小米公司今日宣布推出三款全新大模型產(chǎn)品，分別為旗艦基座模型MiMo-V2-Pro、全模態(tài)交互模型MiMo-V2-Omni以及語(yǔ)音合成模型MiMo-V2-TTS。這三款模型均針對(duì)智能體場(chǎng)景進(jìn)行深度優(yōu)化，旨在提升復(fù)雜任務(wù)處理能力和多模態(tài)交互體驗(yàn)。

MiMo-V2-Pro作為核心基座模型，參數(shù)量突破1萬(wàn)億規(guī)模，激活參數(shù)達(dá)420億，支持百萬(wàn)級(jí)上下文窗口。該模型在編程智能、系統(tǒng)設(shè)計(jì)和任務(wù)規(guī)劃方面展現(xiàn)顯著優(yōu)勢(shì)，其代碼生成能力已接近行業(yè)頂尖水平。在OpenClaw智能體框架測(cè)試中，該模型可自動(dòng)完成復(fù)雜工作流編排，工具調(diào)用準(zhǔn)確率較前代提升3倍。定價(jià)策略采用階梯式收費(fèi)，25.6萬(wàn)上下文內(nèi)輸入成本僅為同類(lèi)產(chǎn)品的五分之一。

全模態(tài)交互模型MiMo-V2-Omni突破傳統(tǒng)單模態(tài)限制，實(shí)現(xiàn)文本、視覺(jué)、語(yǔ)音的深度融合。在環(huán)境感知層面，該模型可處理超過(guò)10小時(shí)連續(xù)音頻，支持多說(shuō)話(huà)人分離和音視頻聯(lián)合推理。實(shí)際應(yīng)用場(chǎng)景中，模型可自主完成電商比價(jià)、客服議價(jià)等跨平臺(tái)操作，在WPS生態(tài)中已實(shí)現(xiàn)文檔自動(dòng)化生成。測(cè)試數(shù)據(jù)顯示，其多模態(tài)理解能力超越Gemini 3 Pro，接近行業(yè)領(lǐng)先水平。

語(yǔ)音合成領(lǐng)域迎來(lái)突破性進(jìn)展，MiMo-V2-TTS通過(guò)上億小時(shí)語(yǔ)音數(shù)據(jù)訓(xùn)練，構(gòu)建出多維度語(yǔ)音控制體系。該模型支持東北話(huà)、粵語(yǔ)等五種方言，可實(shí)現(xiàn)角色化語(yǔ)音演繹和高質(zhì)量歌聲合成。技術(shù)架構(gòu)采用自研Audio Tokenizer，通過(guò)離散token空間建模保留原始語(yǔ)音細(xì)節(jié)，使韻律自然度提升40%。在文本理解方面，模型能自動(dòng)識(shí)別標(biāo)點(diǎn)符號(hào)和語(yǔ)氣詞，無(wú)需人工標(biāo)注即可生成情感豐富的語(yǔ)音輸出。

開(kāi)發(fā)平臺(tái)同步推出MiMo Claw體驗(yàn)?zāi)K，用戶(hù)可通過(guò)自然語(yǔ)言指令完成網(wǎng)站搭建、數(shù)據(jù)抓取等復(fù)雜任務(wù)。測(cè)試案例顯示，該模塊可在30分鐘內(nèi)自動(dòng)生成包含實(shí)時(shí)數(shù)據(jù)更新的金融網(wǎng)站，支持Python爬蟲(chóng)部署和靜態(tài)頁(yè)面生成。為降低開(kāi)發(fā)門(mén)檻，小米聯(lián)合多家智能體框架團(tuán)隊(duì)，提供為期一周的免費(fèi)API接口支持。

技術(shù)團(tuán)隊(duì)透露，下一代研發(fā)將聚焦長(zhǎng)周期任務(wù)規(guī)劃和多智能體協(xié)同領(lǐng)域。通過(guò)整合底層模型、系統(tǒng)權(quán)限和生態(tài)服務(wù)，終端設(shè)備有望實(shí)現(xiàn)從單一功能執(zhí)行向環(huán)境自適應(yīng)決策的跨越。此次發(fā)布的三款模型已形成完整技術(shù)矩陣，為智能設(shè)備構(gòu)建原生操作系統(tǒng)奠定基礎(chǔ)。