文｜魏琳华 ，编辑｜王一粟
从年初曝出与雷军接触、离职，到上个月官宣加入小米，再到本月出席小米“ 人车家全生态大会”，被冠以“ 天才少女” 名号的罗福莉，站在台前拿出了新模型 MiMo-V2-Flash。
刚刚在这个领域开始起跑的小米，交出了一份看起来不错的成绩单。
作为一个参数 309B、激活参数 15B 的“ 大” 模型 （罗福莉本人也提到，这个尺寸小到不愿意称之为大模型），在小米团队的构想中，这个模型是为了给 Agent 当基座来训练的。
为此，这个模型的优化更加侧重一些特定的方向，核心是高性价比、快速：
比如能够达到每秒 150 tokens 的生成速度、极低的成本，在保持高性价比的同时，它还保证了模型的性能。
“ 它的代码能力和 Agent 能力在世界级公开公正的评估榜单上，已经进入了全球开源模型 Top 1-2 的行列。” 罗福莉说，“ 大部分评估基准已经超过或者和 DeepSeek-V3、Kimi K2- Thinking、Qwen 等模型相当，但它的参数是后者们的 1/2-1/3。”
发布的小米模型，也面临了两极分化的口碑，有人盛赞模型代码能力领先，有人则认为这是一个“ 刷分” 之作。
无论如何，小米需要 AI。
选在 12 月 18 日的人车家全生态大会，更说明了 AI 之于小米的重要性。
放到智能终端，摆在小米眼前的两个任务是：第一，做轻量化模型，靠端侧部署，升级“ 超级小爱” 和澎湃 OS，把 AI 接入智能终端；第二，智驾方面，小米则更需要大模型做基座，靠模型给智驾能力提升空间。
做 AI 上，小米用行动表示，自己“ 动真格” 了。
压成本、提速，小米押注 Agent
从一开始，小米做 AI 的目标，或许早在 2023 年雷军的年度演讲上就提到了——“ 轻量化+端侧部署”。
罗福莉在演讲中直言，当下模型学习的方向与生物智能的进化方向存在背离，单纯的“ 大力出奇迹” 已难以涌现更高阶的智能。
当 Scaling Law 能够带来的提升越来越少，小米选择了一条更契合自身的路：做一个参数小、性能好且够便宜的模型。
“Scaling 的范式已经逐步从预训练 （Pre-train） 转向后训练 （Post-train），” 罗福莉解释道，“ 我们如何激发后训练的潜能？这就需要一个稳定的范式，以便在强化学习 （RL） 上投入更多的算力。”
为此，作为一个给 Agent 打底的模型，MiMo-V2-Flash 的优化逻辑指向了三个关键问题：
高效沟通：强化代码能力和工具调用，这是智能体交互的基础。
加速带宽：通过极高的推理效率，解决智能体之间信息传递的瓶颈。
发力后训练：通过稳定范式，激发强化学习的潜能。
由此，小米做了个 309B 的大模型 MiMo-V2-Flash，从指标上来看，它最突出的地方在于代码能力。
在官方给出的数据中，可以看到，在 SWE-Bench Multilingual（软件工程基准测试中的多语言版本） 中，该模型甚至超过了包括 GPT-5 在内的一众闭源大模型。
虽然在其他指标上，该模型和 DeepSeek V3.2、kimi k2 Thinging 等开源模型还有些许差距，但作为一个尺寸较小的模型，表现已经很亮眼。
更核心的其实是这个模型在推理速度和价格上的优化：
用 Claude Sonnet 4.5 作为对比指标，小米新模型的推理价格仅为其 2.5%，生成速度却是其 2 倍。
MiMo-V2-Flash 的 API 定价为，输入 0.7 元/百万 tokens，输出 2.1 元/百万 tokens。和国内模型相比，这也是一个非常具备竞争力的价格。
为了优化成本，提升推理速度，小米披露了其背后的技术架构选择—— 混合注意力机制。
从混合注意力机制上下手，月之暗面、MiniMax 等独角兽也曾在类似方向上探索。
