2025年小米人车家全生态合作伙伴大会上，一个名字和一款模型同时引爆AI圈。被传“雷军花千万年薪挖来”的AI大牛罗福莉，首次以小米MiMo大模型负责人的身份公开亮相，带来了小米新一代自研大语言模型MiMo-V2-Flash——不仅性能对标顶尖开源模型，还以“3090亿总参数+150亿活跃参数”的MoE架构实现极致效率，更关键的是，它刚发布就全线开源。
在大模型赛道还在比拼“参数越大越厉害”的当下，小米反其道而行之，用“跑得快、跑得久、被高频调用也跑得起”的设计理念，给行业浇了一盆清醒剂。这款模型背后，既有罗福莉团队的技术取舍，更藏着小米对AGI（通用人工智能）的独特思考：智能不是“读”出来的，而是“活”出来的。
一、幕后推手：从顶会学霸到小米AI掌舵人
要理解MiMo-V2-Flash的创新逻辑，先得认识它的“操盘手”罗福莉。这位北大计算机硕士出身的技术大牛，学生时代就创下“一次性在国际顶会ACL中标8篇论文”的纪录，其中2篇以第一作者身份发表，一度冲上知乎热搜，成为AI圈公认的“潜力股”。
毕业后，罗福莉先后加盟阿里巴巴达摩院、DeepSeek母公司幻方量化，在幻方期间深度参与了DeepSeek-V2等爆款模型的研发，积累了从基础研究到工程落地的全链条经验。2025年11月，她正式官宣加入小米，这次大会是她入职后的首次公开演讲。
尽管略显紧张，但罗福莉条理清晰地传递了核心观点：“大模型解码了人类思维的文本投影，却没真正理解物理世界”。正是这种清醒的认知，让MiMo-V2-Flash跳出了“参数竞赛”的怪圈，走上了“实用主义”的道路。
二、技术拆解：为什么它能“又快又便宜”？
普通人可能看不懂“3090亿总参数”“150亿活跃参数”的差距，但只要记住一个核心：MiMo-V2-Flash用更小的“运行成本”，实现了和顶尖模型相当的性能。这背后是两大关键技术的支撑：
1.MoE架构：只“点亮”需要的部分
MiMo-V2-Flash采用了当下最先进但工程难度极高的MoE（混合专家）架构。简单说，这个模型就像一个“专家团队”，总共有3090亿个“专家”（参数），但处理任务时，只需要150亿个“相关专家”上阵，其他专家可以“休息”。
这种设计的好处显而易见：既保留了大模型的综合能力，又大大降低了推理时的算力消耗。打个比方，这就像请了一支全能乐队，但演出时只需要根据歌曲风格，安排对应的乐手上场，既保证了演出质量，又节省了场地和设备成本。
2.MTP技术：让输出速度“翻倍”
如果说MoE架构解决了“轻量化”问题，那么MTP（多词元预测）技术就解决了“速度”问题。罗福莉团队在预训练和微调阶段都加入了MTP层，推理时更是采用三层MTP并行推理，让模型输出速度直接提升2-2.6倍。
根据社区测试数据，MiMo-V2-Flash在单机环境下，每秒能处理5000-15000个token（相当于2-7.5万字），单请求输出速度也能达到150token/s（约75字/秒）。对比来看，它的推理速度是DeepSeek-V3.2的3倍左右，而成本却更低；和综合能力相近的Gemini2.5Pro相比，成本直接低了20倍。
除此之外，小米还创新了HybridAttention（混合注意力）结构和MOPD（多教师在线蒸馏）范式，前者兼顾了长短文本处理能力和推理效率，后者则让模型在强化学习阶段快速吸收多个“专家模型”的优点，用更少的算力实现能力升级。
三、实测实力：在核心赛道冲进“第一梯队”
光有技术创新还不够，模型好不好用，得用数据说话。小米官方公布了MiMo-V2-Flash在7项主流评测中的成绩，对手包括开源的DeepSeek-V3.2、K2-Thinking，以及闭源的ClaudeSonnet4.5、GPT-5（High）等顶尖模型。
结果显示，MiMo-V2-Flash在Agent（智能体）、代码、工具调用、复杂任务执行这四大核心场景中，已经跻身全球第一梯队。尤其在权威的SWE-Bench软件工程测试中，它以71.7%的准确率拿下多语言模式第一，证明了其在实际工业场景中的实用价值。
对于开发者和企业来说，这意味着什么？以前需要高昂成本才能接入的顶尖模型能力，现在通过开源的MiMo-V2-Flash就能免费获得。无论是WebCoding、IDE工具集成，还是智能终端的Agent交互，都能以极低的成本实现高效部署。
四、行业启示：开源+实用，小米的AGI路线图
罗福莉在演讲中反复强调：“这只是我们在AGI路线图上的第二步”。这句话的背后，是小米对AI未来的清晰判断：
首先，大模型的竞争已经从“预训练规模”转向“后训练效率”。随着Agent场景的普及，模型需要持续通过强化学习迭代升级，稳定、可扩展的训练体系比单纯的参数规模更重要。
其次，开源是缩短技术差距的关键。在罗福莉看来，开源不只是共享代码和权重，更是一种“分布式技术加速机制”。通过开源，小米能汇聚全球开发者的力量，共同优化模型，让AGI更快走向普惠。
最后，下一代智能体必须“落地现实”。当前大模型之所以会出现“具身幻觉”，比如不懂重力、不理解时空关系，核心是因为它们只从文本中学习，没有真正和物理世界交互。罗福莉认为，未来的智能体需要构建“统一的世界模型”，从“回答问题”转向“完成任务”，从“文本模拟”走向“实体交互”。
结语：效率革命背后的AI新方向
MiMo-V2-Flash的发布，不仅是小米在AI赛道的一次重要突破，更给整个行业带来了新的思考：大模型的终极目标不是“更聪明”，而是“更好用”。当其他厂商还在比拼参数规模时，小米已经用工程优化实现了“性价比拉满”的效果，这或许就是未来大模型的核心竞争力。
随着开源生态的完善和Agent场景的普及，MiMo-V2-Flash可能会成为更多开发者和企业的首选基座模型。而罗福莉提出的“智能要在交互中活出来”的理念，也预示着AI行业将从“文本大模型”时代，逐步迈向“具身智能”时代。
对于普通人来说，这意味着未来的智能设备会更懂需求、响应更快、使用成本更低——或许不久后，我们在小米手机、智能眼镜、汽车里感受到的AI交互，都将源自这个“跑得快、用得起”的大模型。而这，只是小米AGI路线图的第二步，更精彩的还在后面。
热门跟贴