小米凌晨开源MiMo-V2.5双旗舰，MIT协议全面商用，百万亿Token激励计划正式启动

今日凌晨，小米 MiMo 团队正式释出新一代双旗舰模型 MiMo-V2.5-Pro 与 V2.5，均采用极为宽松的 MIT 开源协议，彻底扫清商用、微调及二次开发的授权障碍。性能方面同样惊艳，在 GDPVal-AA、τ³-bench、ClawEval 三大通用 Agent 核心基准测试中，新模型实现对近期大热的 DeepSeek V4 Pro 的全面反超，开源领域的最佳成绩（SOTA）在短时间内再次易主。

而这仅仅是序幕，真正慷慨的部分才刚刚开始。伴随模型开源，小米同步推出了 MiMo Orbit 计划——一项专门面向 AI builder 的“创造者百万亿 Token 激励计划”（100 T）。

🎁 成功申请的用户最高可获得内含 16 亿 Credits 的 Token Plan，价值约 659 元。申请地址：https://100t.xiaomimimo.com/

MiMo Orbit 计划

申请信息

  • 邮箱
  • 常用的 AI 开发 / Agent 工具
  • 主要使用的模型
  • 描述使用 Agent 以及 AI 工具的成果
  • 附件证明
  • GitHub 项目地址或者在线演示地址

实测到账：2 亿 Credits 即刻入账

今晨提交申请，中午查看时发现已经到账。活动真实有效，还没上车的朋友请抓紧！本次我领取到的是 2 亿 Credits 的 Token Plan：

申请到账截图

2亿Credits到账

核心参数速览：V2.5 双模型架构一览

维度 MiMo-V2.5-Pro MiMo-V2.5
架构 MoE (1 Dense + 69 MoE 层) 原生全模态
参数量 1.02T 总参 / 42B 激活 310B 总参
上下文窗口 1M Tokens 1M Tokens
核心场景 复杂 Agent、长程 Coding Multimodal Agent
开源协议 MIT (彻底放开商用) MIT

MiMo-V2.5 模型架构

核心跑分数据：通用 Agent 能力登顶开源榜（MiMo-V2.5-Pro）

1. 通用 Agent 能力（开源第一）

  • GDPVal-AA (Elo): 1581（🏆开源第一，领先 DeepSeek / GLM / Kimi；距 GPT-5.4 差 90 分，距 Claude 差 25 分）
  • τ³-bench: 72.9（追平 GPT-5.4，超越 Claude 72.4）
  • ClawEval (Pass³): 63.8（🏆开源第一，距 Claude 70.4 仍有约 7 分的护城河）

2. Coding 能力（开源第一梯队）

  • SWE-bench Pro: 57.2（略逊于 Kimi 58.6、GLM 58.4）
  • SWE-bench Verified: 78.9（落后 DeepSeek/Claude/GPT 约 1.5–2 分）
  • Terminal-Bench 2.0: 68.4（落后 GLM 69.0、GPT-5.4 75.1）
  • FrontierSWE: #3.4（位于 GPT-5.4 与 Claude 之后）

跑分数据对比

技术架构拆解：MoE 路由与推理加速

  • 路由机制：每层包含 384 个专家，每 Token 激活其中的 8 个。
  • 注意力混合：滑动窗口注意力（SWA，窗口大小=128）与全局注意力（GA）按 6:1 的比例交错排列，使 KV 缓存存储降低约 7 倍。
  • 推理加速：引入 3 层多 Token 预测（MTP）模块，官方宣称推理速度提升 3 倍。
  • 预训练：吞吐量 27T Tokens，全程采用 FP8 (E4M3) 混合精度。
  • 后训练：SFT → 重度 Agent RL（数学/安全/工具专项） → MOPD（多教师在线策略蒸馏，统一模型）。

技术架构图

Token 效率：长程任务成本骤降 40%–60%

这是 MiMo-V2.5-Pro 最突出的差异化优势。

  • 基准测试：ClawEval 达到 64% Pass³，单条轨迹平均仅消耗约 70K Tokens。
  • 对比闭源：在同等通过率下，较 GPT-5.4 / Claude Opus 4.6 / Gemini 3.1 Pro 节省 40%–60% 的 Token 消耗。
  • 商业转化：在长程 Agent 任务中，同等预算下的吞吐量可提升近 50%。

Token效率对比

部署门槛与限制

硬件门槛极高
官方推荐配置为 tp-size 16 + ep-size 16，最低需要 16 张 H100 级别的 GPU，个人开发者几乎无法在本地进行部署。

闭源差距犹存
在顶级复杂推理（如 Terminal-Bench）以及极致 Coding 场景中，GPT-5.4 和 Claude 依然保有显著壁垒。

激励池非普惠
百万亿 Token 创作者激励池（Orbit）采用申请制，并非全员直接领取。

📌 一句话选型建议：若核心诉求是极致的代码生成能力，建议将 MiMo-V2.5-Pro 与 Kimi K2.6、DeepSeek V4 Pro 进行 A/B 测试后再做最终决定。

#MiMo #小米 #开源模型 #AI工具 #Token激励