智東西
作者 程茜
編輯 心緣

智東西3月19日消息，今日凌晨，小米MiMo大模型系列重磅三連更：旗艦基座大模型MiMo-V2-Pro、全模態(tài)Agent模型MiMo-V2-Omni、MiMo-V2-TTS，其最新發(fā)布的這三大模型都是為優(yōu)化智能體能力打造。

其中，上周在全球最大API聚合平臺OpenRouter上，API調(diào)用量多天登頂日榜并引起熱議的匿名模型Hunter Alpha、Healer Alpha，就是MiMo-V2-Pro、MiMo-V2-Omni的早期測試版。目前這兩個匿名模型在OpenRouter仍然向開發(fā)者免費開放。

此前，因與DeepSeek V4被曝出的參數(shù)規(guī)格一樣，還有人猜測Hunter Alpha就是DeepSeek V4。OpenClaw創(chuàng)始人Peter Steinberger還曾在社交平臺X上發(fā)文打聽這倆匿名模型的具體信息。

旗艦基座模型MiMo-V2-Pro總參數(shù)量超過1T，在OpenClaw、Claude Code等智能體框架中，MiMo-V2-Pro能夠在無人工干預(yù)的條件下完成復(fù)雜工作流編排、長程規(guī)劃與精準工具調(diào)用，但其模型API定價僅為Claude Opus 4.6的1/5。

▲MiMo-V2-Pro與Claude Opus 4.6、Claude Sonnet 4.6價格對比（圖源：小米MiMo官網(wǎng)）

全模態(tài)基座模型Xiaomi MiMo-V2-Omni，支持文本、視覺、語音全模態(tài)，該模型能夠跨模態(tài)理解復(fù)雜環(huán)境、自主制定并執(zhí)行計劃、在遇到異常時實時修正策略，最終端到端地交付完整結(jié)果。

語音合成大模型Xiaomi MiMo-V2-TTS要讓智能體能用有溫度、有情感、有靈魂的聲音與人對話，其支持多方言、多角色、多語氣生成，還可以智能識別文本中的標點符號、語氣詞、強調(diào)標記等各類格式信號。

此外，在MiMo-V2-Pro官方模型體驗頁面，小米還同步上線了MiMo Claw，用戶可以體驗基于MiMo-V2-Pro“養(yǎng)蝦”。該功能創(chuàng)建一次可免費體驗30分鐘，退出使用后自動銷毀數(shù)據(jù)。

小米MiMo大模型負責人正是原DeepSeek核心成員、被業(yè)內(nèi)稱為“天才少女”的羅福莉。

智東西體驗了MiMo Claw，讓其“幫我設(shè)計一個網(wǎng)站，每天19點更新第二天在港交所、A股上市的企業(yè)”。MiMo Claw通過Python爬蟲定時抓取數(shù)據(jù)，然后生成靜態(tài)頁面直接部署。其運行測試發(fā)現(xiàn)誤匹配后，會修正補充港股數(shù)據(jù)。

▲MiMo Claw生成的新股雷達網(wǎng)站

MiMo-V2-Pro、MiMo-V2-Omni將聯(lián)合OpenClaw、OpenCode、KiloCode、Blackbox及Cline等智能體開發(fā)框架團隊，為全球開發(fā)者提供為期一周的限時免費接口支持。

MiMo-V2-Pro養(yǎng)蝦體驗頁面：https://aistudio.xiaomimimo.com

一、MiMo-V2-Pro：綜合能力國內(nèi)第二，OpenClaw榜單排第三

MiMo-V2-Pro總參數(shù)量超過1T，激活參數(shù)量42B，較前代模型MiMo-V2-Flash擴大約3倍，支持100萬上下文長度。

在全球權(quán)威大模型綜合智能排行榜Artificial Analysis上，MiMo-V2-Pro位列全球第九，國內(nèi)第三，僅次于智譜的GLM-5、MiniMax昨日新發(fā)布的MiniMax-M2.7。

在各個衡量模型重要能力的基準測評中，MiMo-V2-Pro在編程Agent、通用Agent和工具使用方面與Claude Sonnet 4.6、GPT 5.2、Gemini 3.0 Pro性能相近。

根據(jù)官方信息，MiMo-V2-Pro專為Agent場景深度優(yōu)化，針對復(fù)雜多樣的智能體架構(gòu)進行了監(jiān)督微調(diào)和強化學習，具備更強工具調(diào)用與多步推理能力。

