MiMo-V2-Flash – 小米开源的高性能语言模型，生成速度提升2倍

mimo-v2-flash 是小米推出的开源高性能大语言模型，整体参数量达3090亿，其中每轮推理激活参数为150亿。仅用了309B的参数规模，该模型就展现出了极高的效能密度，在多项权威综合评测中均取得了令人瞩目的优异成绩。在保持长文本性能的同时显著降低KV缓存存储量。此外，配备了轻量级多Token预测（MTP）模块，每个模块仅包含0.33亿参数，使用密集前馈网络（FFN）和SWA，能显著提升生成速度，使推理成本仅为标杆闭源模型Claude 4.5 Sonnet的2.5%，生成速度提升2倍。MiMo-V2-Flash 在多个智能体任务和复杂推理任务中表现出色，如SWE-Bench和数学推理任务。支持FP8混合精度推理，推荐使用SGLang框架进行部署。

MiMo-V2-Flash的主要功能

• 高性能推理：采用混合注意力架构和轻量级多Token预测技术，显著提升推理效率，生成速度更快，推理成本大幅降低。
• 长文本处理能力：通过滑动窗口注意力和全局注意力的结合，支持长达256K的上下文长度，适合处理长文本任务。
• 智能体任务优化：经过大规模智能体强化学习和多教师在线策略蒸馏，专为智能体AI设计，适合复杂推理和多轮对话任务。
• 代码生成与理解：在代码生成和理解任务中表现出色，支持多种编程语言，能够高效完成代码补全、生成和调试任务。
• 多语言支持：具备多语言能力，能够处理多种语言的文本生成、翻译和理解任务。
• 开源与易用性：模型权重和推理代码全面开源，采用MIT协议，便于开发者使用和二次开发。

MiMo-V2-Flash的技术原理

• 混合注意力架构：采用滑动窗口注意力（SWA）和全局注意力（GA）混合设计，以128个token为窗口大小，通过可学习的注意力下沉偏置（sink bias）技术，在降低KV缓存存储量的同时，保持长文本处理能力。
• 轻量级多Token预测（MTP）：配备轻量级MTP模块，使用密集前馈网络（FFN）和滑动窗口注意力，每个模块仅0.33亿参数，显著提升生成速度，优化推理效率。
• 高效预训练：使用27万亿tokens进行预训练，支持原生32K序列长度，上下文窗口可扩展至256K，采用FP8混合精度训练，提升训练效率。
• 智能体强化学习：通过大规模智能体强化学习和多教师在线策略蒸馏（MOPD），在复杂推理和智能体任务中表现出色，提升模型的泛化能力和任务适应性。
• 推理优化：支持FP8混合精度推理，结合SGLang框架，提供高效的推理性能，适合大规模部署和应用。

MiMo-V2-Flash的应用场景

• 智能体AI任务：适用于需要高效推理和复杂任务处理的智能体场景，如自动化任务执行、多轮对话管理和工具调用。
• 长文本处理：能处理长文本生成和理解任务，如长篇内容创作、文档摘要和长文本问答。
• 代码生成与理解：支持代码生成、代码补全和代码理解，适用于开发者工具集成和自动化编程辅助。
• 多语言应用：具备多语言能力，可用于跨语言翻译、多语言内容生成和国际化应用开发。
• 复杂推理任务：在数学推理、逻辑推理和科学问题解答等复杂任务中表现出色，适合教育和研究领域。
• 日常助手：作为通用AI助手，可用于日常问答、信息检索和个性化内容推荐。