我被羅福莉打臉了

壞了，我寫的文章被羅福莉打臉了，結(jié)結(jié)實實。

事情是這樣的，小米發(fā)布MiMo-V2-Pro的時候，我曾寫過一篇文章，叫《在大模型這件事上，雷軍居然給馬斯克打樣了》，在該文的最后一部分對小米提出質(zhì)疑。

我說“MiMo-V2-Pro只公布了SWE-bench Verified這個公認(rèn)有水分的評分結(jié)果，卻沒有公布SWE-bench Pro這個真正抗污染的測試成績?！?/p>

結(jié)果小米在V2.5-Pro的宣傳中，直接把SWE-bench Pro放在了宣傳榜第一的位置，還特地在OpenRouter的模型描述中標(biāo)注“top rankings on benchmarks such as ClawEval，GDPVal，and SWE-bench Pro”。

從結(jié)果來看，MiMo-V2.5-Pro的成績，已經(jīng)和Claude Opus 4.6以及GPT-5.4這兩個全球最頂尖的模型相當(dāng)。

雖然對于一般人來說，被打臉是一件很難堪的事情，但我不一樣，我覺得這是好事，因此我也樂意被打臉。

我被打臉，說明小米的模型進(jìn)步了，性能更好了。

MiMo-V2-Pro的發(fā)布時間是3月下旬，相當(dāng)于小米只用了1個月的時間，就開發(fā)出了下一代的模型。

至少在態(tài)度上，小米已經(jīng)不再回避更“硬核”的測試集了。

那么小米這次的新模型V2.5和V2.5-Pro到底如何呢？

01

把agent能力當(dāng)產(chǎn)品中心

小米這次最值得看的，是把它“Agent能力、長上下文、多模態(tài)、token效率、第三方框架適配”打包到了同一代產(chǎn)品里，榜單成績反倒不是重點。

MiMo的這次新模型發(fā)布，整體敘事非?！肮こ袒保磸?fù)都在講harness和Claude Code以及OpenClaw這類開發(fā)者工作流語境，基本上除了開頭那張圖以外，就沒怎么再提過模型性能。

這事本身就非常小米。

MiMo-V2.5-Pro的重點是“長程agent”，聊天只是附帶功能。它在合適harness下可以持續(xù)完成超過1000次工具調(diào)用的長任務(wù)。

小米給了三個很復(fù)雜的demo。

第一個是4.3小時、672次工具調(diào)用完整寫出SysY編譯器。

這個任務(wù)來自北京大學(xué)編譯原理課程項目，要求從零實現(xiàn)一個完整的SysY編譯器，包含詞法分析器、語法分析器、抽象語法樹、Koopa IR代碼生成、RISC-V匯編后端，以及性能優(yōu)化。

參考項目通常需要北大計算機專業(yè)學(xué)生花費數(shù)周時間。MiMo-V2.5-Pro在隱藏測試集上拿到了233/233的滿分。

模型一層一層地構(gòu)建編譯器，沒有反復(fù)試錯。先搭建完整管道，完善Koopa IR部分拿到110/110，然后是RISC-V后端103/103，最后是性能優(yōu)化20/20。

第一次編譯就通過了137/233個測試，59% 的冷啟動通過率說明架構(gòu)在運行任何測試之前就已經(jīng)設(shè)計正確。在第512輪時，一次重構(gòu)導(dǎo)致lv9/riscv退步了兩個測試，模型診斷出問題，恢復(fù)，然后繼續(xù)執(zhí)行任務(wù)。

長程工作需要的正是這種結(jié)構(gòu)化、自我糾錯的能力。

第二個是11.5小時、1868次工具調(diào)用做出可用的視頻編輯器桌面應(yīng)用。

只需要幾個簡單的提示，MiMo-V2.5-Pro就交付了一個完整的桌面應(yīng)用。最終構(gòu)建的代碼有8192行。

第三個是接入ngspice仿真閉環(huán)做模擬電路FVF-LDO設(shè)計優(yōu)化。

這是一個研究生級別的模擬電路EDA任務(wù)，在TSMC 180nm CMOS工藝下從零設(shè)計和優(yōu)化一個完整的FVF-LDO（翻轉(zhuǎn)電壓跟隨器低壓差穩(wěn)壓器）。

