罗福莉亮剑，小米最强大模型MiMo-V2.5

一个95后，把整个AI圈炸醒了

4月22号深夜，大部分人都睡了。

小米MiMo研究所突然甩出四款新模型，旗舰推理模型MiMo-V2.5, 全模态Agent模型V2.5-Pro开启公测,V2.5-TTS Series和V2.5-ASR紧随其后。

没有预热，没有发布会，就这么直接扔出来了。

雷军转发了V2.5-Pro的表现数据，只说了四个字，继续进步。

而站在这一切背后的，是一个95后女生，罗福莉。

这个女生什么来头

说罗福莉之前,得先说一个插曲。

今年3月，一个叫Hunter Alpha的神秘模型悄悄上了OpenRouter平台，没有署名，没有宣传。但它的调用量以一种诡异的速度飙升,七天突破1万亿Token,连续多天霸榜第一。

整个AI圈都在猜，这肯定是DeepSeek V4的内部测试版。

image

image

万亿级参数，百万Token上下文，Agent专精路线，风格太像DeepSeek了。而且模型自称以中文训练为主，知识截止到2025年5月，跟DeepSeek之前的产品节奏几乎一模一样。

结果谜底揭开，所有人都愣了。

Hunter Alpha,是小米的。

更准确地说,是罗福莉带队做的MiMo-V2-Pro的内部测试版。

一个手机厂商的模型，被全球开发者误认成了DeepSeek的下一代产品。这件事本身，就已经说明了很多。

回到罗福莉这个人。

北师大计算机本科,北大计算语言学硕士。2019年,她在ACL,人工智能领域最顶级的国际会议,一次性中了8篇论文,其中2篇一作,直接上了知乎热搜。

毕业后进了阿里达摩院,通过阿里星项目入职,主导开发多语言模型VECO。后来去了幻方量化,再后来成为DeepSeek-V2的关键开发者。

2024年底，有消息说雷军以千万年薪把她挖到了小米。

2025年11月12号，罗福莉正式官宣加入小米,任MiMo大模型负责人。她当时说了一句话,全力奔赴心目中的AGI。

从DeepSeek的核心开发者,到扛起小米整个大模型战略,这个95后女生用了不到半年时间,就交出了一份让整个行业侧目的答卷。

36天，从V2到V2.5

时间线是这样的。

3月18号，小米一夜之间发布三款自研大模型，MiMo-V2-Pro，MiMo-V2-Omni，MiMo-V2-TTS。罗福莉第一次以小米MiMo大模型负责人的身份公开亮相。

4月22号深夜，V2.5系列发布。

image

image

间隔36天。

一个月多一点的时间,模型能力直接跳了一个代际。

这不是小修小补的版本更新。用小米自己的话说,是全方位跃升。

先看旗舰款MiMo-V2.5-Pro。

小米称它是迄今最强大的模型,专为长难Agent任务打造。在通用智能体能力、复杂软件工程、长程任务这三个维度上，它已经能跟Claude Opus 4.6和GPT-5.4正面刚了。

注意，这两个模型，一个是Anthropic的旗舰,一个是OpenAI的旗舰。

一个成立不到半年的小米AI团队,做出的模型能跟这两个巨头掰手腕,这件事的含金量,懂的都懂。

具体到数据上。

基于小米自研的MiMo Coding Bench评估套件,V2.5-Pro拿了73.7分。Claude Opus 4.6是77.1分,上一代V2-Pro是71.5分。差距在快速缩小。

在SWE-Bench Pro这个专门评估AI编程智能体的基准测试里，V2.5-Pro拿了57.2分,而Claude Opus 4.6是57.3分。

就差0.1分。

0.1分的差距意味着什么,意味着在真实场景里，两者几乎没有体感差异。

4.3小时干完北大学生数周的活

光看跑分没意思,看实际案例。

小米放出了几个V2.5-Pro的实操demo,每一个都挺能打的。

image

image

第一个，用Rust实现一个完整的SysY编译器。

这个任务来自北大《编译原理》课程项目，要求从零搭建词法分析器,语法分析器,AST,Koopa IR代码生成,RISC-V汇编后端,还有性能优化。

北大本科生做这个项目,通常需要数周时间。

V2.5-Pro用了4.3小时。

672次工具调用,最终在隐藏测试集上拿了233/233的满分。

更关键的是它的做事方式。它没有像以前的模型那样反复试错蛮干,而是先搭好完整的流水线骨架,再逐层攻克。Koopa IR满分，RISC-V后端满分，性能优化满分。

首次编译就通过了137/233，59%的冷启动通过率。这意味着在跑任何测试之前，架构就已经是对的。

中间还出了个小插曲。第512轮的时候,一次重构导致lv9/riscv回退了两个测试点。模型自己诊断出了问题,自己修复,然后继续推进。

这种自我纠错能力,在以前的模型身上几乎看不到。

第二个案例，开发一个视频编辑器。

给它的指令就一句，构建一个视频编辑器Web应用。

11.5小时后,它交付了一个8192行代码的完整Web应用，多轨道时间线，片段裁剪，交叉淡化，音频混合，导出流程,功能齐全。1868次工具调用,全程自主完成。

第三个案例更硬核,模拟电路EDA任务。

要求基于台积电180nm CMOS工艺，从零设计并优化一款翻转电压跟随器低压差线性稳压器。需要同时满足相位裕度,线路调整率,负载调整率,静态电流,电源抑制比和瞬态响应六个指标。

