上海
大家好，我是程序員魚皮。
最近大模型圈兒一直在神仙打架，給我測的頭發都快掉光了。。。
GPT-5.5 放話：我理解力最強！
DeepSeek V4 緊接著表示：我性價比最高！
這時候犄角旮旯里傳來一個弱弱的聲音：我。。。我免費送 16 億 tokens。。。
定睛一看，是小米。
4 月 23 號，小米正式發布了 MiMo-V2.5 系列大模型，旗艦版 MiMo-V2.5-Pro 是個萬億參數的 MoE 架構模型，支持 100 萬 tokens 超長上下文。
官方主打的賣點是 Agent 編程能力強、token 效率高，號稱完成同樣的編程任務，消耗的 token 比 Claude Opus、Gemini Pro 少 40% ~ 60%。
更重要的是，小米同步推出了「百萬億 Token 創造者激勵計劃」，免費給開發者發 tokens，這是把咱們這些白票黨的心理拿捏得死死的。
光看參數和跑分沒什么意思，模型好不好用，還得拿真實項目來檢驗。
這篇文章我會先帶大家白領 16 億大模型 tokens，然后用 Claude Code 來測試小米開源新模型的實際編程能力，可以當做 Claude Code 保姆級教程來看。
點個收藏，咱們開始~
白領 16 億 tokens
打開小米 MiMo 的 ORBIT 激勵計劃頁面：https://100t.xiaomimimo.com
可以看到這個計劃的總池子有 100 萬億 tokens，發放進行中：
申請方式很簡單，填個表單就好。主要是選你常用的 AI 編程工具和底層模型，再描述一下你用 AI 做過什么項目：
提交后顯示會在 3 個工作日左右完成審核：
結果我剛申請就秒過了，郵箱很快就收到了通知。郵件里說使用申請時的郵箱登錄或注冊 MiMo API 開放平臺，權益會在登錄后 24 小時內自動到賬。
開放平臺地址：platform.xiaomimimo.com
注意，最好先用你申請的郵箱登錄這個平臺，然后再申請，否則權益可能無法到賬！
登錄開放平臺后，在訂閱管理中能看到贈送的套餐。比如我同事隨便讓 AI 填了段申請信息，就領到了 Max 月度套餐。
不是哥們，送了 16 億 tokens？
從套餐信息來看，支持 MiMo-V2.5-Pro、MiMo-V2.5 等全系列模型，還兼容 Claude Code、OpenCode 等主流編程工具：
我剛開始還以為自己看錯了，以為是 1.6 億，沒想到真的是 16 億，這下可勁兒造了！
官方 Max 一年的訂閱是將近 7000 元，送了 1 個月，相當于白票了 600 元左右？
咱且不說小米模型好不好用吧，免費送這么多，還要啥自行車？
但讓我氣憤的是，我自己的賬號只領到了 Pro 月度套餐（7 億 tokens），而且我填申請表單的時候還特意說了自己是「程序員魚皮」、是博主身份。
不是哥們，瞧不起我？氣得我又掉了幾根頭發。。。
下面我們步入正題，先準備測試大模型的 AI 編程工具。
環境準備 安裝 Claude Code
先簡單介紹一下 Claude Code。它是 Anthropic 推出的 AI 編程工具，直接在終端里運行，你跟它聊天描述需求，它就能自主分析項目、寫代碼、跑命令、修 Bug，全程自主執行。
除了基礎的代碼生成，還能使用工具和 Skills 技能包、連接 MCP 外部服務、用 Plugins 插件擴展能力，甚至搞多智能體協作，擴展性很強。目前最新的 v2.1 版本還加入了 Skills 熱重載、會話分叉、自定義主題等功能，更新嘎嘎猛。
安裝 Claude Code 很簡單。
首先確保你的電腦有 Node.js 環境和 npm 軟件依賴安裝工具，沒有的話，直接到 Node 官網 下載傻瓜式安裝包就好：
無論使用什么操作系統，都可以通過 npm，一行命令來安裝 Claude Code：
npm install -g @anthropic-ai/claude-code
安裝完成后，輸入 claude 命令進入對話界面，首次需要登錄才能正常使用：
但估計很多同學沒有 Anthropic 的國外訂閱賬號，所以我們要切換為國產模型。
切換模型
Claude Code 本身是支持切換模型的，你可以通過「修改環境變量」或「編輯配置文件」來對接其他大模型的 API。
一般你使用哪家的大模型 API，直接看對應的官方文檔，就能找到接入方法。
比如 小米開放平臺的 API 文檔 里就有現成的接入方法，包括創建配置文件和填寫環境變量：
不過我更推薦用一個開源工具 CC Switch，能夠可視化地管理 Claude Code、Codex、Gemini CLI 等 AI 編程工具的配置，一鍵切換不同的模型供應商。內置了 50 多個供應商預設，不用自己手動改配置文件。
開源指路：https://github.com/farion1231/cc-switch
按照官方中文文檔，根據操作系統選擇對應的安裝方式：
Mac 用戶可以通過命令行安裝：
