小米开源 MiMo-V2-Flash：309B 参数 MoE 模型，主打编程推理与极致性价比

首次发布 2025年12月16日传播指数 34

小米发布并开源大模型 MiMo-V2-Flash，总参数 309B、激活 15B。它主打编程与推理，支持 256k 上下文，并在 SWE-bench Verified 登顶开源第一。模型每秒生成 150 token，百万输入输出仅 0.1 和 0.3 美元，大幅降低了智能体与代码生成的调用门槛。

MiMo-V2-Flash 是小米开源的一个超大参数混合专家模型，总参数量达到 309B，实际激活参数仅为 15B。它专门针对代码编写、复杂推理和智能体场景优化，既能在长程任务里当好编程助手，也能兼顾日常问答。

它能做什么与实测表现

写代码和解决工程 Bug 是这个模型最擅长的领域。在评估软件工程实战能力的 SWE-bench Verified 和多语言基准测试中，MiMo-V2-Flash 拿下了所有开源模型里的第一名，表现已经咬住了全球最顶尖的闭源模型。

在数学竞赛 AIME 2025 和科学知识问答 GPQA-Diamond 榜单上，它的成绩也排在开源模型前两位。

针对开发者的日常使用，模型设计了不少实用功能。它支持混合思考模式，你可以自由切换让它深思熟虑之后再作答，还是直接快速给出结果。它能一键生成可交互的 HTML 网页，也可以无缝接入 Cursor、Cline 和 Claude Code 等当下流行的编程辅助工具。

MiMo-V2-Flash 还支持 256k 的超长上下文。这意味着在复杂的智能体工作流里，它能够经受住连续数百轮的工具调用和上下文交互，不至于轻易忘记前面的设定。

模型的推理速度达到了每秒 150 个 token。在 API 定价上，每百万输入 token 仅需 0.1 美元，每百万输出 token 为 0.3 美元，性价比非常夸张。

为了压榨速度，小米在架构上做了一些取舍。它采用滑动窗口注意力和全局注意力交替的混合架构，比例为 5 比 1，窗口大小只有 128 个 token。这种固定大小的 KV 缓存结构大幅减轻了显存读写压力。

解码阶段则原生引入了多 token 预测机制来做投机解码。它在轻量级的辅助层上预测后续内容，再由主模型并行验证，实测在 3 层预测模块下能实现 2.0 到 2.6 倍的推理加速。

在后训练阶段，团队没有直接堆算力做传统的强化学习，而是提出了一种多教师在线策略蒸馏方法。让学生模型在自己采样的轨迹上接收多个教师模型的细粒度奖励，用不到传统流程五十分之一的计算资源就达到了预期的推理性能。

目前小米已经在 mimo.xiaomi.com 上线了相关服务，模型权重也已经对外开源。开发者可以直接在网页平台体验，或者通过兼容的客户端配置 API 接入自己的编辑器环境。

需要注意的是，虽然它每次推理只激活 15B 参数，但 309B 的总参数量摆在那里。如果你想在本地完全自建部署，依然需要相当高配置的显存设备来容纳全部权重。

对于每天靠 Cursor 或 Cline 写代码的开发者来说，MiMo-V2-Flash 提供了一个兼具顶级代码能力和极低调用成本的新选项。只要接入 API，就能以非常便宜的价格跑长上下文项目，很适合用来做日常的批量代码重构或自动测试。

在开源生态里，它证明了通过激进的局部注意力配比与自推测解码，超大参数量的 MoE 也能在速度和价格上逼近小模型。如果它的长上下文稳定性在后续实测中经得起考验，国内大模型在编程智能体这条赛道上的竞争门槛又要被拉高一截。