模型发布
2026-06-02 mimo-v2.5-asr 发布
模型简介：
-
中英双语 + 方言： 持中英双语识别及吴语、粤语、闽南语、四川话等多种中国方言，以及中英混合代码切换
-
歌词转写： 高精度中英文歌词转写，支持人声与伴奏混合场景
-
复杂声学环境： 在强噪声、远场、多说话人等挑战性声学条件下表现稳健
-
知识密集内容： 精准识别古诗词、专业术语、人名地名等知识密集型内容，自动生成标点
2026-04-23 mimo-v2.5-pro 发布
模型简介：
-
万亿参数，高效架构 ： 1T 总参数 | 42B 激活 | 1M 超长上下文
-
极致 Agent 性能： 在高强度智能体场景下，表现媲美 Claude Opus4.6
2026-04-23 mimo-v2.5 发布
模型简介：
-
原生全模态感知 + 1M 上下文： 支持图像、视频、音频、文本的原生理解，实现跨模态精准感知与长程推理，综合感知能力跻身行业前沿
-
强大的全模态 Agent 能力： 具备原生 Agent 执行能力，可高效完成浏览、理解、推理与操作等复杂任务，日常任务表现比肩 mimo-v2.5-pro
-
性能与效率兼备： 在保持领先能力的同时，实现更优的 token 效率，位于性能与效率的 Pareto 前沿
2026-04-23 MiMo-V2.5-TTS 系列发布
模型简介：
-
精品音色 TTS： 内置多款高质量精品音色，具备强大的风格指令理解与遵循能力，支持对语速、情绪、语气等进行精细化控制，满足多场景表达需求
-
音色设计： 支持通过一句话快速定义并生成全新音色，让音色创作更加直观、高效
-
音色克隆： 基于少量音频样本即可高保真复刻目标音色，在保持音色特征一致性的同时，具备良好的泛化与稳定性
2026-03-18 mimo-v2-pro 发布
模型简介：
-
采用 1:7 的 Global Attention 与 Sliding Window Attention (SWA) 混合结构；
-
1T 的总参数量（42B 激活参数）；
-
1M 超长上下文长度。
模型详情：https://platform.xiaomimimo.com/#/docs/news/v2-pro-release
2026-03-18 mimo-v2-omni 发布
模型简介：
-
支持 256K 上下文长度；
-
支持文本、视觉、语音模态。
模型详情：https://platform.xiaomimimo.com/#/docs/news/v2-omni-release
2026-03-18 mimo-v2-tts 发布
模型简介：
-
上亿小时预训练、自研多码本语音建模架构；
-
具备风格控制、唱歌、音色克隆等独特能力。
模型定价：限时免费。
模型详情：https://platform.xiaomimimo.com/#/docs/news/v2-tts-release
2026-02-04 mimo-v2-flash 更新
-
Thinking 模式代码能力升级： 针对编程场景进行了专门优化，Thinking 模式在 SWE-Bench Verified 上的评分提升至 78.6，代码生成的解决率和质量均有显著提高。
-
工具调用准确率大幅提升： 解决了工具使用的稳定性问题，Thinking 模式下的工具调用准确率从 64% 跃升至 97.0%，大幅增强了模型在 Agent 场景下的执行可靠性。
-
指令遵循与抗幻觉能力增强：
-
提升了对特定指令的遵循能力，AA-IFBench 评分达到 72。
-
增强了事实性回答的严谨度，非幻觉率（Non-Hallucination Rate）提升至 52%。
-
-
复杂任务处理优化： 在 Thinking 模式下，针对 Arena-Hard (Hard Prompt) 的处理能力有所增强，评分提升至 60.6，在处理高难度逻辑问题时表现更佳。
-
思维链长度缩短： 通过优化思维链生成策略，显著降低了冗余 Token 的消耗。在 AIME25、HMMT 等基准测试中，平均生成长度缩减了 13% 至 30%，在保持模型效果的同时，有效降低了 Token 成本。
| mimo-v2-flash-0204 | mimo-v2-flash-0112 | mimo-v2-flash | |
|---|---|---|---|
| SWE-Bench Verified Non-Thinking |
73.7 | 73.3 | 73.4 |
| SWE-Bench Verified Thinking |
78.6 | 74.2 | - |
| Arena-Hard(Hard Prompt) Non-Thinking |
49.3 | 52.7 | 46.0 |
| Arena-Hard(Creative Writing) Non-Thinking |
85.0 | 86.0 | 78.3 |
| Aren-Hard(Hard Prompt) Thinking |
60.6 | 58.3 | 54.1 |
| Arena-Hard(Creative Writing) Thinking |
85.8 | 90.4 | 86.2 |
| AA-IFBench | 72 | - | 64 |
| AA-Omniscience Accuracy | 19 | - | 27 |
| AA-Omniscience Non-Hallucination Rate | 52% | - | 9% |
| Tool call success rate Thinking |
97.0% | 64% | 44% |
| Benchmark | mimo-v2-flash (Acc) | mimo-v2-flash (Avg Tokens) | mimo-v2-flash-0204 (Acc) | mimo-v2-flash-0204 (Avg Tokens) | Length Reduction Ratio (%) |
|---|---|---|---|---|---|
| AIME25 | 94.8 | 26984 | 91.1 | 18879 | 30.04% |
| HMMT_Feb_25 | 94.2 | 29294 | 92.9 | 21470 | 26.71% |
| LiveCodeBench-AA | 83.2 | 21488 | 84.9 | 18335 | 14.67% |
| GPQA-Diamond | 83.7 | 15862 | 83.8 | 13659 | 13.89% |
注：模型调用方式和模型名称不变
2026-01-12 mimo-v2-flash 更新
-
通用能力增强： 提升了模型通用任务下的处理能力。
-
Thinking 模式代码能力升级： 针对编程场景，强化了 Thinking 模式下的代码生成质量。
-
Claude Code 深度适配： 全面支持在 Claude Code 中使用 Thinking 模式。
- 最佳实践：建议将 Thinking 设为默认模式，以获得更稳定、更卓越的代码生成体验。
-
其他Code Agent体验优化： 同步提升了 Kilo、Cline、Roo 等代码辅助工具（Code Scaffolds）的交互体验与生成效果。
-
稳定性与指令遵循提升： 增强了模型的输出稳定性，大幅提高了对特定输出格式的遵循能力。
| mimo-v2-flash-0112 | mimo-v2-flash | |
|---|---|---|
| SWE-Bench Verified Non-Thinking |
73.3 | 73.4 |
| SWE-Bench Verified Thinking | 74.2 | - |
| Arena-Hard(Hard Prompt) Non-Thinking |
52.7 | 46.0 |
| Arena-Hard(Creative Writing) Non-Thinking |
86.0 | 78.3 |
| Arena-Hard(Hard Prompt) Thinking |
58.3 | 54.1 |
| Arena-Hard(Creative Writing) Thinking |
90.4 | 86.2 |
2025-12-16 mimo-v2-flash 发布
模型简介：
-
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；
-
引入 3 层 MTP，实现 2.5 ～ 3.7 倍的推理加速；
模型定价：输入 $0.1/M tokens，输出 $0.3/M tokens。
模型详情：mimo-v2-flash: 高效推理、代码与 Agent 基座模型
调用指南：首次调用 API