MiMo-V2-Flash: 高效推理、代码与 Agent 基座模型

mimo-v2-flash 正式开源！这是一个专为极致推理效率自研的总参数 309B（激活 15B）的 MoE 模型，通过 Hybrid 注意力架构创新及多层 MTP 推理加速，在多个 Agent 测评基准上保持进入全球开源模型 Top 2；代码能力超过所有开源模型，比肩标杆闭源模型 Claude 4.5 Sonnet，但推理成本仅为其 2.5%，生成速度提升 2 倍，成功将大模型推理效率推向极致。

秉持开放精神，模型权重和推理代码均采用 MIT 协议全面开源。API 限时免费。

推理成本与速度的极致优化

mimo-v2-flash 的 API 定价为: 输入 $0.1/M tokens，输出 $0.3/M tokens。

下图横轴为全球顶尖模型速度和成本的对比图，mimo-v2-flash 实现了最低成本、最高速度。

面向高效推理的结构创新

结构要点如下：

• 混合注意力：采用 1:5 的 Global Attention 与 Sliding Window Attention (SWA) 混合结构，128 窗口大小，原生 32K 外扩 256K 训练。经前期大量实证发现，SWA 简单、高效、易用，展现了比主流 Linear Attention 综合更佳的通用、长文和推理能力，并提供了固定大小的 KV Cache 从而极易适配现有训练和推理 Infra 框架。

• MTP推理加速：通过引入 MTP (Multi-Token Prediction) 训练提升基座能力的同时，并在推理阶段通过并行验证 MTP Token，打破了传统 Decoding 在大 Batch 下的显存带宽瓶颈，实测在 3 层 MTP 情况下可实现 2.5～3.7 的实际加速比。

相关链接

• 技术报告：https://github.com/XiaomiMiMo/MiMo-V2-Flash/blob/main/paper.pdf

• 模型权重：https://hf.co/XiaomiMiMo/MiMo-V2-Flash

• github 仓库：https://github.com/xiaomimimo/MiMo-V2-Flash

• 官方博客：https://mimo.xiaomi.com/blog/mimo-v2-flash

• LMSYS 博客：https://lmsys.org/blog/2025-12-16-mimo-v2-flash