小米 MiMo:最近很活跃的AI模型,还白送 100 万亿 tokens

news2026/5/4 9:37:07
小米 MiMo最近很活跃的AI模型还白送 100 万亿 tokens小米什么时候成 AI 模型厂商了很多人对小米做 AI 的印象还停留在小爱同学。但过去两个月小米的 MiMo 模型系列以一种近乎刷屏的节奏密集更新密度堪比当年的 DeepSeek。梳理一下4月份的时间线Orbit 激励计划上线总池子 100 万亿 tokens面向开发者发放小米 MiMo-V2.5 系列开源Xiaomi MiMo-V2.5-TTS-Series ASR 正式发布你的声音随心所“驭”小米 MiMo-V2.5 系列Xiaomi MiMo 现已接入全球顶级 Agent 框架 Hermes Agent并限免两周Xiaomi MiMo-V2-Pro 发布面向 Agent 时代的旗舰基座Xiaomi MiMo-V2-Omni 发布看得清听得懂能动手的全模态 Agent 基座Xiaomi MiMo-V2-TTS 发布能说会唱的语音合成大模型一个做手机的公司怎么突然在开源模型圈这么活跃MiMo 到底是什么水平先说 MiMo-7B这是小米的成名作。7B 参数在大模型圈属于小个子但 MiMo-7B 用强化学习硬生生把它训练成了推理怪兽。核心数据BenchmarkGPT-4oClaude-3.5-Sonneto1-miniMiMo-7B-RLMATH-50074.678.390.095.8AIME 20249.316.063.668.2AIME 202511.67.450.755.4LiveCodeBench v532.938.953.857.8一个 7B 的模型在数学推理上把 GPT-4o 和 Claude-3.5-Sonnet 按在地上摩擦。后来的增强版 MiMo-7B-RL-0530 更进一步AIME 2024 拿到 80.1 分直接超越 DeepSeek R1 的 79.8。技术上MiMo-7B 有几个值得注意的点预训练用了约 25 万亿 tokens三阶段数据混合策略专门增强了推理模式的密度多 Token 预测MTP作为额外训练目标使用一个 MTP 层做推测解码时接受率约 90%RL 阶段只用基于规则的准确性奖励不用神经网络奖励模型避免了 reward hacking代码奖励引入了测试难度驱动机制给不同难度的测试用例分配细粒度分数这些设计组合在一起让一个小模型在推理任务上打出了远超自身参数量的表现。从 7B 到 1TV2 系列的跳跃MiMo-7B 证明了小米在模型训练上有真功夫但 7B 参数终究有天花板。V2 系列是一次量级跳跃MiMo-V2-Pro约 1T 参数100 万上下文窗口专门优化代码生成和理解。2026 年 3 月先以Hunter Alpha的化名在 OpenRouter 上线一周后才正式解密——这个操作本身就很有趣说明小米想先让社区用盲测来评价模型能力而不是靠品牌滤镜。MiMo-V2.5311B和MiMo-V2.5-Pro1T2026 年 4 月公测。V2.5-Pro 在软件工程任务中能和 Claude Opus 4.6、GPT-5.4 正面竞争完成 SysY 编译器任务只需 4.3 小时。Token 效率相比上一代提升 42% 到 50%——这意味着同样的效果API 调用成本直接砍半。MiMo-V2.5-ASR8B专用语音识别模型开源后在 HuggingFace 上可以直接部署。从 7B 推理模型到 1T 全模态 Agent小米用了不到一年。这个速度在开源模型圈里确实少见。Orbit 计划100 万亿 token 的羊毛重点来了。小米在 4 月 28 日上线了Orbit 激励计划总池子 100 万亿 tokens面向开发者发放。地址100t.xiaomimimo.com能领多少根据我的观察填写申请表单后运气好的能拿到Max 月度套餐包含16 亿 tokens普通的也能拿到Pro 月度套餐包含7 亿 tokens官方 Max 年度订阅价格将近 7000 元送 1 个月相当于白嫖约 600 元16 亿 tokens 是什么概念日常开发中写代码、做 Review、跑测试够用很久了。我自己试了下只拿到了一个Pro怎么申请流程很简单先用你的邮箱登录platform.xiaomimimo.comMiMo API 开放平台打开100t.xiaomimimo.com填写申请表单表单内容主要是选你常用的 AI 编程工具和底层模型再描述一下你用 AI 做过什么项目提交后等审核审核很快官方说法是 3 个工作日注意最好先登录开放平台再申请否则权益可能无法到账。登录后 24 小时内权益会自动到账在订阅管理中可以看到。支持哪些模型和工具赠送的套餐支持 MiMo 全系列模型包括 V2.5-Pro、V2.5 等。同时兼容 Claude Code、OpenCode 等主流编程工具。也就是说你可以把这个额度接到 Claude Code 里用 MiMo 的模型跑日常开发任务。值不值得白送的东西没有不薅的道理。我自己还没用期待使用之后写一个反馈不过我看了下网上的评论MiMo 模型的实际编程能力在复杂任务上和 Claude Opus、GPT-5 还有差距但在中等难度的日常开发任务上已经够用。Token 效率提升 42%-50%是官方数据实际体验取决于具体任务类型Orbit 计划的审核标准不透明——有人随便填就拿到了 Max 套餐有人认真写反而只拿到 Pro有一定随机性tokens 的有效期是 1 个月过期作废所以领到之后要尽快用对于开发者来说最实际的用法是把 MiMo 接到 Claude Code 或 OpenCode 里作为日常轻量任务的备选模型用它跑一些不那么关键的代码生成、文档编写、测试用例生成把省下来的 Claude/GPT 额度留给真正需要强模型的复杂任务最后说实话之前我从来不用国产模型的但是也一直期待国产模型能崛起从DS到minimax/kimi/GLM希望mimo在国产一线能有一席之地。看他们的模型迭代速度感觉是玩真的了。Orbit 计划的 100 万亿 token 池也是小米在用真金白银换开发者生态。策略和当年 DeepSeek 开源类似——先让开发者用起来用的人多了生态自然就起来了。至于能不能替代 Claude 或 GPT再说吧白送 16 亿 tokens先薅了再说。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2581231.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…