小米正式宣布开源 Xiaomi MiMo-V2-Flash，这是小米专为极致推理效率自研的总参数 309B（激活15B）的 MoE 模型，通过引入 Hybrid 注意力架构创新及多层 MTP 推理加速，在多个 Agent 测评基准上进入全球开源模型 Top 2；代码能力超过所有开源模型，比肩标杆闭源模型 Claude 4.5 Sonnet，但推理价格仅为其 2.5% 且生成速度提升至 2 倍，成功将大模型效果和推理效率推向极致。

MiMo-V2-Flash 模型架构如下：

MiMo-V2-Flash 模型结构要点：

• 混合注意力

采用 5:1 的 Sliding Window Attention (SWA) 与 Global Attention（GA）混合结构，128 窗口大小，原生 32K 外扩 256K 训练。经前期大量实验发现，SWA 简单、高效、易用，展现了比主流 Linear Attention 综合更佳的通用、长文和推理能力，并提供了固定大小的 KV Cache 从而极易适配现有训练和推理 Infra 框架。

• MTP推理加速

引入 MTP (Multi-Token Prediction) 训练提升基座能力的同时，在推理阶段通过并行验证 MTP Token，打破了传统 Decoding 在大 Batch 下的显存带宽瓶颈，实测在 3 层 MTP 情况下可实现 2.8～3.6 的接收长度和 2.0～2.6 的实际加速比。

整体而言，得益于模型结构与训推 Infra 的深度融合与创新，MiMo-V2-Flash 可以在不同的硬件上通过调优 Batch Size 和 MTP 层数来最大化释放 GPU 算力，从而展现出更高的吞吐，并维持优秀的低时延以及极致推理性能。

Xiaomi MiMo-V2-Flash 模型权重和推理代码均全面开源。API 限时免费，体验 Web Demo 已上线。

访问 platform.xiaomimimo.com，可以一键兼容 Claude Code、Cursor、Cline、Kilo Code 等框架。

即刻登录 MiMo Studio Web：aistudio.xiaomimimo.com，免费体验模型。