小米发布MIT许可的MiMo模型，专为长任务AI智能体设计

小米近日以MIT许可协议开源发布了MiMo-V2.5和MiMo-V2.5-Pro两款模型，为开发者提供了一个构建AI智能体的低成本新选择，支持编程开发、工作流自动化等长周期任务。

两款模型均支持100万Token的上下文窗口。MiMo-V2.5-Pro专为复杂智能体任务和编程场景设计，而MiMo-V2.5则是原生全模态模型，可同时处理文字、图片、视频和音频内容。

此次发布恰逢智能体AI工作负载对企业AI预算造成新压力之际。这类系统在规划、调用工具、编写代码及错误恢复过程中会消耗大量Token，使得成本管理和部署控制变得尤为关键。

采用MIT许可意味着允许商业部署、持续训练和微调，无需额外授权。Kadence International高级副总裁Tulika Sheel表示，MIT许可使该模型颇具吸引力："企业可以自由修改、部署和商业化该模型，不受任何限制，这在当前AI领域实属罕见。"

小米在官方博客中表示："在ClawEval测试中，V2.5-Pro以每条轨迹约7万Token的消耗达到64%的Pass^3成绩，相比Claude Opus 4.6、Gemini 3.1 Pro和GPT-5.4在同等能力水平下减少了约40%至60%的Token消耗。"

两款模型均采用稀疏混合专家架构（MoE）以控制算力成本。拥有3100亿参数的MiMo-V2.5每次请求仅激活150亿参数，而拥有1.02万亿参数的Pro版本则激活420亿参数。小米表示，Pro模型的混合注意力设计可在长上下文任务中将KV缓存存储量缩减近7倍。

在长周期任务测试方面，小米列举了多项成果：MiMo-V2.5-Pro在4.3小时内、经672次工具调用完成了一个Rust语言编写的SysY编译器，全部通过233个隐藏测试；此外，该模型还在11.5小时的自主工作中、历经1868次工具调用，生成了一个长达8192行代码的桌面视频编辑器。

MiMo-V2.5能否在智能体编程和自动化领域被企业开发者广泛采用，并与封闭前沿模型形成竞争，将取决于企业对性能、成本和风险的综合评估。

Omdia首席分析师Lian Jye Su表示："在评估小米MiMo-V2.5及其衍生版本时，企业开发者应着眼于总拥有成本，即Token效率、每次成功任务的成本，以及免除专有模型许可费用所带来的优势。封闭前沿模型在通用任务和极端边缘场景中或许仍有优势，但开源权重模型在高容量智能体任务中表现更为突出。"

Pareekh Consulting首席执行官Pareekh Jain表示，企业不应将MiMo-V2.5视为Claude或GPT的替代品，而应将其定位为高Token消耗工作负载场景下的高性价比智能体模型。

"关键的基准信号不只是准确率，而是每次成功任务所消耗的Token数量，"Jain说，"前沿模型在复杂编程基准测试中往往能取得更高的成功率，但代价是巨大的推理开销。MiMo-V2.5的设计核心是Token效率，即以明显更少的输入和输出Token实现相当的结果。"

Jain认为，这使得MiMo类模型可成为重复性编程、质量保障、系统迁移、文档整理、测试及自动化等工作场景中的"经济型主力"，而封闭前沿模型则依然是最复杂任务的质量标杆。

Gartner高级首席分析师Ashish Banerjee认为，MiMo类模型有望从根本上改变长周期智能体的企业AI经济模型。

"当任务规模扩展到数百万Token时，按量计费的专有API就不再像是一种便利，而更像是一种对迭代效率的额外税负，"Banerjee说，"相比之下，MiMo的MIT许可、开放权重、100万Token上下文窗口以及相对低廉的定价，使得私有云或自托管部署具备了战略层面的可行性。"

不过，Banerjee也指出，这并不意味着企业会放弃专有API。

"企业会继续使用专有API来追求前沿精度和低运维消耗，同时将规模化、可重复的智能体工作流转向开源模型——在那些更看重成本可预测性、数据控制权和定制化能力的场景中尤为如此，"Banerjee说，"简言之，长周期、高容量的智能体AI将演变为混合市场，像MiMo这样的开源模型将打破对纯API的依赖。"

Lian Jye Su补充道，来自中国的模型在受监管的西方机构中可能引发合规顾虑，这将对其采用构成一定挑战。

Q&A

Q1：MiMo-V2.5和MiMo-V2.5-Pro有什么区别？

A：MiMo-V2.5是原生全模态模型，支持文本、图片、视频和音频的混合处理；MiMo-V2.5-Pro则专注于复杂智能体和编程任务，拥有1.02万亿参数，每次请求激活420亿参数，并具备混合注意力设计，可将KV缓存存储量缩减近7倍，更适合企业级高难度工作负载。

Q2：MiMo-V2.5的MIT许可对企业意味着什么？

A：MIT许可允许企业自由修改、部署和商业化模型，无需额外授权，也不存在专有模型的许可费用。这使得企业可以在私有云或自托管环境中部署模型，从而更好地控制成本、数据安全和定制化需求，对于高Token消耗的长周期智能体任务尤其具有经济优势。

Q3：MiMo-V2.5的Token效率表现如何？

A：根据小米官方数据，MiMo-V2.5-Pro在ClawEval测试中每条轨迹仅消耗约7万Token，比Claude Opus 4.6、Gemini 3.1 Pro和GPT-5.4少40%至60%。分析师指出，其核心竞争力在于以更少的Token完成同等质量的任务，适合重复性编程、测试、迁移等高容量工作场景。