小米重磅上新！匿名爆款大模型揭晓真身，全面入局智能体时代

3月11日，一款代号“Hunter Alpha”的神秘大模型悄悄登陆全球头部API聚合平台OpenRouter，起初没人知晓它的真实出身，甚至被不少人误判为DeepSeek V4的内测版。可仅仅过了七天，这款模型就交出了惊人成绩单：累计调用量直冲1万亿Token，连续多日霸占平台榜首，成了不折不扣的匿名爆款。



直到3月19日，谜底终于揭开——Hunter Alpha并非第三方模型，而是小米全新推出的MiMo-V2-Pro旗舰大模型的内部测试版。这不仅是小米在大模型赛道的又一重磅成果，更释放出小米全力冲刺智能体（Agent）时代的明确信号。

一、从匿名黑马到旗舰核心，定位彻底升级

MiMo-V2-Pro是小米专为现实场景复杂任务打造的旗舰基座大模型，和市面上普通的对话类AI有着本质区别：它不再是单纯陪聊的工具，而是充当智能体系统的“核心大脑”，具备理解任务需求、调用配套工具、完成多步骤流程、最终交付落地结果的全链路能力。

从技术架构来看，这款模型实力拉满：总参数规模突破1万亿，其中激活参数达到42B，搭载小米优化升级的混合注意力机制，既能保证推理速度不打折，又能大幅扩容模型承载力。最亮眼的是，其上下文窗口拓展至100万Token，足以支撑超长任务链、复杂工作流等高强度场景，这也是普通大模型难以企及的优势。

这些硬核能力，在早前Hunter Alpha测试阶段就已初露锋芒。OpenRouter后台数据显示，这款模型调用量爆发式增长，且用户集中在代码生成、开发工具调用等领域，足以证明它在真实工程场景里稳定性强、实用性高。

二、智能体实力跻身全球第一梯队，不只“会说”更“会干”

经过多轮专业评测，MiMo-V2-Pro的智能体能力已经迈入全球第一梯队，各项跑分成绩十分亮眼：在通用智能体评估（ClawEval）中拿下61.5分，直追Claude Opus 4.6；在PinchBench测试中稳居全球前三；编码能力更是超越Claude Sonnet 4.6，逼近高端的Opus水准。

小米团队坦言，这款模型的优化核心从来不是单纯拼跑分，而是聚焦真实场景的落地表现。通过在OpenClaw等主流智能体任务框架上，开展监督微调和强化学习双重训练，MiMo-V2-Pro在工具调用稳定性、多步骤逻辑推理、任务完成质量上实现了质的飞跃，彻底摆脱了“只会答不会做”的短板。

从传统对话模型到“执行型智能体”，是MiMo-V2-Pro最核心的转变。实测中，它能轻松吃透复杂指令，单次提示就能完成从设计到落地的全流程闭环，真正做到“一键交付”。

比如有开发者提出需求：制作一款完整的3D塔防游戏，涵盖多款防御塔、差异化敌人机制、多关卡设计，搭配爆炸、火焰特效，用Three.js实现渲染，还要具备暂停、重开、计分功能。MiMo-V2-Pro直接输出结构完整的代码方案，游戏逻辑、前端渲染全覆盖，无需开发者二次拼凑修改。

在创意设计领域，它的跨领域能力同样出彩。面对“复刻90年代纸质杂志风格，打造不规则多栏排版、出血标题、纸张纹理背景，搭配翻页动效交互”的复杂要求，模型不仅能精准理解审美细节，还能生成包含字体、布局、动态效果的全套前端方案。

这也意味着，MiMo-V2-Pro已经从单纯的“内容生成器”，升级为“系统搭建师”，能力覆盖软件工程、数字创意的全生产流程。搭配100万Token超长上下文，它还能轻松处理跨文件代码解读、海量文档分析、持续性多轮任务规划，攻克传统大模型的场景短板。

三、亲民定价策略，全力拉拢全球开发者

伴随着模型正式发布，小米同步开放MiMo-V2-Pro API服务（platform.xiaomimimo.com），并推出极具竞争力的定价方案，主打高性价比抢占开发者市场。

模型采用分段计费模式：256K上下文区间内，输入单价1美元/百万Token，输出单价3美元/百万Token；开启100万长上下文模式，费率小幅上调至输入2美元、输出6美元/百万Token。这个价格远低于Claude Opus等同级别竞品，对开发者十分友好。

不仅如此，小米还推出缓存写入暂时免费的福利，对于频繁调用长上下文提示词的智能体开发者来说，能大幅降低运营成本。同时，小米联合OpenClaw、Cline等主流智能体框架，上线限时免费调用活动，进一步扩大在开发者社区的影响力。

四、多模态矩阵补齐，打造全闭环智能体生态

MiMo-V2-Pro解决了智能体的“大脑决策”问题，而同场发布的MiMo-V2-Omni、MiMo-V2-TTS两款模型，则补齐了感知、表达两大短板，让小米大模型从单一文本交互，升级为全闭环多模态智能体基础设施。

MiMo-V2-Omni：全模态感知，打通环境理解链路

作为全模态基座模型，MiMo-V2-Omni核心优势是实现音频、图像、视频的深度对齐，专为智能体执行场景优化。区别于普通视觉识别模型，它能直接接入各类智能体框架，把实时监控画面、语音指令、操作界面等物理环境信息，快速转化为可执行的逻辑决策，让智能体像人类一样靠视听感知世界、下达指令。

定价方面依旧延续高性价比路线，256K上下文模式下，输入单价0.4美元、输出单价2美元/百万Token，降低开发者试水多模态应用的门槛。

MiMo-V2-TTS：细粒度情感语音，打造有温度的交互

如果说Omni让智能体“看得见、听得清”，那MiMo-V2-TTS就让智能体“说得暖”。这款语音合成模型摒弃了传统AI语音的机械生硬感，依托小米自研Audio Tokenizer和多码本联合建模架构，实现语音风格、情绪的精细化调控，既能把控整体情感基调，又能处理细微语气波动。

本土化适配更是亮点拉满，不仅支持东北话、四川话、粤语等多方言合成，还能自然生成歌声。开发者可以借此给智能体打造专属人设，让AI助手从冰冷工具变成有温度的伙伴，提升用户交互体验。