小米的选择是，采用了 5:1 的滑动窗口注意力 （Sliding Window Attention, SWA） 与全局注意力 （Global Attention, GA） 的混合结构。
官方实验表明，SWA 在长文和推理能力上优于主流的线性注意力机制，且固定大小的 KV Cache 极易适配现有的基础设施 （Infra）。
不过，对于小米来说，如果要达到在会上宣讲的效果，把模型接入到车、手机等设备中，300B 还是一个不小的规模，距离端侧落地仍有距离。
最耐人寻味的，或许是罗福莉在演讲时的结语：
“AI 进化的下一个起点，一定要有一个可以跟真实环境交互的物理模型，” 罗福莉说道，“ 我们要打造的本质上不是一个程序，而是一个具备物理一致性、时空连贯性的虚拟宇宙。”
从今年小米的模型发布动态上，我们猜测，小米未来的优化将被拆解为两条线：一是死磕端侧，为智能终端加码；二是攻克物理模型，补足在智驾方面的模型能力。
做端侧、做智驾，AI 给小米全家桶打底
无论外界对参数和架构的讨论如何热烈，对小米而言，AI 的价值最终必须回归到业务。
选在 12 月 18 日的人车家全生态大会发布模型，本身就说明了 AI 之于小米的战略意义：
在智能终端侧，通过升级“ 超级小爱” 和澎湃 OS，让它们从指令执行者变为真正的助理；在智能驾驶侧，则急需大模型作为基座，拓展智驾的上限。
回顾 2025 年，小米在 MiMo 系列上的发力呈现出一种急行军的态势，不同于两年前模型发布后的安静，今年的小米高调了起来。
4 月：开源 MiMo-7B 系列，覆盖基础、指令微调及强化学习版。
5 月：发布 MiMo-VL-7B，突破多模态视觉理解。
11 月：推出 MiMo-Embodied 具身智能大模型，整合自动驾驶与机器人技术。
12 月：MiMo-V2-Flash 压轴登场，主打极致效率与 Agent 能力。
这一连串动作的背后，是巨额的真金白银。小米集团总裁卢伟冰在财报电话会上明确表示，AI 是核心研发方向。2025 年，小米研发投入预计超过 300 亿元，其中四分之一 （约 75 亿元） 将直接砸向 AI 领域，并计划在未来五年投入超过 2000 亿元。
“ 在端侧，我们要追求轻量算力、低功耗和周期成本，这样才能普及端侧 AI，” 卢伟冰说道，“ 这一定是小米未来的大方向，也是小米的优势所在。”
组织层面的动作，同样印证了小米的决心：从 2024 年开始，小米搭建了自己的 AI Infra 平台，去年年底，界面新闻爆出，小米正在着手搭建自己的 GPU 万卡集群，将对 AI 大模型大力投入。据悉，其团队在成立时已有 6500 张 GPU 资源。
为了支撑这一战略，小米的人才拼图也在 2025 年逐步完整。
除了负责基础大模型的罗福莉，小米还挖来了陈龙服务于智驾团队。这种“ 双核” 配置在技术路线上已经初见成效—— 陈龙团队提出并开源了全球首个打通自驾与具身操作的跨具身 （X-Embodied） 基座模型 MiMo-Embodied。
这一模型试图解决自动驾驶与机器人之间的知识迁移难题，意味着小米正在尝试用一套通用的 AI 逻辑，去驱动其庞大的硬件生态—— 从手中的手机，到智能家居，再到智驾。
雷军曾提到，小米的 AI 战略是“ 轻量化+本地部署”。可以看到，小米是一定会利用在全球连接超过 10 亿台设备的巨大存量优势，靠 AI 做业务。
对于小米来说，MiMo-V2-Flash 的发布不仅仅是为了在排行榜上占据一席之地。它是小米试图向资本市场和用户讲述的一个新故事：
一家硬件公司，正在通过掌握最高效的“ 大脑”（AI 模型） 和最广泛的“ 身体”（人车家生态），试图在智能时代完成一次彻底的进化。
至于这个故事能否讲通，不仅取决于模型做得好不好，更取决于这些技术能否真正跑通每一台小米设备，转化为用户感知得到的体验。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App