3 月 18 日深夜，北京时间已经很晚，@XiaomiMiMo 负责人罗富力（Fuli Luo，前 DeepSeek 核心成员）在 X 上发出一条长帖，宣布小米自研大模型家族 MiMo-V2 系列正式推出：MiMo-V2-Pro、MiMo-V2-Omni 和 MiMo-V2-TTS。他把这次发布形容为“quiet ambush”（安静的伏击），不是刻意低调，而是因为从 Chat 到 Agent 的范式转变来得太快，连团队自己都差点没完全反应过来。
1. 这次发布了什么？
小米一口气推出了完整的三件套模型家族，明确定位为“真正为 Agent 时代而建的 full-stack 模型系列”：
- MiMo-V2-Pro：旗舰推理模型，基于 1 万亿（1T）参数规模的基座。核心卖点是超长上下文 + 极致推理效率，专为复杂 Agent 任务设计。
- MiMo-V2-Omni：多模态全能版，支持图像、视频、音频等原生输入输出，统一架构处理多种模态。
- MiMo-V2-TTS：高品质文本转语音模型，补齐了语音交互闭环。
这不是简单地在上一代 MiMo 模型上做增量升级，而是从架构层面就瞄准了下一代 AI 使用形态--不再是单轮对话，而是能够自主规划、调用工具、长期记忆、复杂编排的智能体（Agent）。
2. 架构上的“提前布局”
罗富力在帖子里透露了不少关键技术细节，这些选择在一年前就已确定，而不是临时跟风：
- 基座模型早在几个月前就开始训练，原始目标其实是“长上下文推理效率”。
- Hybrid Attention（混合注意力机制）：作者强调这是真正的创新点，既没有过度堆料，又恰好成为 Agent 时代最需要的基础设施。
- 1M 上下文窗口（100 万 token）：支持极长的历史和工具调用链。
- MTP inference（多 token 预测推理）：大幅降低延迟和推理成本。
部分内容已折叠，查看完整文章请先登录。 登录后查看完整文章
“a genuine love for the world you're building for.”
从北京，很晚，还没完全醒。 但世界，已经开始醒了。
原创文章，更多AI科技内容，微信搜索橙 市播客小程序
微信扫描下方的二维码阅读更多精彩内容
声明：本站所有文章，如无特殊说明或标注，均为橙市播客原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。如果你是AI总结，务必加上此版权说明