模型需要確定功率晶體管尺寸、調(diào)整補償網(wǎng)絡(luò)、選擇偏置電壓，使6個指標(biāo)同時滿足規(guī)格要求，包括相位裕度、線性調(diào)整率、負(fù)載調(diào)整率、靜態(tài)電流、PSRR和瞬態(tài)響應(yīng)。一個訓(xùn)練有素的模擬設(shè)計師通常需要花幾天時間完成這個規(guī)模的項目。

小米把MiMo-V2.5-Pro接入ngspice仿真循環(huán)，使用Claude Code作為harness。

在大約1小時的閉環(huán)迭代中，模型反復(fù)調(diào)用模擬器、讀取波形、調(diào)整參數(shù)，最終產(chǎn)生了一個每個目標(biāo)指標(biāo)都滿足的設(shè)計，其中四個指標(biāo)比自己的初始嘗試改進(jìn)了一個數(shù)量級。

上面3個demo有點難看懂是吧？沒關(guān)系，其實簡單來講，就是小米想要展示MiMo-V2.5-Pro它能連續(xù)干幾小時、調(diào)用上千次工具、最后還真地把產(chǎn)品給你做出來。

重點不是“聰不聰明”，是它“能不能把活干完”。

在這些實驗中，V2.5-Pro展現(xiàn)出了一種“harness awareness”。它充分利用harness環(huán)境提供的能力，管理自己的記憶，并塑造自己的上下文如何被填充以達(dá)成最終目標(biāo)。

小米還把多模態(tài)和agent能力合到一起。原生視覺和音頻理解，Video-MME達(dá)87.7分，接近Gemini 3 Pro的88.4分。Claw-Eval多模態(tài)子集23.8分，與Claude Sonnet 4.6持平。

最長支持100萬token上下文，agent性能超過上一代MiMo-V2-Pro。在自家MiMo Coding Bench上，MiMo-V2.5達(dá)到接近Pro級體驗，但成本只要一半。

一般AI廠商，往往是“代碼強的一個模型、多模態(tài)強的另一個模型、長上下文再單獨區(qū)分一個版本”。

MiMo-V2.5把“看、聽、推理、調(diào)用工具”全都放到一個統(tǒng)一模型里，可以理解更多的需求，也可以執(zhí)行更復(fù)雜的任務(wù)，這比單純刷分要有意義。

MiMo還把“token效率”當(dāng)成了賣點，說白了，就是省錢。

在ClawEval上，MiMo-V2.5-Pro以約7萬token/trajectory達(dá)到64% Pass^3，相較Claude Opus 4.6、Gemini 3.1 Pro、GPT-5.4，在相近能力下少用約40%到60%token。

為什么能省這么多呢？因為agent的真實成本來自長鏈條工具調(diào)用、反復(fù)讀寫上下文、持續(xù)推理，單輪問答只是小頭。誰在這件事上更省token，誰在生產(chǎn)環(huán)境里就更可能被用。

很多模型雖然宣稱支持超長上下文，但真跑起來很貴。

小米這次直接取消1M上下文的額外倍率，本質(zhì)上是在降低Agent試錯門檻。

小米應(yīng)該是想要瞄準(zhǔn)那些，跑長期、復(fù)雜任務(wù)的用戶，因為這種任務(wù)反而會更省錢，對于一般用戶來說，其實很難感受到MiMo省錢的地方。

02

雷軍要“賣算力”了？

隨著V2.5的發(fā)布，小米完善了他們4月3號發(fā)布的Token Plan訂閱體系，從Lite ￥39/月到Max ￥659/月一共4檔，新增夜間8折、包年88折等運營商式定價策略，并對老用戶全量重置已用Credits。

