺推理與復雜圖表分析上超越 Claude Opus 4.6，逼近 Gemini 3 Pro 等頂尖閉源模型水平。

視頻理解方面，模型支持原生音視頻聯合輸入，而非將音頻和視頻分開處理，在架構層面帶來了真正的多模態理解優勢。

在 Agent 實操場景中，MiMo-V2-Omni 展現出令人印象深刻的端到端任務完成能力。

比如結合 OpenClaw 框架，它可以像真人一樣操控瀏覽器：在社交媒體翻閱評測內容，整理購買建議，切換到京東跨店比價，聯系客服爭取優惠，直到完成下單，遇到多標簽頁切換、實時交互要求，均能見招拆招。

在純文本智能體任務上，MiMo-V2-Omni 同樣保持了高度競爭力，在 OpenClaw 榜單 PinchBench 上的表現比肩 Gemini 3 Pro。

Healer Alpha 匿名內測期間，模型在 PinchBench 上拿下均分第一，社區用戶好評與基準測評結果形成了難得的雙向印證。

辦公場景方面，MiMo-V2-Omni 已與金山辦公展開合作，接入 WPS 靈犀，支持直接生成高質量的 Word 文檔、結構化 Excel、排版規范的 PDF 與完整 PPT。MiMo Studio 的 Claw 模塊也已全面打通金山 WebOffice 生態，原生支持 Word、Excel、PPT、PDF 四大主流格式，覆蓋超 95% 的日常文檔類型。

WPS 靈犀體驗地址：lingxi.wps.cn

MiMo-V2-Omni 已開放 API，支持 256K 上下文長度，輸入定價每百萬 tokens 0.4 美元，輸出 2 美元，同樣可在 https://platform.xiaomimimo.com 接入。

MiMo-V2-TTS：會打哈欠、會醉酒、還能唱歌

一個完整的 Agent，不應該只會思考和行動，它還需要開口說話。MiMo-V2-TTS 正是為了填補這個缺口。

MiMo-V2-TTS 基于小米自研 Audio Tokenizer 和多碼本語音文本聯合建模架構，經過上億小時語音數據的大規模預訓練。

「上億小時」這個數據量級，意味著模型得以覆蓋極為豐富的說話風格、口音與場景，這是泛化能力的基礎。

多維度強化學習后訓練階段，模型圍繞韻律自然度、音質穩定性、音色克隆質量與場景語氣適配等多個維度持續優化。

得益于多層碼本建模架構，強化學習階段可以直接利用語音相關獎勵信號對模型進行優化，而非依賴間接的文本側反饋，這讓多維獎勵信號能夠更有效地作用于生成過程。

MiMo-V2-TTS 支持從整體基調定調到句內局部情緒的多粒度控制，能在同一句話內完成語氣轉折與情感遞變，這在同類產品中并不多見。

模型能夠智能識別標點符號、語氣詞、強調標記等格式信號，并將其自動轉化為自然的語音表達，全程無需用戶手動標注。

方言支持涵蓋東北話、四川話、河南話、粵語、臺灣腔等，同時具備角色扮演式風格演繹與高質量歌聲合成能力，讓同一個模型既能說、能演、也能唱。

官方表示，未來 MiMo-V2-TTS 將與 MiMo-V2-Omni 深度融合，讓 Agent 不僅能看懂世界、理解世界，更能用富有表現力的聲音去講述這個世界。

AI，才是真正打通人車家全生態的那根線

三款模型集中發布，時間節點和產品組合都不是偶然。羅福莉在聲明中坦言，從聊天范式到 Agent 范式的轉變發生得太快，「連我們自己都難以置信」。

但小米 MiMo 團隊其實早有布局。羅福莉披露，1T 基礎模型在數月前就已開始訓練，最初目標是提升長上下文推理效率。混合注意力架構、1M 超長上下文窗口、MTP 低延遲推理，這些架構決策并非追隨潮流，而是在需要之前就構建好的結構性優勢。

推動團隊加速轉向 Agent 方向，源于一個關鍵時刻。羅福莉第一次體驗到復雜 Agent 框架時受到強烈沖擊，隨即對團隊下達強硬指令：MiMo 團隊中，明天對話次數少于 100 次的成員可以辭職。

這個有些極端的要求背后，是她對 Agent 范式的堅定判斷。結果是，團隊的想象力被徹底激發，研究速度隨之大幅提升。

這種研發節奏，疊加上小米本就擁有的生態基礎，讓這次發布的意義超出了單純的模型競賽。

小米長期推進「人車家全生態」戰略，通過澎湃 OS 將手機、汽車（SU7 系列）與智能家居設備全面打通。這套生態的物理層面早已互聯，但此前缺少一個真正意義上能跨設備理解意圖、自主規劃并完成任務的智能中樞。

現在，MiMo-V2-Pro 負責推理規劃，MiMo-V2-Omni 負責多模態感知與執行，MiMo-V2-TTS 負責語音表達，三者疊加，構成了驅動整個生態運轉的完整 AI 能力棧。

miclaw（小米手機端 AI 智能體）已接入 MiMo 大模型，具備系統級執行能力與「人車家全生態」的深度集成，是這套能力棧落地的第一個具體形態。WPS 靈犀、小米瀏覽器相繼接入，也在說明同一件事：MiMo 不只是一個對話產品，而是正在被嵌入進各類應用場景的基礎能力層。

多年來，各大科技公司都在描述「AI 將打通一切」的愿景，而帶著 Agent 基因的 MiMo-V2 系列模型和深諳生態打法的小米，顯然已經做好了準備。