小米正式上线MiMo-V2系列多模态AI模型，全面布局智能应用生态
3月19日凌晨，小米发布新一代AI模型MiMo-V2系列，包含旗舰级推理模型Pro、全模态基础模型Omni及语音合成模块TTS，覆盖从通用推理到跨模态理解的完整能力链。
旗舰推理模型性能跃升，性价比优势显著
MiMo-V2-Pro拥有超过1万亿参数（420亿激活参数），支持长达百万级Token上下文处理，专为复杂Agent任务优化。在Artificial Analysis榜单中位列全球第八、中国第二，在PinchBench与ClawEval评测中均居全球第三。其综合表现超越Claude Sonnet 4.6，接近Opus 4.6水平，但定价仅为后者的五分之一：100万上下文内输入每百万token仅需1美元，输出3美元；100万以上上下文则为输入2美元、输出6美元。该模型已与金山WebOffice深度打通，WPS灵犀同步集成。
全模态基座实现四路输入融合，理解能力再升级
MiMo-V2-Omni作为统一基础模型，支持文本、图像、音频、视频四种模态同时输入，具备256K上下文容量。其音频处理能力可支持超10小时连续长音频解析，综合评估表现超越Gemini 3 Pro；图像理解能力超越Claude Opus 4.6，并逼近Gemini 3 Pro水准，展现出强大的跨模态融合潜力。
自研语音合成引擎实现情绪与风格精准调控
MiMo-V2-TTS基于自主研发的Audio Tokenizer架构，依托上亿小时语音数据训练而成，支持从整体语调风格到局部情感表达的多层次控制。不仅能生成自然流畅的口语内容，还可高质量合成歌声，并覆盖东北话、四川话、河南话、粤语及台湾腔等多元方言体系。
目前三款模型已全面接入Xiaomi miclaw、MiMo Studio、金山办公系统及小米浏览器，同时可通过OpenClaw、OpenCode、KiloCode、Blackbox、Cline五大Agent开发框架调用，首周限时免费开放使用。
