小米MiMo-V2-Flash评测：开源大模型的“速度之王“来了！

简介

小米开源了MoE模型MiMo-V2-Flash，总参数309B，激活参数15B，在编程基准测试中表现优异，SWE-Bench多语言得分71.7%，成为开源模型新SOTA。该模型采用混合注意力机制，速度快(150输出标记/秒)，价格低廉。评测显示模型执行速度快但能力一般，文件体积大(313GB)难以本地部署，在SGLang中部署表现优异。

---

最近大模型世界打破消停

• 谷歌发布了 Gemini 3 Flash，更轻，更便宜，N 个 Benchmark 上超越 Gemini 3 Pro
• 小米开源了 MoE 模型 MiMo-V2-Flash，号称编程能力可以与 Claude Sonnet 4.5 一较高下

我看了一下小米这个 MiMo-V2-Flash，也试用了一下，但。。。

先看官方宣传

最突出的是：极致速度

** 🔥 亮点**： ⚙️ 模型参数：总参数 309B，激活参数 15B。
🏗️ 混合注意力：5:1 交错的 128 窗口 SWA + 全局 | 256K 上下文
⚔️ 在通用基准测试中与 DeepSeek-V3.2 相匹配，但延迟更低
🏆 SWE-Bench ：73.4% | SWE-Bench 多语言：71.7% — 开源模型的新 SOTA
🚀 速度：150 输出标记/秒

资源：

🤗 模型权重：http://hf.co/XiaomiMiMo/MiMo-V2-Flash
📝 博客文章：http://mimo.xiaomi.com/blog/mimo-v2-flash
📄 技术报告：http://github.com/XiaomiMiMo/MiMo-V2-Flash/blob/main/paper.pdf
🎨 AI 工坊：http://aistudio.xiaomimimo.com

架构方面：

→ 使用混合注意力：滑动窗口 + 全局，比例为 5:1
→ 8 混合块（5 个滑动窗口注意力层 → 1 个全局）
→ 128 个标记滑动窗口
→ 256 位专家，每令牌 8 位活跃专家
→ 原生训练 32K, 扩展到支持 256K 上下文

从 Deepseek 离职之后加入小米的罗福莉也注册了推特，详细介绍了模型细节：

说实话我是看不懂，就是吃了一个瓜，有 Kimi 工程师锐评一波后被官方账号拉黑了，小米大模型团队格局属实有点小了

再附一个图，依然是突出：速度快、价格低

到底跑分成绩呢，N 个 Benchmark 上拳打 Kimi- K2，脚踢 DeepSeek-V3.2

体现 Code Agent 能力的 SWE-Bench Multilingual 更是遥遥领先

这个图更形象

但是我看了一些评测，总结就是：很快，但是能力一般

小米：你就说快不快吧

我也去测试了一下我经常使用测试模型阅读理解和编码能力的题目，结果如下

不如 Kimi K2 Thinking

阅读理解，没有识别出4次背影

最后是本地部署，我看了 313GB 的模型文件后直接放弃幻想了

所有推理代码现在都可在 SGLang 中找到 — 从发布之日起完全开源。

SGLang 部署模型在 H200（单节点）上的结果依然是：快得很
📊 预填充： ~50K 令牌/秒 | TTFT < 1 秒
📊 解码（3 层 MTP，16K 上下文）：5K–15K 每秒标记 | 每请求 115–151 TPS 🔥

## 如何学习AI大模型？
如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