2026年3月，AI社区被两个神秘的匿名模型搅得天翻地覆。
在OpenRouter这个全球最大的API聚合平台上，代号"Hunter Alpha"和"Healer Alpha"的模型没有任何品牌标识、没有官方文档、没有营销预热，却以碾压级的性能迅速登顶日榜，甚至一度被外界猜测是传说中的DeepSeek V4。直到3月中旬，小米AI团队才揭开谜底——Hunter Alpha正是MiMo-V2-Pro的内测代号。
这场被开发者戏称为"蛟龙出海"的发布，不仅宣告小米正式跻身全球顶级大模型玩家行列，更标志着中国AI力量在全球舞台上的又一次重磅亮相。
神秘模型的崛起：从无名到顶流仅用72小时
3月11日凌晨，OpenRouter的模型列表里悄然多了一个陌生的名字：Hunter Alpha。没有任何说明，没有任何品牌背书，只有一组令人侧目的参数规格。
然而，这个"无名氏"很快就展现出了惊人的实力。上线三天，Hunter Alpha就冲上OpenRouter日榜第一。周调用量超过5000亿Token，累计使用量突破1万亿Token，长期稳居全球第四。更令人意外的是，它的主要调用方竟然是Cursor、Windsurf等主流编程IDE——这意味着它正在真实的生产环境中被专业开发者大规模使用。
社区很快发现了异常。Hunter Alpha的tokenizer特殊token与小米MiMo V2系列完全一致，且在对话中会自报家门为"Xiaomi开发"。在持续的猜测与验证中，小米终于在3月中旬正式官宣：Hunter Alpha就是MiMo-V2-Pro的早期内测版本，而Healer Alpha则是MiMo-V2-Omni。
这种"先测试、后官宣"的反向操作，在巨头林立的大模型战场上堪称孤例。没有发布会，没有PPT，只有代码和性能说话。
技术架构解析：万亿参数的MoE巨兽如何炼成
MiMo-V2-Pro的技术规格堪称豪华。它采用了稀疏混合专家（MoE）架构，总参数量达到惊人的1万亿，但每次前向传播仅激活420亿参数——大约是前代MiMo-V2-Flash的三倍，却保持了极高的推理效率。
7:1混合注意力机制
支撑这一效率的核心是混合滑动窗口注意力机制（Hybrid Sliding Window Attention）。与MiMo-V2-Flash的5:1比例相比，Pro版本将混合比例提升到了7:1——这意味着模型在85%的上下文中采用轻量化的滑动窗口注意力，仅在最关键的15%位置使用全量注意力计算。
这种设计让MiMo-V2-Pro得以驾驭高达100万Token的超长上下文窗口，同时避免了传统全注意力机制在超长序列上的计算灾难。对于Agent工作流中常见的多轮对话、代码仓库理解、长文档分析等场景，这无疑是决定性优势。
MTP多Token预测层
此外，MiMo-V2-Pro还引入了多Token预测（Multi-Token Prediction, MTP）层。在训练阶段，MTP层作为辅助任务提升基座模型的建模能力；在微调阶段，团队进一步增加了MTP层的数量；最终在推理阶段，通过3层MTP并行验证，实现了2-2.6倍的解码加速。
这种"训练时增强、推理时加速"的设计思路，体现了小米AI团队在工程优化上的深厚功力。
ARL-Tangram：训练基础设施的黑科技
支撑如此庞大模型训练的，是小米与北京大学联合研发的统一资源管理系统ARL-Tangram。这套系统采用统一的动作级公式和弹性调度算法，在真实世界的智能体强化学习任务中，将平均动作完成时间提升了4.3分，训练步骤持续时间缩短最多1.5倍，算力成本与外部资源消耗降低71.2%。
这意味着什么？小米不仅做出了顶级模型，还找到了更便宜、更高效的造模方法。
性能实测：与Claude Opus 4.6掰手腕
在权威的Artificial Analysis Intelligence Index全球大模型综合智能排名中，MiMo-V2-Pro位列全球第8、中国第2，仅次于智谱GLM-5和MiniMax-M2.7。
更值得关注的是Agent专项能力。在OpenClaw框架的标准评测——PinchBench和Claw-Eval上，MiMo-V2-Pro排名全球第3，仅次于Claude Sonnet 4.6和Claude Opus 4.6。
社区测试者的反馈更为直接。有开发者表示，在直接对比中，Hunter Alpha经常胜过Claude Sonnet 4.6。一位测试者明确将其排名定位在Anthropic的Opus 4.5和Opus 4.6之间。在修复后的测试中，MiMo-V2-Pro能够"完全正确、功能完整"地完成大富翁游戏实现，处理代码编辑任务时被认为"几乎等同于Opus 4.5"——而某项特别复杂的修改任务甚至被评价为"超越了Opus 4.5"。
小米内部工程师的评价更为坦率：MiMo-V2-Pro的系统设计更优雅、任务规划能力更强、代码风格更高效。
罗福莉与小米AI战略：一场迟到的豪赌
MiMo-V2-Pro的背后，是小米在大模型领域的一系列激进布局。而这一切的关键推手，是一位95后"AI天才少女"——罗福莉。
