罗福莉执掌小米大模型首秀！定调下一代模型，全新 MiMo-V2 开源还横扫 Agent 第一梯队

今天上午，在 2025 小米人车家全生态合作伙伴大会上，罗福莉首次公开亮相，Title 是 Xiaomi MiMo 大模型负责人。

罗福莉还在会上发表演讲，解读了小米的全新大模型 MiMo-V2-Flash 以及背后团队的故事。

MiMo-V2-Flash，是小米在今天凌晨发的新一代 MiMo 模型，而且还给开源了。

这里简单回顾下 MiMo 模型是什么：它是小米自研的大语言模型（LLM）系列；而 MiMo-V2-Flash 不仅在通用基准测试中和 DeepSeek-V3.2 相当，同时还拉爆性价比，对 Agent 场景友好。

MiMo-V2-Flash 采用了当前很流行但工程难度也很高的 MoE（混合专家）架构，其总参数规模达 3090 亿，但在每次推理时，真正被“点亮”的只有约 150 亿参数。

此外，它还搭载了多词元预测（MTP）技术，专为高速推理和 Agent 工作流程而设计。与很多追求“参数越大越好”的模型不同，MiMo-V2-Flash 的设计目标可谓是：“要跑得快、跑得久、被高频调用也跑得起”。

不过在罗福莉看来，MiMo-V2-Flash 还处于小米在大模型和 AI 探索的早期阶段：

“这只是我们在 AGI 路线图上的第二步。”

跟着罗福莉的视角，看懂 MiMo-V2-Flash

罗福莉，就是那位网传“雷军用千万年薪挖来”的 AI 技术大牛。

她硕士毕业于北大计算机体系，在校期间就曾一次性在国际顶会 ACL 中标 8 篇论文，其中 2 篇一作，还登上过知乎热搜。

毕业后，曾前后加入阿里巴巴达摩院和 DeepSeek 母公司幻方量化，在幻方期间曾担任 DeepSeek 的深度学习研究员，参与研发 DeepSeek-V2 等火出圈的模型。

今年 11 月 12 日，罗福莉对外官宣了她加入小米并任职一事。

今天是罗福莉入职小米后的首次公开演讲，有点小紧张，但她依然条理清晰地向大家讲清了 MiMo-V2-Flash 背后的技术取舍。她没有按普通新品发布套路那样去讲，而是给大家讲清了为什么下一代大模型必须为 Agent 和真实世界而设计。

首先，她对当下大模型的发展状态做出了一个清晰的定界：语言模型通过规模化训练确实取得了突破，但本质上，它们更多是解码了人类思维在文本空间中的一种投影，是一条自顶向下的捷径，而非真正理解了物理世界。

这一判断，为后续所有技术选择提供了前提——语言是强工具，但不是终点。

然后，她解释了 MiMo-V2-Flash 背后的工程逻辑：该模型的设计目标并不是“更聪明”，而是更好用、更可部署。

她将问题归结为三个现实挑战：

• 一是 Agent 需要高效的“沟通语言”，这意味着代码能力和工具调用能力要优先于泛聊天；

• 二是 Agent 之间的交互带宽过低，因此推理效率必须成为第一设计目标；

• 三是模型范式正在从预训练转向后训练和强化学习，这要求一个稳定、可扩展的训练体系来承载持续演化。

所以，MiMo-V2-Flash 无论是采用 MoE 架构、控制活跃参数规模，还是引入混合注意力、多词元预测以及面向后训练的蒸馏范式，本质上都是被 Agent 场景“倒逼”出来的工程取舍，而非单纯的技术炫技。

罗福莉指出，虽然 MiMo-V2-Flash 这个模型规模不算很大，但他们通过大量结构和工程优化，让其达到了更极致的推理效率。

她分享称，在推理阶段，团队使用三层 MTP 并行推理，在实际场景中实现了约 2 到 2.6 倍的推理加速。

从社区测试结果来看，在三层 MTP 的情况下，模型输出吞吐与成本高度相关。在单机环境下，吞吐可以达到 5000 到 15000 token/s，而单请求输出速度也能达到 150 token/s。相比不使用 MTP，整体速度提升约 2-3 倍。