這套打法相當(dāng)于是告訴你，小米現(xiàn)在是一個正經(jīng)賣token的公司了。

MiMo的Token Plan本質(zhì)上是在構(gòu)建一個非硬件依賴的經(jīng)常性收入模型，這點非?！安恍∶住?。

而且小米特地選在夜間發(fā)布，就是為了對準(zhǔn)美國的時間，以拓展國際化市場。

當(dāng)小米自建算力集群達(dá)到一定規(guī)模后，每增加一個付費用戶的成本極低，但ARPU（每用戶平均收入）可以通過差異化定價持續(xù)提升。

這是典型的SaaS商業(yè)模式，毛利率可以達(dá)到70% 以上，比汽車手機家電都要高。

Token Plan適配Claude Code、OpenClaw等主流AI開發(fā)框架，實際上也是在爭奪AI原生應(yīng)用的底層基礎(chǔ)設(shè)施入口。

更深一層，如果小米汽車、小米IoT設(shè)備的第三方應(yīng)用都基于MiMo開發(fā)，雷軍就掌握了整個生態(tài)的“算力稅收權(quán)”。每一次API調(diào)用都是一次變現(xiàn)機會。

不過，我認(rèn)為小米Token Plan能否起飛的核心，在于能否兌現(xiàn)V2.5系列的開源承諾。

小米從手機時代開始，走的就是開源路線。雖然說開源意味著社區(qū)開發(fā)者可以免費部署和微調(diào)模型，表面上會蠶食Token Plan的付費用戶。

但真正的商業(yè)邏輯在于，開源吸引長尾開發(fā)者，他們貢獻(xiàn)代碼、優(yōu)化模型、構(gòu)建應(yīng)用，形成生態(tài)繁榮。

閉源API服務(wù)高頻高價值場景，企業(yè)客戶為了穩(wěn)定性、SLA保障和技術(shù)支持，依然會選擇付費Token Plan。

開源社區(qū)反哺模型迭代，小米可以低成本獲取海量真實場景的微調(diào)數(shù)據(jù)和bug反饋。

這個邏輯在行業(yè)里已經(jīng)被驗證過。

Meta的Llama系列開源后，社區(qū)貢獻(xiàn)了大量微調(diào)版本和應(yīng)用案例，反過來鞏固了Meta在AI基礎(chǔ)設(shè)施層的話語權(quán)。小米如果能走通這條路，Token Plan就會成為連接開發(fā)者、企業(yè)客戶和小米生態(tài)的樞紐，訂閱服務(wù)只是它的一個側(cè)面。

從產(chǎn)品定位看，MiMo-V2.5和V2.5-Pro形成了明確的分層。

V2.5是“原生全模態(tài)+強agent能力”，適合需要多模態(tài)輸入的日常開發(fā)任務(wù)。V2.5-Pro是“長程agent”，適合需要持續(xù)數(shù)小時、上千次工具調(diào)用的復(fù)雜工程任務(wù)。這種分層的邏輯是場景適配，性能高低只是表象。

對小米來說，Token Plan的意義不只是多一條收入來源。它是小米從“硬件公司”到“AI公司”敘事轉(zhuǎn)型中最重要的一塊拼圖。

小米過去的商業(yè)模式是“硬件+IoT生態(tài)”，用性價比硬件獲取用戶，用IoT設(shè)備構(gòu)建生態(tài)。這個模式的天花板在于硬件銷量和IoT設(shè)備滲透率。

Token Plan是雷軍的新嘗試。用AI能力獲取開發(fā)者，用開發(fā)者構(gòu)建應(yīng)用生態(tài)，用API調(diào)用持續(xù)變現(xiàn)。這個模式的天花板在于AI能力的強度和生態(tài)的活躍度。

至少比從北京到上海全程直播要更賺錢一些。

如果MiMo能在開發(fā)者社區(qū)站穩(wěn)腳跟，小米就有機會從“賣手機的公司”變成“提供AI基礎(chǔ)設(shè)施的公司”。這個轉(zhuǎn)變的商業(yè)價值，遠(yuǎn)遠(yuǎn)超過Token Plan本身的訂閱收入。

