本报告综合整合以下数据来源：公开技术文档、Artificial Analysis Intelligence Index v4.0、HuggingFace Model Card、BuildFastWithAI 独立评测、morphllm.com SWE-bench Pro 排行榜、pricepertoken.com 定价数据，以及个人真实测评。所有数据均注明来源，厂商自建榜单数据已标注可信度。本报告仅为个人观点。
洞察一：MiMo 是「Agent 性价比」最优解，但不是全能旗舰
MiMo-V2.5-Pro 以3（输入/输出每百万 token）的定价，在 SWE-bench Pro 上得分57.2%（Xiaomi 官方宣布，经 Binance/NS3.AI 转载核实），达到 GPT-5.4（57.7%）的 99%，却仅需约 1/5 的成本 。但在通识深度推理（MMLU-Pro 68.5% vs DS V4-Pro 87.5%）和科学推理（GPQA-Diamond 66.7% vs Qwen 3.5 的 88.4%）上，差距超过 20 个百分点 。
MiMo 是专项冠军，不是全科第一，选型需对齐具体任务类型。
可信度：★★★★ | SWE-bench Pro 数据为官方公告，AA 指数为独立第三方确认
洞察二：Token 效率是 MiMo 的结构性优势，且已获独立第三方验证
ClawEval Pass³（64%）消耗约 70,000 tokens/trajectory 的数据，已由 VentureBeat、dayahimour.org、Superculture 等三个独立来源交叉确认：MiMo-V2.5-Pro 比 Claude Opus 4.6、Gemini 3.1 Pro、GPT-5.4 在同等性能下少消耗40–60% token。
Artificial Analysis 的独立实测进一步确认：MiMo-V2.5-Pro 在智能指数评测中仅消耗约92M 输出 token，显著优于 Kimi K2.6（170M）和 GLM-5.1（110M）。这一优势直接来源于 MTP 架构设计，不依赖价格，是可持续的结构性差异。
可信度：★★★★★ | 多方独立来源一致，且 Artificial Analysis 有完整评测方法论
洞察三：V2.5-Pro 对 V2-Pro 用户迁移压力极强，但存在一个不可忽视的生产级风险
V2.5-Pro 与 V2-Pro 定价完全相同（3），但训练数据更多、支持全模态、完全开源，对存量用户构成强迁移动力 。需要明确标注的风险：Artificial Analysis 独立测试发现，MiMo-V2.5-Pro 的幻觉率（Hallucination）得分从 V2-Pro 的 5 分小幅回退至 4 分，且在 CritPt（批判性思维）维度出现退步 。
结合 V2EX 和 CSDN 开发者实测中发现的隐性 Bug 检出弱的问题 ，生产级代码审查场景在迁移前需要做专项回归测试。
可信度：★★★★ | AA 独立测试数据，社区反馈来自 V2EX / CSDN 真实开发者
洞察四：MiMo 的真实战略意图是争夺 Agent 基础设施标准席位
AA 独立评测数据显示，MiMo-V2.5-Pro 在GDPval-AA 真实世界 Agent 工作基准上得分 1578，超越 DS V4-Pro（1554）、GLM-5.1（1535）、Kimi K2.6（1484），是目前开源模型中 Agent 真实工作任务得分最高的模型。
结合 V2-Flash 的 MIT 协议开源（$0.10/1M，146 tok/s）和 V2.5-Pro 的完全开源，以及雷军宣布未来三年 AI 投入超 600 亿的战略 ，MiMo 的竞争逻辑与 DeepSeek 高度一致：不以单项榜单夺冠为目标，而是以开源生态 + 极致性价比在 Agent 基础设施市场卡位。这一战略一旦奏效，其护城河将来自生态依赖而非模型代差。
可信度：★★★★ | GDPval-AA 数据来自 Artificial Analysis 官方 Twitter，战略判断为分析性推断
Xiaomi MiMo 是小米自研的大语言模型家族，于 2025 年 4 月以轻量化的 MiMo-7B 正式亮相，采用 MIT 开源协议。
MiMo-V2-Pro 在正式发布前曾以代号“Hunter Alpha”匿名出现在 OpenRouter，连续数日登顶日活榜首。从 V2 到 V2.5 的核心转变是：将原本分离的推理模型（V2-Pro）和多模态模型（V2-Omni）合并为统一架构，实现了能力的整合升级 。
MiMo 全系采用Sparse MoE（稀疏混合专家）架构，技术核心包含三个关键设计 ：
MiMo 选择 MoE + 混合注意力 + MTP 的组合，在推理成本和性能间实现较优均衡。长期影响：稀疏激活是主流方向（42B 激活实现 1T 规模性能），1M 长上下文叠加 7 倍 KV-Cache 压缩是 Agent 长链路任务的基础条件，V2.5 统一架构替代拼接方案代表下一代大模型的工程方向 。
MiMo-V2.5-Pro 在 Artificial Analysis Intelligence Index v4.0 中得分 54 分，位列全球第 6 位（513 个模型中），属于旗舰开源模型梯队。MiMo-V2-Flash 得分 41 分，排名第 24 位 。
数据来源：https://artificialanalysis.ai/models/mimo-v2-5-pro
MiMo-V2.5-Pro 在 SWE-bench Pro 中得分57.2%，超越 Claude Opus 4.6（53.4%），接近 GPT-5.4（57.7%），行业平均水平约 25%，相对优势 2.3 倍 。值得注意的是：SWE-bench Verified 存在训练数据污染问题，MiMo 宣称的 78.9% 基于此榜单，可信度低于 SWE-bench Pro 的 57.2%，建议以后者为准参考 。
1.价格屠夫：MiMo-V2.5-Flash 与 DeepSeek V4-Flash 共同刷新了经济型模型的价格底线，输入 $0.10/百万 token
2.旗舰性价比：MiMo-V2.5-Pro 以与 GPT-5.4 相差约5 倍的价格实现接近旗舰的基准性能；与 Claude Opus 4.7 相比，输出价格差距高达25 倍，性价比极为突出 。
关键发现：
按输入输出 1:1 比例计算：
MiMo-V2-Flash（146 tok/s）是主流大模型中速度排名前 3的模型，仅次于 gpt-oss-120B 和 NVIDIA Nemotron 3 Super。MiMo-V2.5-Pro 速度 63 tok/s，在旗舰 MoE 级别中处于中等水平，原因是参数规模从 309B 大幅增至 1T 。
在 ClawEval 基准中，MiMo-V2.5-Pro 达到 64% Pass³ 时使用约 70,000 tokens/trajectory，比 Claude Opus 4.6、Gemini 3.1 Pro、GPT-5.4 在同等性能下少消耗40%–60%。这是 MiMo 最具产品化价值的差异点：对运行大量 Agent 工作流的团队，token 效率直接转化为运营成本。
雷达图直读关键结论 ：
三条关键代际演进逻辑：
V2EX、HuggingFace 社区、Reddit LocalLLaMA、36氪实测等平台的独立用户声音 。
公认亮点：
明确短板（真实反馈）：
9.1.1 回答长度分布
关键发现：
9.1.2 特定任务表现差异
以 idx=18「用英文回答：中国的首都是哪里？回答只需一个单词」为例：
以 idx=28「JSON 格式化」为例：
9.2.1 测试用例
9.2.2 各模型拒绝表现
评价：
本文由 @冲少说AI 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。