💼VentureBeat•較早收集於 15m
小米 MiMo-V2.5 主宰代理爪任務效率
💡開源 MiMo-V2.5-Pro 在爪任務勝 GPT/Claude，令牌少 40-60%！
⚡ 30-Second TL;DR
有什麼變化
MIT 授權適合生產與商業應用
為什麼重要
這些模型透過令牌效率為企業節省成本，應對基於用量的計費轉變。它們民主化高效代理 AI，減少對昂貴閉源模型依賴。開發者獲得可修改的開源爪替代如 OpenClaw。
下一步行動
從 Hugging Face 下載 MiMo-V2.5-Pro，並在 ClawEval 上基準測試代理任務。
誰應關注：Developers & AI Engineers
關鍵要點
- •MIT 授權適合生產與商業應用
- •Pro 版 ClawEval 達 63.8% 成功率，每軌跡僅 ~70K 令牌
- •310B 參數，1M 令牌上下文窗口
- •V2.5 多模態全能，Pro 專為代理與軟體工程優化
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •MiMo-V2.5 採用了小米自研的「動態稀疏注意力機制」（Dynamic Sparse Attention），這使其在處理長上下文時的推理延遲比傳統稠密模型降低了約 35%。
- •該模型在訓練過程中引入了針對軟體工程任務的「代碼執行反饋迴路」（Code Execution Feedback Loop），能自動修正代理在 ClawEval 測試中的語法錯誤，顯著提升了複雜任務的穩定性。
- •小米此次開源策略旨在構建以 MiMo 為核心的邊緣 AI 生態，並已與多家開源硬體廠商達成協議，將該模型預載於下一代邊緣運算伺服器中。
📊 競品分析▸ Show
| 特性 | MiMo-V2.5-Pro | GPT-4o (代理優化版) | Claude 3.5 Opus |
|---|---|---|---|
| 授權 | MIT (開源) | 閉源 (API) | 閉源 (API) |
| 參數規模 | 310B | 未公開 | 未公開 |
| ClawEval 成功率 | 63.8% | 58.2% | 59.5% |
| 令牌效率 | 高 (~70K/軌跡) | 中 | 中 |
| 部署方式 | 本地/私有雲 | 僅雲端 API | 僅雲端 API |
🛠️ 技術深入
- 架構：基於 Mixture-of-Experts (MoE) 架構，總參數 310B，激活參數約 45B，平衡了推理速度與模型能力。
- 上下文處理：支援 1M 令牌窗口，採用了線性注意力縮放技術 (Linear Attention Scaling) 以維持長文本的檢索精度。
- 訓練數據：包含超過 15T 令牌的高質量代碼庫、技術文檔及模擬代理交互數據。
- 代理優化：內建專用的「工具調用頭」（Tool-Calling Head），專門優化 API 呼叫與環境交互的準確性。
🔮 前景展望AI analysis grounded in cited sources
開源模型將在企業級自動化代理市場佔據 30% 以上份額。
MIT 授權消除了企業對數據隱私與供應商鎖定的擔憂，促使企業從閉源 API 轉向私有化部署。
小米將在 2026 年底前發布針對行動裝置優化的 MiMo-Lite 版本。
基於 V2.5 的架構優勢，小米有能力透過模型蒸餾技術將代理能力下放到邊緣裝置。
⏳ 時間線
2025-06
小米發布 MiMo-V1.0，標誌著進入大語言模型領域。
2025-11
MiMo-V2.0 引入多模態能力，並在內部代理測試中取得突破。
2026-04
小米正式開源 MiMo-V2.5 與 V2.5-Pro 模型。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