MiMo-V2.5

MiMo-V2.5 是小米 MiMo 团队于 2026 年 4 月 27 日开源的原生全模态模型，在统一架构内支持文本、图像、视频和音频理解，并强调智能体能力，MIT 许可。

架构与规格

• 参数：稀疏 MoE，总参数 3100 亿，激活 150 亿；语言骨干继承自 MiMo-V2-Flash。
• 注意力：滑动窗口与全局注意力按 5:1 交错，窗口 128 token。
• 编码器：7.29 亿参数的视觉 Transformer，以及由 MiMo-Audio 权重初始化的 2.61 亿参数音频编码器。
• MTP：3 层、共 3.29 亿参数的多 token 预测模块，用于投机解码加速。
• 训练：FP8 混合精度约 48 万亿 token；后训练包括 SFT、大规模智能体强化学习与多教师在线蒸馏（MOPD）。
• 上下文：MiMo-V2.5 为 1M token，Base 版为 256K。

同日发布的旗舰版是 MiMo-V2.5-Pro（1.02 万亿参数）。