小米官方也公布了 MiMo-V2-Flash 在 7 项主流评测中的成绩，覆盖 Agent、代码、工具调用、数学、科学、学术推理和综合能力；并且和开源的 DeepSeek-V3.2、K2-Thinking，以及闭源的 Claude Sonnet 4.5、GPT-5（High）、Gemini 3.0 Pro“掰手腕”。

结果显示，MiMo-V2-Flash 在 Agent、代码、工具调用、复杂任务执行方面已进入第一梯队。

尤其在 SWE-Bench（评估“LLM 在真实软件工程任务中表现”的权威基准测试）中， MiMo-V2-Flash 在多语言模式下，还以 71.7%的准确率斩获了一项第一。

在演讲的后半段，罗福莉将视角拉高，把讨论从模型本身推向更长远的方向。

她强调，当前的大模型已经可以写代码、解奥数、模仿文学风格，但并不真正理解物理一致性、时空连续性以及与环境之间的因果关系，这也是“具身幻觉”频繁出现的根源。

在她看来，真正的下一代智能体，必须能够与真实环境持续交互。

这意味着，通往下一阶段智能的路径，并不只是增加多模态输入，而是构建一个统一、动态的世界模型：

“智能不是从文本中‘读出来的’，而是要在交互中‘活出来的’。”

这种判断，也构成了她对 AGI 路线的基本立场：她并不否认语言路线的价值，但并不认为只凭语言就能自然通向 AGI。

这种克制的态度同样体现在她对开源的理解中。在她看来，开源并不仅仅是共享模型权重或代码，更是一种分布式的技术加速机制，是缩短开源与闭源差距、推动 AGI 走向普惠化的现实路径。

以下为罗福莉本次讲演全文速记，AI 前线在不改变原意的情况下进行了订正编辑。

其实，大模型是通过语言能力的爆发，通过不断 scaling 计算力、scaling 数据，逐渐理解了人类的思维方式，以及人类对世界的认知。

但严格来说，它（大模型）并不像人类一样真正具备对整个物理世界的感知能力。更严谨地说，它是成功解码了人类思维在文本空间中的一种投影。

大家也能看到，这其实是一种自顶向下的捷径：模型学习到的是智能的结果，再去倒推智能产生的过程。

但不管怎么说，语言本身包含了人类对世界的极致压缩，是智慧的结晶；同时，它也是高阶智能体之间进行高效协作的关键工具。

因此，小米选择从语言出发，去构建新一代面向 Agent 的基座模型 MiMo-V2-Flash。

在研发之初，我们主要围绕三个非常关键的问题展开。

• 第一个，我们认为当代的智能体必须具备一种高效的沟通语言，而这种语言主要体现在代码能力和工具调用能力上。

• 第二个，目前智能体之间的沟通带宽其实是非常低的，我们需要思考如何去加速这种带宽。这就要求模型具备非常高的推理效率，因此我们需要围绕推理效率，重新设计模型结构。

• 第三个，大模型的范式正在逐步从预训练转向后训练，尤其是在强化学习阶段，需要投入更多算力 compute。这就非常依赖一个稳定、可扩展的后训练范式。

这三个问题，是我们在构建 MiMo-V2-Flash 这一代模型时，最核心关注的方向。

在这三个问题的驱动下，我们看到了 MiMo-V2-Flash 作为基座模型的巨大潜能。虽然从参数规模上看，它并不算一个“非常大的模型”，我甚至不太愿意称它为一个大模型——它的总参数量是 309B，激活参数约为 15B。

但在代码能力和 Agent 能力相关的世界级、公开且公正的评测榜单中，在我看来，它已经进入了全球开源模型的第一梯队，整体表现与 DeepSeek-V3.2、Kimi-K2-Thinking 基本相当，而这些模型的总参数规模往往是 MiMo-V2-Flash 的两到三倍。

虽然模型规模不大，但我们通过大量结构和工程优化，达到了更极致的推理效率。这里这张图展示的是，在全球同一水平线的大模型中，它们在推理价格和推理速度上的对比。

横轴是推理成本，从高到低；纵轴是推理速度，从低到高。可以看到，MiMo-V2-Flash 位于右上角，代表着低成本和高速度。

举两个 baseline 对比：

• 以 DeepSeek-V3.2 为例，MiMo-V2-Flash 的推理成本略低，但推理速度大约是 V3.2 的三倍左右；

• 再比如与综合能力相近的 Gemini 2.5 Pro 相比，MiMo-V2-Flash 的推理速度接近，但推理成本大约低了 20 倍。

那么我们是如何做到这一点的？核心在于围绕极致推理效率重新设计模型结构，主要依赖两项创新。

第一是 Hybrid Attention 结构，我们将 Sliding Window Attention 和 Full Attention 进行混合，比例大约是 5:1。

