小米MiMo-V2.5模型以单周10.5万亿Token的调用量登顶全球榜首,前六名均为中国模型。该模型由罗福莉团队主导,每36天迭代一次,投入达600亿。其优势在于高Token效率和低成本,并已嵌入小米IoT设备形成生态飞轮。尽管存在隐忧,但小米在大模型领域已展现出强劲实力。
小米开源发布了基于OpenCode构建的MiMo Code TUI编码工具,旨在提高长程自动化编码任务的效率。该工具支持自动加载现有技能和API配置,目前限时免费使用MiMo V2.5模型,具备无限上下文、协同模式和自我进化等优势,适用于多种操作系统。
小米宣布自2026年5月27日起下调MiMo-V2.5模型的API调用价格,取消256K/1M长度定价区分,新的计费方式为信用点模式,同时Token Plan订阅计划的用量大幅提升。
MiMo宣布将于2026年5月27日永久降价,MiMo-V2.5系列API价格最高降幅达99%。同时,优化了Token Plan计费体系,使用量提升至5-8倍。百万亿Token创造者激励计划已结束,所有有效用户的额度将重置。技术团队通过优化推理系统提升了效率并降低了成本,未来将发布更多技术细节。MiMo致力于提供低成本、高能力的模型服务,推动AI基础设施建设。
本文对四款国产大模型(GLM 5.1、Kimi K2.6、Mimo v2.5 Pro 和 DeepSeek V4 Pro)的编码能力进行了实测。结果显示,这些模型在短链路和简单任务中表现良好,但在复杂工程中容易出现上下文丢失和逻辑错误。尽管能够生成代码,但在高风险模块上仍需人工审核以确保安全性和准确性。总体而言,国产模型可作为辅助工具,但不应完全依赖。
小米发布的MiMo-V2.5 Pro模型在AI领域取得显著进展,具备强大的长周期任务处理和模糊指令遵循能力。该模型在国际基准测试中表现优异,开源后提高了Token使用率,降低了开发者成本。同时,小米推出百万亿Token激励计划,支持全球开发者,提升国产AI模型的竞争力。
小米开源了MiMo-V2.5系列大模型,包括MiMo-V2.5-Pro和MiMo-V2.5,支持复杂任务和多模态处理,采用MIT协议,允许自由商用和微调。同时启动“Orbit百万亿Token计划”,向全球开发者赠送100万亿Token,促进模型应用。首日已适配多种AI芯片,方便开发者使用。
小米推出百万亿Token创造者激励计划,面向全球用户免费发放100万亿Token。活动时间为2026年4月28日至5月28日,个人和团队均可参与。申请者需填写表单并等待评估,评估通过后可获得不同额度的Token或赠金,权益有有效期,过期将失效。
小米正式开源MiMo-V2.5系列,采用MIT协议,支持商用和二次训练。该系列包括MiMo-V2.5-Pro和MiMo-V2.5模型,适用于多种任务场景。小米还推出百万亿Token激励计划,促进全球AI用户和Agent框架团队的生态共建。模型已与多家芯片厂商适配,确保高效运行。
MiMo-V2.5系列语音模型实现了从简单听读到精准理解与灵活表达的转变,支持语音识别与合成,能够在复杂场景中高效交互。该模型根据自然语言指令生成多样音色,提升语音表达的情感与细腻度,尤其在多种语言和噪音环境中表现优异,确保准确转写,推动语音技术的发展。
小米发布了MiMo-V2.5系列模型,包括V2.5和V2.5-Pro,具备更强的推理能力和指令理解。V2.5-Pro在复杂任务中表现优异,能够独立完成高质量项目,如用Rust实现SysY编译器,耗时仅4.3小时。V2.5支持多模态感知,提升Token效率,适用于大多数通用场景,且即将开源,用户可享受优化的Token计划。
小米在 OpenRouter 上限免提供 MiMo-V2-Pro 和 MiMo-V2-Omni 两款大模型,支持 OpenClaw,用户可免费使用一周。MiMo-V2 拥有超过 1T 参数,全球排名第八。注册需输入邮箱和密码,获取 API Key 后可在 OpenClaw 中配置使用。
Tejas Networks与NEC Corporation签署协议,合作制造和供应5G大规模MIMO无线电,旨在深化合作并实现供应链多元化。
小米MiMo团队推出HySparse混合稀疏注意力架构,显著降低KV Cache的存储和计算开销,提升超长上下文建模效率。通过将“选择”和“缓存”交给Full Attention层,HySparse实现了高效的长距离信息访问,实验结果显示其在多项任务中表现优异。
小米发布了MiMo-VL-7B视觉语言模型技术报告,展示其在多模态任务中的优异表现,尤其是在复杂推理和GUI交互方面。该模型采用三模块架构,经过四阶段预训练,并结合混合强化学习,显著提升了推理深度和用户体验。开源生态包括完整权重和评测框架,为开源社区树立了新标杆。
本研究提出了MiMo-7B模型,通过优化预训练和后训练阶段,显著提升了推理能力和任务性能,超越了更大模型。
小米LLM-Core团队发布了MiMo-7B技术报告,介绍了一种专为复杂推理任务设计的大语言模型。该模型在数学和编程任务中表现优异,采用两阶段优化策略,结合数据优化与强化学习,显著提升推理能力。模型已开源,旨在推动社区研究,未来将关注多领域性能及多语言支持的平衡。
本文提出了一种基于深度学习的上行辅助联合信道估计和CSI反馈方法,旨在提高频分双工MIMO无线通信系统中下行信道状态信息的获取准确性。
GR-WiFi是基于GNU Radio的WiFi平台,支持单用户和多用户MIMO功能,符合IEEE 802.11n/ac标准,允许实时调整和监控网络设置。
本研究解决了大规模MIMO系统中信道状态信息预测的关键问题。提出了一种名为BERT4MIMO的基础模型,利用深度学习和注意力机制,能够在不同的移动场景和信道条件下有效重构CSI。实验结果表明,该模型在各种无线环境中具有优越的性能,能够显著提升通信系统的效率。
完成下面两步后,将自动完成登录并继续当前操作。