brew tap farion1231/ccswitch
brew install --cask cc-switch
安裝完成后，運行軟件進入主界面，添加模型供應商：
可以看到 CC Switch 內置了海量的供應商預設，選擇 Xiaomi MiMo：
然后準備填寫模型配置信息，需要先從 小米開放平臺 獲取 API Key。
注意，如果你免費領取或者開通了小米模型的套餐，必須要使用專屬 API Key 和專屬 Base URL，否則要么訪問不了模型，要么消耗的還是你的賬戶余額。
專屬 Base URL 在套餐頁面可以看到，兼容 OpenAI 和 Anthropic 兩種協議：
在 CC Switch 中填寫好 API Key 和套餐專屬的請求地址：
然后設置使用的模型，我這里把主模型設置為 MiMo-V2.5-Pro，它是小米的旗艦 Agent 模型，專為長難編程任務優化，token 效率更高。
點右下角保存：
可以在上圖中看到 Claude Code 的 JSON 配置文件，其實 CC Switch 就是幫你可視化地修改各 AI 工具的配置文件，省去手動編輯 JSON 的麻煩。
最后，啟用 Xiaomi MiMo 模型：
然后重新進入 Claude Code，在左上角能看到切換后的模型名稱。隨便輸入一句話，AI 能給出回復，說明切換模型成功：
安裝擴展
Claude Code 默認就有讀寫文件、跑終端命令、搜索代碼這些基礎能力，但要做好一個完整項目，光靠這些還不夠。
我們需要下面 3 個擴展：
Frontend Design：前端美化技能，讓生成的頁面更有設計感
Firecrawl：聯網搜索和網頁抓取，讓 AI 能獲取最新的技術信息
Context7：查詢最新的技術文檔和 API 用法，減少 AI 瞎編的情況
下面來依次安裝。
1、安裝 Frontend Design
Frontend Design 是 Anthropic 官方的前端美化技能，可以讓 AI 生成的頁面更有設計感。
在 Claude Code 中，先通過 /plugin 命令添加官方技能市場，相當于裝了個技能商店：
/plugin marketplace add anthropics/skills
輸入 /plugins，在 Discover 菜單欄中，選中 example-skills 并按回車，安裝官方的示例技能合集：
輸入 /reload-plugins 重載一下插件：
輸入 /skills 查看已安裝的技能，可以看到 frontend-design 已經就位了：
之后在對話框中輸入 /frontend-design 就能主動觸發這個技能，讓 AI 美化前端頁面。同時還自動裝上了 webapp-testing 自動化測試技能，后面也用得上。
2、安裝 Firecrawl
Firecrawl 是聯網搜索和網頁抓取工具，讓 AI 開發前先搜索最新技術信息。
安裝方式很簡單，打開終端，輸入一行命令：
npx -y firecrawl-cli@latest init --all --browser
執行后，會自動打開瀏覽器，要在彈出的頁面中點擊授權：
安裝完成后，會自動注冊 12 個 Firecrawl 相關技能：
在 Claude Code 的技能管理中，就能看到新添加的 Firecrawl 相關技能了：
3、安裝 Context7
Context7 是一個技術文檔查詢工具，讓 AI 能獲取到各種框架和庫的最新官方文檔，避免用過時的 API 寫代碼。
先在終端輸入一行命令來安裝：
npx ctx7@latest setup
它會問是安裝 MCP 服務還是 CLI + Skills，這里我選擇 CLI + Skills。你會發現，現在越來越多工具已經從 MCP 轉向 CLI + Skills 的方式了：
同樣在彈出的網頁中授權，不用自己獲取和輸入 API Key，太方便了！
然后選擇要給哪個 AI 編程工具安裝，我選擇為 Claude Code 安裝：
安裝成功后，可以在技能管理中看到 find-docs 技能：
當然，你也可以選擇安裝 MCP Server 的方式：
安裝后，在 Claude Code 中輸入 /mcp 命令，就能看到安裝好的 MCP 了，比自己手動配置方便太多了！
至此，環境準備完成！下次開發項目時，就不用再重復準備了~
項目實戰測評
環境配好了，接下來就是重頭戲了。
我準備了 4 個不同類型的項目來測試小米 MiMo-V2.5-Pro 的實際編程能力，覆蓋不同維度：
程序員魚皮的個人網站，測試前端設計和 UI 審美
網站解讀器，測試全棧工程能力和 AI 集成
QQ 堂小游戲，測試復雜交互邏輯和游戲編程
Claude Code 源碼分析網站，測試信息架構和數據可視化
為了節省時間和公平比較，每個項目我都用相同的提示詞結構，提前準備好技術方案直接給 AI。
實際 AI 編程時，如果你是零基礎的同學，完全可以讓 AI 幫你思考方案。