从DeepSeek到小米：千万年薪的挖角
罗福莉的履历堪称亮眼。高中就读于四川宜宾一中"清北班"，本科北师大计算机，硕士北大计算语言学研究所。2019年，她在AI顶会ACL上一口气发表8篇论文（其中2篇一作），一战成名。
此后，她先后任职阿里达摩院、幻方量化，最终加入DeepSeek，成为DeepSeek-V2的关键开发者。2025年11月，罗福莉通过朋友圈确认加盟小米。据媒体报道，雷军为挖这位大将开出了千万元级别的年薪。
在罗福莉看来，大模型不只是"完美的语言外壳"，更应该是"真正理解世界并与之共存的智能体"。这种对Agentic AI的深刻理解，直接影响了MiMo-V2系列的产品定位。
"压强式投入"：小米的AI豪赌
卢伟冰在财报电话会上将AI与芯片并称为"小米非常重要的两个子战略"。2025年，小米研发费用预计超300亿元，其中约75亿元投向AI领域。未来五年（2026-2030），研发投入预计超2000亿元，聚焦AI、OS、芯片三大底层技术。
雷军更是明确提出2026年的"大会师"目标：在一款终端产品上实现自研芯片、自研OS、自研AI大模型的整合，同时推动机器人业务创新发展。
这与小米早期"不做OpenAI类的通用大模型"的表态形成鲜明对比。从2023年5月的谨慎试探，到如今与顶级模型正面交锋，小米的大模型战略已经完成了一次华丽转身。
三剑客齐发：MiMo-V2家族全景
除了MiMo-V2-Pro（Hunter Alpha），小米此次还同步发布了另外两款模型：
| 模型 | 代号 | 定位 | 关键特性 | |------|------|------|----------| | MiMo-V2-Pro | Hunter Alpha | 旗舰基座模型 | 1T总参数/42B激活、1M上下文、7:1混合注意力 | | MiMo-V2-Omni | Healer Alpha | 全模态模型 | 262K上下文、支持图像/音频/视频输入 | | MiMo-V2-TTS | - | 语音合成 | 高质量语音生成 |
MiMo-V2-Omni的最大亮点在于将图像、视频和音频编码器融合进单一主干网络，能像人类一样同时看、听和读，并能直接将感知转化为行动。测试中，它不仅能充当自动驾驶的视觉大脑预测潜在危险，还能作为智能体基模完全自主地在浏览器里完成跨平台比价和购物。
行业意义：中国AI的"数月差距"
罗福莉在近期演讲中分享了一个令人深思的观点："那时国内的开源模型距离世界顶尖闭源模型的代差，我认为至少有三年。但是如今中国像DeepSeek、MiMo等的开源模型，距离世界顶尖闭源模型的差距，可能只有数月了。"
MiMo-V2-Pro的出现，正是这一判断的最佳注脚。它证明了一件事：算力和数据并非最终的护城河。
正如罗福莉所言，"真正的护城河，是科学的研究文化与方法，是将未知问题结合模型优化转化为可用产品的能力。"小米用ARL-Tangram系统降低了71%的训练成本，用7:1混合注意力机制实现了1M上下文的高效处理，用MTP层在保持质量的同时加速了2.6倍——这些工程创新与科学方法，才是中国AI真正崛起的关键。
结语：一场没有终局的竞赛
MiMo-V2-Pro的发布，让2026年的大模型竞赛变得更加激烈。
DeepSeek V4尚未正式露面，OpenAI的GPT-5仍在酝酿，Anthropic的Claude 4.6系列稳坐头把交椅，Google的Gemini持续进化，而Meta、xAI等玩家也在虎视眈眈。在这个瞬息万变的战场上，MiMo-V2-Pro证明了中国玩家不仅有能力追赶，更有能力在某些维度上领先。
对于开发者而言，好消息是MiMo-V2-Pro正在与OpenClaw、OpenCode、KiloCode、Blackbox、Cline等五大Agent开发框架合作，提供一周的免费API接入。如果你正在寻找Claude Opus的高性价比替代方案，不妨给这位"小米蛟龙"一个机会。
毕竟，在全球AI的牌桌上，多一个强力玩家，对所有人都是好事。
常见问题
MiMo-V2-Pro和DeepSeek V4哪个更强？
截至2026年3月，DeepSeek V4尚未正式发布。此前被猜测为DeepSeek V4的模型实际就是MiMo-V2-Pro。在已公开的评测中，MiMo-V2-Pro排名全球第8，在中国模型中仅次于GLM-5和MiniMax-M2.7。
MiMo-V2-Pro的定价如何？
目前处于推广期，通过OpenClaw等合作框架可免费使用一周。正式定价尚未公布，但参考MiMo-V2-Flash的定价（0.7元/百万输入token），预计会保持较高的性价比。
如何在自己的项目中使用MiMo-V2-Pro？
可以通过OpenRouter平台直接调用，或通过OpenClaw、KiloCode等Agent框架集成。小米也在积极拓展更多的API合作渠道。
MiMo-V2-Pro适合什么场景？
特别适合长上下文理解（如代码仓库分析、长文档处理）、Agent工作流（多步骤任务执行）、代码生成与编辑等场景。其100万token的上下文窗口是目前第一梯队的水平。