在OpenClaw標準評測榜單PinchBench、Claw-Eval上，MiMo-V2-Pro排名第三，僅次于Claude Sonnet 4.6、Claude Opus 4.6。同時，基于1M超長上下文窗口，MiMo-V2-Pro能支撐高強度的真實Claw復(fù)雜應(yīng)用流。

編程方面，小米內(nèi)部工程師深度評測結(jié)果顯示，MiMo-V2-Pro體感已接近Claude Opus 4.6，并展現(xiàn)出高階的編程智能，其擁有更出色的系統(tǒng)設(shè)計與任務(wù)規(guī)劃能力、更優(yōu)雅的代碼風格，以及更高效直接的問題解決路徑。

在前端應(yīng)用場景中，MiMo-V2-Pro可以在OpenClaw里，一步生成設(shè)計精致、功能完備的網(wǎng)頁。

提示詞：模仿90年代印刷雜志美學。標題襯線字體如 Playfair Display，正文等寬字體如 IBM Plex Mono。頁面雜志式多欄 grid，每欄寬度不等。大標題向左偏出視口暗示印刷溢出。圖片加 sepia 0.2 棕褐色濾鏡和噪點疊加。頁面過渡模仿翻書效果。導航模仿雜志目錄，每項前編號 01/02/03，hover 時編號變大。底部設(shè)計成雜志版權(quán)頁樣式含假 ISSN 號。紙張紋理背景。

價格方面，根據(jù)使用量分段計價：256K上下文以內(nèi)，輸入每百萬tokens 1美元（約合人民幣6.87元），輸出3美元（約合人民幣20.62元）；1M上下文以內(nèi)，輸入每百萬tokens 2美元（約合人民幣13.75元），輸出6美元（約合人民幣41.24元）。

在官方模型體驗頁面，同步上線了MiMo Claw，免費解鎖MiMo-V2-Pro養(yǎng)蝦體驗。此外，MiMo Claw模塊現(xiàn)已全面打通金山WebOffice生態(tài)，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；小米瀏覽器目前也已經(jīng)接入MiMo-V2-Pro，助力AI搜索。

二、MiMo-V2-Omni：專攻多模態(tài)交互、執(zhí)行，能幫你找攻略砍價

全模態(tài)基座模型Xiaomi MiMo-V2-Omni，是專為現(xiàn)實世界中復(fù)雜的多模態(tài)交互與執(zhí)行場景打造，融合文本、視覺、語音全模態(tài)。

感知能力，精準感知和準確推理是高效執(zhí)行的基石。在音頻理解上，MiMo-V2-Omni支持從環(huán)境聲分類、多說話人分離、音頻-視覺聯(lián)合推理、超過10小時連續(xù)長音頻的深度理解。其表現(xiàn)超越了Gemini 3 Pro；圖像理解上，MiMo-V2-Omni具備多學科視覺推理與復(fù)雜圖表分析能力，其表現(xiàn)超過Claude Opus 4.6，逼近Gemini 3 Pro；視頻理解方面，新模型支持原生音視頻聯(lián)合輸入，表現(xiàn)超越Gemini 3 Flash。

智能體能力方面，MiMo-V2-Omni能夠跨模態(tài)理解復(fù)雜環(huán)境、自主制定并執(zhí)行計劃、在遇到異常時實時修正策略，最終端到端地交付完整結(jié)果。

在與真實數(shù)字環(huán)境交互的評測基準上，MiMo-V2-Omni性能逼近Gemini 3 Pro，純文本智能體任務(wù)上，其平均表現(xiàn)僅次于Claude Opus 4.6。

結(jié)合OpenClaw框架，MiMo-V2-Omni可以像人一樣操控瀏覽器。

提示詞：幫我看看小米17怎么選，去小紅書做做功課，選好了去京東下單，順便砍砍價。

模型會自己打開小紅書翻帖子，提取配置對比、拍照評測、真實用戶體驗然后整理購買建議。然后其會打開京東跨店比價，轉(zhuǎn)接人工客服砍價，價格合適后直接加購下單。

MiMo-V2-Omni接入WPS Office，只需幾句話就可以為用戶直接生成Word、結(jié)構(gòu)化Excel、排版規(guī)范的PDF與完整的PPT。

MiMo-V2-Omni模型支持256K上下文長度，輸入每百萬tokens 0.4美元（約合人民幣2.75元），輸出2美元（約合人民幣13.75元）。

三、MiMo-V2-TTS：上億小時語音數(shù)據(jù)訓練，讓智能體說話更像人

語音合成大模型Xiaomi MiMo-V2-TTS，專為Agent時代的全模態(tài)交互而生，讓智能體能用有溫度、有情感、有靈魂的聲音與人對話。

https://oss.zhidx.com/4ddb46aba1e191563a5fc8d3e6c19452/69bacc00/uploads/2026/03/69bb03f356f9d_69bb03f33df59_69bb03f33df24_%E5%8C%97%E7%8E%AF%E7%8E%AF%E9%9A%A7-9.m4a