03

MiMo-V2.5挑刺

那么既然小米喜歡打我的臉，那我也樂意再給他們挑挑刺。

目前SWE-bench Pro最高分是Claude Mythos Preview的77.8%，MiMo-V2.5-Pro在SWE-bench Pro上拿到57.2%，距離這個新巔峰還有些遙遠(yuǎn)。

此外，MiMo-v2.5在通用高階推理天花板的關(guān)鍵測試集中表現(xiàn)一般。MiMo-V2.5-Pro在Humanity's Last Exam上是48.0%，而GPT-5.4是58.7%。

在“高階知識密度+跨學(xué)科抽象推理”上，和最頂級模型還有一段距離。

更重要的是，目前小米還缺乏可復(fù)現(xiàn)的硬證據(jù)。

小米自家的MiMo Coding Bench、SysY編譯器233/233、11.5小時做視頻編輯器、模擬電路EDA閉環(huán)優(yōu)化、“harness awareness”，它們都是“高光demo”或“實驗室showcase”，作為“開源”（雖然暫時還沒開源）的模型，它沒有完全可復(fù)現(xiàn)、可橫向?qū)Ρ鹊墓_標(biāo)準(zhǔn)。

這件事其實“不太開源”。

這是最好的一次，還是平均水平？prompt、工具、權(quán)限、上下文注入方式是什么？成功率是多少？成本是多少？換一批任務(wù)還穩(wěn)不穩(wěn)？

1868次工具調(diào)用、672次工具調(diào)用，這些超長鏈路中，有多少次是無效調(diào)用、重復(fù)調(diào)用、錯誤調(diào)用？如果這些細(xì)節(jié)不公開，demo的說服力就會打折。

“harness awareness”這個說法很抓眼，但不夠有說服力。

這個詞聽起來很高級，那它到底是模型真的學(xué)會了如何管理agent runtime？還是說只是因為這個任務(wù)的harness寫得好、任務(wù)設(shè)計得順，還是評測環(huán)境對它比較友好？

我現(xiàn)在很難判斷。

小米強調(diào)V2.5-Pro具備“harness awareness”，但這也意味著模型高度依賴特定harness（Claude Code、OpenClaw等），小米沒有自己的harness工具。

如果某天別人平臺策略變了，那么小米能做的事情，只能是重新調(diào)整模型去適應(yīng)別人。

還有一點也非常重要，那就是小米啥時候才能開源。

羅福莉曾經(jīng)說過“MiMo-V2系列模型會在技術(shù)足夠穩(wěn)定、真正配得上開源的時候，開源”。現(xiàn)在2.5都出來了，開源的也只有V2 Flash這一款，其他V系列模型，尤其是V2 Pro，并沒有開放權(quán)重。

“即將開源”和“已經(jīng)開源”之間還是不太一樣的。

V2.5系列同樣聲稱“即將全球開源”，但“即將”是一周、一個月還是半年？

這個問題的答案，決定了Token Plan到底是真正的商業(yè)化起點，還只是一次營銷噱頭。

現(xiàn)在它看起來已經(jīng)很能打，但離“讓大企業(yè)放心上生產(chǎn)”還差一層更硬的工程披露，比如說更完整的公開benchmark表，或者更透明的失敗案例之類的。

MiMo-V2.5和V2.5-Pro的發(fā)布，對小米來說是一次重要的技術(shù)證明。

它證明了小米只需要1個月可以從一個被質(zhì)疑“回避硬核測試”的狀態(tài)，迭代到一個敢于正面公布SWE-bench Pro成績、并且成績接近全球頂尖模型的狀態(tài)。

這個速度本身就說明了小米在AI上的投入強度和團(tuán)隊執(zhí)行力。

Token Plan是一個好的開始，但它能否真正吸引到足夠多的開發(fā)者，取決于開源承諾能否兌現(xiàn)、服務(wù)穩(wěn)定性能否保證、以及生態(tài)能否真正繁榮起來。

小米現(xiàn)在站在一個關(guān)鍵的十字路口。往前走，它有機會成為一家真正的AI基礎(chǔ)設(shè)施公司。往后退，它可能只是又多了一個營銷故事。

時間會給出答案。