如何评价小米 3 月 19 日发布的 Xiaomi MiMo-V2-Pro / Omni/TTS?

其实在这次MiMo V2 Pro发布之前的一周，OpenRouter上就已经出现了一个叫“Hunter Alpha”的模型了，并且一直霸占在榜首上。

当时很多人猜测这个是DeepSeek V4或者GLM5.5的测试版，我还跑去请教了一下铎神，铎神给我发了一串意味不明的表情包，现在揭晓答案，合着这原来就是他们小米MiMo V2 Pro的测试版！

相比于之前的309B（激活15B）的MoE模型MiMo V2，这次的V2 Pro总参数规模突破1万亿（1T），其中激活参数为42B。V2 Pro采用改进后的混合注意力机制，在保证推理效率的同时大幅提升模型容量。其上下文窗口进一步扩展至100万Token，可以支持超长任务链和复杂工作流。

小米对MiMo V2 Pro的定义就是“面向Agent时代的旗舰基座大模型”，相比于之前的只能对话和处理简单任务，这次它升级为了“Agent系统的大脑”，能够主动去理解任务、然后主动调用工具，再去执行多步骤流程，最后实现交付。

另外这次同步发布的还有MiMo V2 Omni和Mimo V2 TTS。

Omni的定义是“能看见、听得懂、能动手的全模态Agent”，它支持图像、视频、音频、文本感知能力，是具身智能设备的基座。

TTS定义是“为Agent注入灵魂，从此刻开始发声”，它支持语言特征捕捉与还原，甚至还支持整体风格定调到局部情绪的精准调节，可以在同一句话内实现语气转折、情感递变，唱歌时也能表达高音和节奏，自然不做作。

MiMo V2 Pro提供了“有思考逻辑的大脑”，而Omni和TTS，则补齐了感知与表达的最后两块拼图。

这波MiMo V2 Pro/Omni/TTS可谓是“三剑齐发”，三模型的组合，某种程度上能在告诉他他是“鸡哥”之后，他自己在写出“鸡你太美”的同时，然后在机器人上表演一个“唱、跳、Rap和篮球”，总之就是很牛皮。

在全球权威大模型综合智能排行榜Artificial Analysis上，MiMo-V2-Pro位列全球第八，国内第二。

在小米技术微博账号公布的这张Agent能力测试表当中，V2 Pro的大部分能力相较于V2均有了较大提升，横向对比之下，它的表现也已进入全球第一梯队。在ClawEval（通用Agent能力评估）中，V2 Pro得分61.5，比Claude Opus 4.6差4.8分；在PinchBench测试中已经逼近Claude Opus和GPT 5.2。

当然，小米的大模型也不只是纯粹的跑分，小米也在强调真实世界的表现，这也是小米目前的发展方向，即将小米人车家、小米智能工厂和AI大模型结合，将AI从虚拟世界搬向物理现实。

换句话说，MiMo V2 Pro/Omni/TTS不只是“能回答”，它还是“能干活”，它正在从传统的对话模型向“执行模型”转变。

在小米技术公布的前端应用场景中，MiMo-V2-Pro同样表现出较强的跨领域能力。

测试要求它模拟90年代纸质杂志的风格，包括各种元素和各种格式的排版、标题、纹理，甚至还能细化到动效，去设计一个网页。模型成功识别并理解了这一系列的复杂描述，甚至还生成了包含字体选择、布局结构与动态效果在内的完整前端实现方案。

这也标志着MiMo V2 Pro正在从纯粹的“生成内容”走向“生成一个完整的解决方案”，再加上它的对话框能够输入100万Token的长问，因此它就能更好地去处理长且复杂的任务，甚至是处理多轮任务。

目前，小米MiMo V2 Pro 已在MiMo Studio、金山办公、米家和小米浏览器等多个平台同步上线。

以及MiMo Studio也同步上线了MiMo Claw，你可以用V2 Pro来养龙虾了。MiMo Claw 模块现已全面打通金山 WebOffice 生态，原生支持 Word、Excel、PPT、PDF 四大主流格式，无缝覆盖超 95% 的日常文档类型。

在收费这一块，目前是限时一周免费。

后续采用分段收费的模式：在256K上下文范围内，输入与输出单价分别为1美元和3美元（每百万Token）；若使用1百万长上下文，费率则上浮至输入2美元、输出6美元。

这个价格明显是要比几个竞品低的，小米也希望利用这种性价比策略来吸引更多开发者，尤其是“缓存写入暂时免费”这一点，对于需要频繁调用长上下文提示词的Agent开发者而言，将极大地降低运行成本。