該模型基于小米自研Audio Tokenizer和多碼本語音-文本聯(lián)合建模架構(gòu)，經(jīng)過上億小時語音數(shù)據(jù)的大規(guī)模預(yù)訓練與多維度強化學習，實現(xiàn)了高度可控的多粒度語音風格控制。

其中，自研多碼本語音建模架構(gòu)，可以實現(xiàn)更精細的語音特征捕捉與還原，模型在高保真的離散token空間中對語音進行建模，保留原始語音中的豐富信息，使強化學習階段能夠直接利用語音相關(guān)獎勵信號對模型進行優(yōu)化，從而讓多維獎勵信號更有效。

語音數(shù)據(jù)量突破上億小時，覆蓋豐富的說話風格與場景；多維度強化學習后訓練中，MiMo-V2-TTS在能圍繞更自然的韻律、更穩(wěn)定的音質(zhì)、更準確的字詞表達、更高質(zhì)量的音色克隆以及不同場景下恰當?shù)恼Z氣和表達方式等多個維度持續(xù)優(yōu)化。

在訓練過程中，MiMo-V2-TTS首先通過超大規(guī)模語音-文本混合預(yù)訓練，在海量數(shù)據(jù)中習得了強大的跨模態(tài)對齊與理解生成的統(tǒng)一能力；在此基礎(chǔ)上，通過少量高質(zhì)量監(jiān)督數(shù)據(jù)的微調(diào)，模型獲得了可泛化的多粒度與多風格指令控制能力。

可泛化的語音風格指令控制：該模型支持從整體到局部的多層次語音風格控制。用戶可通過自然語言指令設(shè)定整體語音基調(diào)，同時對句內(nèi)局部片段進行細粒度的情緒調(diào)節(jié)，實現(xiàn)同一語句中語氣轉(zhuǎn)折與情感遞變的自然過渡。

https://oss.zhidx.com/d14def45ed2f9067455f7121a731840b/69bacc00/uploads/2026/03/69bb0691cde05_69bb0691c9e5d_69bb0691c9e19_%E5%8C%97%E7%8E%AF%E7%8E%AF%E9%9A%A7-10.m4a

文本理解：該模型在預(yù)訓練階段通過大量文本-語音對齊數(shù)據(jù)，習得了書面語與口語表達之間的映射關(guān)系，能夠智能識別文本中的標點符號、語氣詞、強調(diào)標記等各類格式信號，并將其自動轉(zhuǎn)化為恰當、自然的語音表達，全程無需用戶額外標注或手動干預(yù)。

https://oss.zhidx.com/839829321e5ef0d1162c4e2b7adf47b9/69bacc00/uploads/2026/03/69bb069890107_69bb06988c328_69bb06988c2e3_%E5%8C%97%E7%8E%AF%E7%8E%AF%E9%9A%A7-11.m4a

方言、角色、歌聲：該模型支持多種方言的自然發(fā)音，可進行角色扮演式的風格化演繹，更能實現(xiàn)高質(zhì)量的歌聲合成——讓同一個模型既能說、能演、也能唱。方言支持：東北話、四川話、河南話、粵語、臺灣腔。

https://oss.zhidx.com/627b32390097dd4e5736a73512f1bfce/69bacc00/uploads/2026/03/69bb069d6b3ee_69bb069d5eba6_69bb069d5eb5f_%E5%8C%97%E7%8E%AF%E7%8E%AF%E9%9A%A7-12.m4a 結(jié)語：終端廠商發(fā)力系統(tǒng)級原生智能體

小米大模型團隊透露了下一步的研發(fā)方向，小米大模型Core團隊的核心方向是攻克高復(fù)雜度推理與長周期任務(wù)規(guī)劃，系統(tǒng)提升模型在未知環(huán)境中的泛化與決策能力，向真正的通用智能邁進，其還將持續(xù)推進長周期智能體規(guī)劃、實時流式感知、多智能體協(xié)同，以及與物理世界更深層的整合。

小米此次連發(fā)三個大模型，貫通了萬億參數(shù)模型、全模態(tài)模型、 平價API等多項能力，這或許也意味著終端廠商可以把底層大模型、系統(tǒng)權(quán)限、生態(tài)服務(wù)深度整合，打造系統(tǒng)級原生智能體。