经验丰富的模拟电路设计师通常要花好几天。

V2.5-Pro连上ngspice仿真循环,用Claude Code当仿真框架,大约一个小时的闭环迭代,就生成了满足所有指标的设计,其中四个指标比初始版本提高了一个数量级。

这不是写个Hello World的级别,这是正经的工程级任务。

能省42%的Token，这才是杀手锏

性能强是一回事,但真正让行业震动的是另一组数据。

在达到相同Agent评测分数的情况下,MiMo-V2.5-Pro比Kimi K2.6省了42%的Token。MiMo-V2.5比Meta的Muse Spark省了50%的Token。

这是什么概念。

Token就是钱。每一次API调用,每一个推理请求,消耗的都是Token。省42%的Token,意味着在同样的效果下,成本直接砍掉将近一半。

对于开发者来说,这比跑分提升10分更有吸引力。

大模型行业现在面临一个很现实的问题,大家的能力都在快速逼近天花板,但推理成本居高不下。谁能用更少的资源做到同样的效果,谁就能真正跑通商业模式。

小米在这方面的思路很清晰,用更少的Token做更多的事。V2.5全系列都针对Token效率做了深度优化。

而且小米还同步调整了定价策略。取消了之前被用户吐槽的1 Token等于4 Credits的计费方式,不再区分256k和1M上下文窗口的倍率。每天凌晨到早上八点还有八折夜间优惠。

image

image

老用户之前吐槽价格太贵,这次算是听进去了。

一月一更的小米速度

从3月18号V2系列发布,到4月22号V2.5系列上线,36天。

罗福莉说，从Chat到Agent范式的转变发生得如此之快，甚至我们自己都几乎不敢相信。

但小米的迭代速度说明了一切。

雷军在今年3月宣布,未来三年小米计划在AI领域投入超过600亿元。这个数字放在整个中国AI行业里，都是顶级水平。

而且小米跟纯AI公司有一个根本性的不同,它有终端。

手机，汽车，手表，音箱，电视，空调,这些设备都是小米的AI落地场景。澎湃OS 3 Beta版已经向小米17系列推送了龙虾智能体Xiaomi miclaw,支持80多项系统工具调用。

模型能力越强,终端体验越好。终端用户越多,数据反馈越丰富,模型迭代越快。这个飞轮一旦转起来,是很可怕的。

罗福莉在2026中关村论坛上分享过自己的判断,小米做AI,不是跟风云厂商,而是必须补齐的技术底盘。

这话听着平淡,但逻辑很硬。

一个年出货量过亿的手机厂商,一个正在快速扩张的汽车品牌,一个覆盖数亿设备的IoT生态,如果底层的大模型能力掌握在别人手里,那所有的智能体验都是空中楼阁。

所以小米必须自己做。

深夜亮剑，时机微妙

这次发布的时间点很有意思。

4月22号深夜，4月23号凌晨。

image

image

V2.5系列选在这个时间点推出,很难说只是巧合。

罗福莉本身就是DeepSeek的老将,Hunter Alpha被误认为DeepSeek V4的故事还历历在目。现在DeepSeek V4真的要来了,小米先一步亮出V2.5,这个信号意味深长。

它传递的信息很明确,小米的大模型能力已经站稳了第一梯队,不需要再躲在匿名模型后面测试了。

但话说回来,竞争归竞争,两个团队的关系其实没那么剑拔弩张。罗福莉从DeepSeek出来,带走了方法论和工程经验,但DeepSeek本身的开源生态也受益于更多人才的流动。

中国AI行业现在最需要的,恰恰是这种良性竞争。

我的理解

看完所有信息,我有几个判断。

第一，罗福莉的个人能力毋庸置疑,但小米能给她的平台同样重要。600亿的投入,海量的终端设备,澎湃OS的系统级权限,这些东西是纯AI创业公司给不了的。天才需要舞台,小米给了她一个很大的舞台。

第二，小米做AI的路径跟其他厂商不一样。百度走的是搜索增强,阿里走的是电商场景,字节走的是内容分发。小米走的是终端原生智能体,把模型直接嵌进操作系统里,让AI成为设备的一部分。这个路径更难,但一旦跑通,护城河也更深。

第三，36天迭代一代的速度不可持续,但小米在用这个速度建立势能。在AI行业,势能很重要。开发者看到你一个月更新一次,就会愿意在你的平台上投入时间。一旦生态形成,切换成本就会变得很高。

第四，Token效率可能是小米真正的差异化优势。手机厂商对成本控制有天然的敏感度,这种基因如果移植到大模型领域,会催生出一些纯AI公司想不到的优化思路。

当然，也有风险。

模型迭代太快,稳定性可能跟不上。Hunter Alpha的故事说明小米有测试文化,但公测产品的可靠性还需要时间验证。而且跟Claude和GPT的差距虽然在缩小,但0.1分的背后可能还有工程化,生态成熟度,企业级服务能力等多维度的差距。

不过有一点可以确定,罗福莉亮出的这把剑,已经够锋利了。

至于能不能在到来的DeepSeek V4面前站稳脚跟,接下来的几天,我们就能看到答案。