我们之所以选择 Sliding Window Attention，是因为尽管它看起来非常简单，只关注局部的 128 个 token，但通过大量实验发现，在兼顾长短文本推理和知识检索方面，它的综合表现反而优于一些复杂的注意力结构。同时，Sliding Window Attention 的 KV Cache 是固定的，非常适合现有推理基础设施。

此外，我们也进一步挖掘了 MTP（多词元预测）的潜力。

MTP 最早是作为一种推理加速方法提出的，后来 DeepSeek 将其用于提升基座模型能力。我们在预训练阶段引入 MTP 层，以提升基座模型潜能；在微调阶段加入更多 MTP 层，用很少的算力提升了模型的接受率。

最终，在推理阶段，我们使用三层 MTP 并行推理，在实际场景中实现了约 2 到 2.6 倍的推理加速。

从社区测试结果来看，在三层 MTP 的情况下，模型输出吞吐与成本高度相关。在单机环境下，吞吐可以达到 5000 到 15000 token/s，而单请求输出速度也能达到 150 token/s。相比不使用 MTP，整体速度提升约 2 到 3 倍。

在后训练阶段，我们同样围绕如何充分利用高效结构，去扩展强化学习的 compute。强化学习训练往往不稳定，因此我们提出了一种 Multi-Teacher On-Policy Distillation（MOPD）范式。

其核心在于：Student 模型基于自身概率分布进行 rollout，由多个专家模型对序列进行 token-level 的概率打分，提供非常稠密的监督信号。这种学习方式效率极高，通常只需几十步训练，就能将多个专家模型的能力蒸馏到 Student 模型中。

我们还观察到一个有趣的现象：当 Student 很快超过 Teacher 后，是否可以用 Student 替换 Teacher，继续自我迭代提升？这仍然是一个进行中的研究方向。

我们也发现，MiMo-V2-Flash 已经初步具备在语言空间中模拟世界的能力。当然，这种模拟仍然是通过语言完成的，并不是真正的物理感知。比如，它可以通过 HTML 模拟一个操作系统，或者模拟整个太阳系的运行，甚至可以用来做一些小 demo，比如画一棵圣诞树，并与用户产生交互。

昨天，MiMo-V2-Flash 已经正式发布并开源，我们同步开放了模型权重和技术报告，也提供了 API，方便开发者接入到 Web Coding、IDE 等场景中。同时，体验 Web 也已经上线，大家可以直接和模型进行交互。

但即便如此，我认为大家仍然很难放心把复杂任务完全交给模型。因为真正的下一代智能体系统，并不只是一个语言模拟器，而是需要与真实世界共存的智能体。

在我看来，下一代智能体至少需要具备两个潜能：

• 第一，它要从“回答问题”转向“完成任务”；

• 第二，它必须具备与世界交互的能力。

这也意味着，它需要具备记忆、推理、自主决策和规划等能力。

更重要的是，它需要一个统一的、动态的系统，用来理解和模拟真实世界。在此基础上，模型才能更自然地嵌入到眼镜等智能终端中，真正融入生活流。

回到大模型本身，它本质上依赖的是算力的“暴力美学”，在语言和强化学习层面取得了突破，但跳过了对世界感知、世界模拟以及实体交互等关键步骤。

这也是为什么当前模型可以解数学竞赛、模仿文学风格，却并不真正理解重力等物理概念，甚至会产生具身幻觉——它们拥有精致的语言外壳，却缺乏锚定现实世界的物理模型。

因此我认为，AI 进化的下一个关键点，一定是能够与真实环境持续交互的物理模型。真正的智能不是从文本中“读出来的”，而是要在交互中“活出来的”。

参考链接：

https://x.com/XiaomiMiMo/status/2000929154670157939

https://huggingface.co/XiaomiMiMo/MiMo-V2-Flash