3 月 19 日凌晨，小米官方正式揭晓全球 AI 圈热议焦点 ——OpenRouter 平台连续多日霸榜的神秘模型 Hunter Alpha，正是其全新发布的万亿参数旗舰大模型 MiMo-V2-Pro 的早期内测版本。同步亮相的还有全模态模型 MiMo-V2-Omni 与语音合成模型 MiMo-V2-TTS，三款产品组成的 MiMo-V2 家族，以硬核技术参数与亮眼实战表现，强势跻身全球顶尖大模型梯队，引发业界广泛关注。
这场 \"神秘模型解谜\" 始于 3 月 11 日，代号 Hunter Alpha 与 Healer Alpha 的两款匿名模型悄然登陆全球最大 API 聚合平台 OpenRouter。无宣传、无发布会的 \"隐身\" 上线模式，却凭借强悍性能实现调用量爆发式增长，累计使用量迅速突破 1 万亿 Token，连续多日登顶平台日调用量榜单，甚至吸引 \"龙虾之父\"——OpenClaw 创始人 Peter Steinberger 在社交平台发帖打听模型细节，引发全球开发者社区的猜测热潮。
彼时，网友们的猜测众说纷纭：有人根据命名风格推测是 OpenAI 的 GPT-5 系列新品，也有技术社区依据中文训练特征，将其指向 DeepSeek-V4 的 stealth 版本。直至小米官宣，谜底才正式揭开 —— 这两款神秘模型均出自小米 MiMo 大模型团队，其中 Hunter Alpha 对应旗舰文本基座 MiMo-V2-Pro，Healer Alpha 为其相关衍生版本，而主导该系列研发的小米 MiMo 大模型负责人罗福莉，正是前 DeepSeek 研究员，这一背景也让此次 \"认错亲\" 的乌龙更添戏剧性。
作为家族核心旗舰，MiMo-V2-Pro 的技术配置堪称行业顶尖。模型总参数量突破 1 万亿大关，激活参数达 420 亿，上下文窗口支持 100 万 Token 超长文本处理，整体规模较前代 MiMo-V2-Flash 扩大三倍。底层架构上，其继承混合注意力机制并将混合比例从 5:1 提升至 7:1，搭配轻量级 MTP 多 Token 预测层，在处理超长篇内容时仍能保持高速生成效率。为支撑如此庞大的模型训练与运行，小米 AI 团队联合北京大学研发统一资源管理系统 ARL-Tangram，通过弹性调度算法解决异构资源约束难题，将智能体强化学习任务的算力成本降低 71.2%，训练效率显著提升。
实战性能方面，MiMo-V2-Pro 交出了一份亮眼答卷。在 Artificial Analysis 全球智能指数评测中，该模型斩获全球第八、国内第二的优异排名；在 PinchBench 与 ClawEval 两大权威智能体基准测试中，分别取得 84.0 分与 61.5 分的高分，全面超越 Gemini 3 Pro 并逼近 Claude Opus 4.6。尤其在代码能力上，其在 SWE-bench Verified 测试中以 86.7 分超越 Claude 4.6 Sonnet，可直接用 Three.js 编写带动态背景与升级路线的 3D 塔防游戏代码，展现出极强的复杂任务处理能力。匿名内测期间，OpenClaw、Kilo Code 等主流开发工具贡献了大量调用量，充分验证了其在生产环境中的可靠性。
一同发布的 MiMo-V2-Omni 与 MiMo-V2-TTS 同样亮点突出。全模态模型 MiMo-V2-Omni 创新性地将图像、视频、音频编码器融合进单一主干网络，实现 \"看、听、读、行\" 的一体化感知与行动能力，既能作为自动驾驶视觉大脑预测潜在危险，也能自主完成跨平台比价购物等复杂操作。语音合成模型 MiMo-V2-TTS 则专注于情感化表达，支持通过自然语言指令精准控制音色与情绪走向，可自然融入咳嗽、叹气等细节，为智能体赋予更生动的交互体验。
在商业化布局上，小米展现出强势突围姿态。MiMo-V2-Pro 的 API 定价仅为同级别竞品的五分之一，256K 上下文以内输入每百万 Token 定价 1 美元，输出 3 美元，同时联合 OpenClaw 等五大主流 Agent 框架提供限时免费接入支持，以高性价比快速渗透开发者生态。目前三款模型均已在小米官方平台上线详情页面，开发者可直接申请体验，而此次模型发布恰逢小米新品发布会前夕，也被业界解读为其 AI 生态布局的重要铺垫。
从匿名霸榜到正式官宣，小米 MiMo-V2 家族的亮相堪称一次成功的 \"技术突袭\"。万亿参数的硬核配置、超越主流竞品的实战表现、极具竞争力的定价策略，不仅彰显了小米在大模型领域的技术积累，更打破了全球顶尖大模型市场的现有格局。随着 AI 智能体时代的加速到来，小米以 MiMo-V2 家族为支点，正在构建从文本、多模态到语音的全栈 AI 能力，未来有望在开发者生态、智能终端、行业应用等多个场景释放价值，为全球 AI 产业发展注入新的动力。
