MiMo-V2-Flash 开源

MiMo-V2-Flash 正式开源！这是一个专为极致推理效率自研的总参数 309B（激活 15B）的 MoE 模型，通过 Hybrid 注意力架构创新及多层 MTP 推理加速，在多个 Agent 测评基准上保持进入全球开源模型 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，但推理成本仅为其 2.5%，生成速度提升 2 倍，成功将大模型推理效率推向极致。

秉持开放精神，模型权重和推理代码均采用 MIT 协议全面开源。API 限时免费。

推理成本与速度的极致优化

MiMo-V2-Flash 的 API 定价为: 输入 $0.1/M tokens，输出 $0.3/M tokens。

下图横轴为全球顶尖模型速度和成本的对比图，MiMo-V2-Flash 实现了最低成本、最高速度。

面向高效推理的结构创新

结构要点如下：

• 混合注意力：采用 1:5 的 Global Attention 与 Sliding Window Attention (SWA) 混合结构，128 窗口大小，原生 32K 外扩 256K 训练。经前期大量实证发现，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：通过引入 MTP (Multi-Token Prediction) 训练提升基座能力的同时，并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 2.5～3.7 的实际加速比。

免费白嫖

目前API限时免费开放中，进入MIMO开放平台申请API KEY。

API调用

python调用

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MIMO_API_KEY"),
    base_url="https://api.xiaomimimo.com/v1"
)

completion = client.chat.completions.create(
    model="mimo-v2-flash",
    messages=[
        {
            "role": "user",
            "content": "please introduce yourself"
        }
    ],
    max_completion_tokens=1024,
    temperature=0.8,
    top_p=0.95,
    stream=False,
    stop=None,
    frequency_penalty=0,
    presence_penalty=0,
    extra_body={
        "thinking": {"type": "disabled"}
    }
)

print(completion.model_dump_json())

curl调用

curl --location --request POST 'https://api.xiaomimimo.com/v1/chat/completions' \
--header "api-key: $MIMO_API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "model": "mimo-v2-flash",
    "messages": [
        {
            "role": "user",
            "content": "please introduce yourself"
        }
    ],
    "max_completion_tokens": 1024,
    "temperature": 0.8,
    "top_p": 0.95,
    "stream": false,
    "stop": null,
    "frequency_penalty": 0,
    "presence_penalty": 0,
    "thinking": {
        "type": "disabled"
    }
}'

Cline集成

MiMo-V2-Flash 具备良好的代码理解与编程能力，适用于代码助手、Agent 工具等多种场景。可参考以下步骤，在 Cline、Kilo Code 和 Roo Code 中体验模型代码能力。

请按照以下配置填写相关信息：

• 必填配置：
  • API Provider：选择 OpenAI Compatible
  • Base URL：填写 https://api.xiaomimimo.com/v1
  • API Key：从中 控制台-API Keys 获取 API Key
  • Model ID：填写模型名称 mimo-v2-flash
• 选填配置：
  • 取消勾选 Supports Images
  • Context Window Size 设置为 262144
  • Temperature 设置为 0.8，可根据任务需求进行调整

配置成功后，可在输入框中输入需求，例如生成代码：