小米 MiMo 大模型全系列梳理：从 MiMo-7B 到 MiMo-V2.6（2025–2026）
小米的 MiMo 团队从 2025 年 4 月发布第一个 7B 推理模型，到 2026 年 9 月发布万亿参数的 MiMo-V2.6-Pro，一年半里出了五代模型。几代的命名、规格和开源方式各不相同，本文按时间顺序梳理一遍，并说明各代之间的继承关系。文中的参数、上下文长度和成绩都来自官方 Hugging Face 模型卡和 MiMo 开放平台，每个模型都附了 DataLearner 详情页链接，方便查看完整评测和价格。
一览：MiMo 各代模型
所有开放权重的版本都采用 MIT 许可，可以商用。小米机构页汇总了全部模型：小米 AI 模型列表。
第一阶段：7B 小模型（2025 年）
MiMo-7B（2025-04-30）
这是小米的第一个大语言模型，官方的说法是“为推理而生”。它从零预训练了约 25 万亿 token，并把多 token 预测（MTP）作为额外的训练目标。强化学习阶段用了约 13 万道可以用规则自动判分的数学和代码题。
MiMo-7B-RL 的官方成绩（Pass@1）：
- MATH-500：95.8
- AIME 2024：68.2
- AIME 2025：55.4
5 月 30 日发布的 MiMo-7B-RL-0530 把 SFT 数据扩大到约 600 万条，AIME 2025 提升到 70.2。
MiMo-VL-7B（2025-05-30）
以 MiMo-7B 为语言基座的视觉语言模型，支持图像和视频输入。2025 年 8 月的 2508 版本 MMMU 达到 70.6，并加入了思考开关：请求里带上 no_think 就能关闭推理过程。
MiMo-Audio-7B（2025-09）
音频语言模型，技术报告的标题是“Audio Language Models are Few-Shot Learners”。它的思路是靠大规模预训练，只给少量示例就能完成新的音频任务，而不是为每个任务单独微调。配套的 MiMo-Audio-Tokenizer 有 12 亿参数，每秒生成 200 个音频 token。
这一阶段的模型都是 7B 级别，适合本地部署和研究，用来验证小模型的推理潜力。
第二阶段：转向 MoE 与长上下文（2025 年 12 月起）
MiMo-V2-Flash（2025-12-16）
这一代是转折点，小米从这里开始转向稀疏 MoE。它的总参数 3090 亿，每个 token 只激活 150 亿。之后几代模型都沿用了它的两项设计：
- 混合注意力：滑动窗口注意力和全局注意力按 5:1 交错，窗口只有 128 token，官方称 KV cache 因此减少约 6 倍。
- MTP 模块：官方称推理时输出速度约提升到 3 倍。
官方成绩：
- SWE-bench Verified：73.4
- SWE-bench Multilingual：71.7
- AIME 2025：94.1
MiMo-V2.5 与 MiMo-V2.5-Pro（2026-04-27）
两个模型同日发布，分工不同：
- MiMo-V2.5：在 V2-Flash 骨干上加了视觉编码器（7.29 亿参数）和音频编码器（由 MiMo-Audio 权重初始化），变成原生全模态模型，上下文扩展到 1M。
- MiMo-V2.5-Pro：把参数规模提到 1.02 万亿（激活 420 亿），全局注意力比例改为 6:1，面向长程智能体和复杂软件工程任务。
官方在 GraphWalks 长上下文测试中对比了前代：V2 Pro 超过 128K 后成绩迅速下降，V2.5-Pro 在 512K 时仍有 0.56（BFS）和 0.92（Parents）。
第三阶段：全模态旗舰（2026 年 9 月）
MiMo-V2.6-Pro 与 MiMo-V2.6-Flash（2026-09-22）
两个规格都变成了全模态模型，支持文本、图像、视频和音频输入，上下文都是 1M：
- Pro：参数规模与 V2.5-Pro 相同（1.02 万亿 / 激活 420 亿），DeepSWE v1.1 得分 71.9。
- Flash：参数规模与 V2-Flash 相同（3090 亿 / 激活 150 亿），DeepSWE v1.1 得分 67.9，定位为高频调用下的低成本选择。
MiMo 开放平台另外提供 MiMo-V2.6-Pro-UltraSpeed 高速档。官方称输出速度最高可提升 20 倍，价格约为标准档的 10 倍。
MiMo-V3（未发布）
小米已确认 MiMo-V3 将采用 HySparse2 架构，但目前公布的只有架构论文。参数、上下文、开放方式和评测都还没有确认。
怎么选
- 本地部署、算力有限： MiMo-7B（文本推理）或 MiMo-VL-7B（图像、视频理解）。这两个都是 7B 级别的稠密模型，单卡就能运行，资料也最多。
- 自托管、主要做文本代码和智能体任务： MiMo-V2-Flash 每 token 只激活 150 亿参数，推理成本远低于同等总参数的稠密模型，但仍需要多卡部署 3090 亿参数的权重。
- 需要全模态和 1M 上下文： 选 V2.6 系列。Flash 适合批量任务，Pro 适合复杂的长程任务。只调用 API 的话，可以在 大模型 API 价格 页按每百万 token 价格对比。
各模型和主流模型的成绩对比，可以在模型详情页的“常见对比”中查看，也可以用 模型对比 任选几个模型并排比较。
资料来源：
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