但這里我想測的是模型的 代碼生成能力，而不是方案設計能力，所以直接把方案喂給它，減少變量。
下面逐個來看。
程序員魚皮的個人網站
第一個項目，做一個程序員的個人主頁。
需求很簡單，就是展示個人信息、技術棧、項目作品、文章動態這些內容。但要用 Aceternity UI 這個動畫組件庫，看看 AI 能不能做出有科技感的頁面。主要測試模型的 前端設計能力和 UI 審美。
每個 Case 都要單獨新建一個項目文件夾，在 Claude Code 中打開：
輸入提示詞：
## 角色
你是一個前端全棧工程師，擅長 Next.js + TypeScript 開發。
## 任務
開發「程序員魚皮」的個人網站，一個程序員 / 自媒體創作者的個人主頁。
包含以下模塊：Hero 區（頭像、一句話介紹、社交鏈接按鈕）、關于我、技術棧展示、項目作品集（卡片式，支持分類篩選）、文章/視頻動態（模擬數據）、聯系方式 / Footer。
## 技術棧
- 框架：Next.js + TypeScript
- UI 組件：Aceternity UI（從官網復制組件代碼集成，如 Hero Highlight、Bento Grid、Card Hover Effect、Floating Navbar 等）
- 動畫：Framer Motion（Aceternity UI 內置依賴）
## 要求1. 頁面設計要現代、有科技感，深色主題為主，充分利用 Aceternity UI 的動畫組件（如背景光效、卡片懸浮、文字漸顯等）
2. 響應式適配手機和桌面端
3. 純靜態頁面，數據用 JSON 文件或常量模擬
4. 開發前，先聯網搜索 Aceternity UI 官網查看可用組件列表和用法
5. 必須生成完整可運行的代碼，完成后自主驗證
我這里按 Shift + Tab 進入了自動接受編輯模式，通過自動批準文件更改來消除每次操作都需要手動確認的提示，不用每次都找我確認。但是具有一定風險，大家按需使用。
再按一次 Shift + Tab 還可以進入 Plan Mode 計劃模式，但這里我已經給出了方案，就不用計劃了，加速加速 gogogo！
開發過程中可能需要你確認是否要執行工具調用、執行 Skill 等信息，可以選擇不用再次詢問。
等了近 10 分鐘，AI 完成了任務。
一個純靜態的個人網站竟然要近 10 分鐘？！
來感受一下效果，這是首屏頁面，看上去還不錯，有科技感：
然后是我個人的一些信息，采用了經典的三欄布局，但是由于沒有圖片，內容看起來很空洞：
然后是項目作品，經典藍紫漸變色，但關鍵是信息出現了錯誤，我啥時候帶大家做過「魚塘」這個項目了？？？
而且展示的都是我很早之前的項目，看上去 AI 并沒有成功調用搜索技能：
綜合評價一下，信息正確性給到「拉」（編造了不存在的項目），開發速度給到「NPC」（近 10 分鐘做個靜態頁面），美觀效果給到「人上人」，這還多虧了我讓它用 Aceternity UI 這個組件庫。
網站解讀器
第二個項目，來個全棧的。
用戶輸入一個網址，系統自動抓取網站內容，調用 DeepSeek V4 大模型進行全面分析，輸出功能定位、目標用戶、技術棧推測、SEO 評估等報告。
主要測試模型的 全棧工程能力和 AI 集成能力，看它能不能把前端、后端、爬蟲、大模型調用這條鏈路串起來。
輸入提示詞：
## 角色
你是一個全棧工程師，擅長 React 前端 + Python 后端開發。
## 任務
開發一個「網站解讀器」Web 應用。用戶輸入一個網站 URL，系統自動抓取該網站內容，調用 AI 大模型進行全面分析，輸出：功能定位、目標用戶、技術棧推測、內容結構、SEO 評估、優缺點總結。
## 技術棧
- 前端：React + TypeScript (Vite 構建)
- UI 組件：Ant Design（antd）
- 后端：Python FastAPI
- 網頁抓取：后端使用 httpx + BeautifulSoup 抓取頁面內容
- AI 分析：后端調用 DeepSeek 模型（兼容 OpenAI SDK），使用 SSE 流式返回結果
- 前后端通信：前端通過 fetch 消費 SSE 流
## 要求1. 前端界面使用 Ant Design 組件（Input、Card、Spin、Steps 等），布局清晰專業
2. 支持流式輸出，分析過程實時逐字顯示
3. 后端做好錯誤處理（URL 無效、抓取超時、AI 調用失敗等），前端友好展示錯誤信息
4. 前后端分離，分別提供啟動命令
5. 必須生成完整可運行的代碼，完成后自主驗證
花了近 4 分鐘完成任務，這次的速度還算正常：
根據 AI 的提示，我在后端填寫好 DeepSeek 大模型的 API Key，然后啟動項目的前端和后端，測試驗證。
結果剛打開頁面，我就震驚了：
這么簡陋的嘛？！怪不得開發那么快呢。。。
來試試功能，輸入一個網址，比如我的 魚皮 AI 導航，點擊分析按鈕。
AI 唰唰唰就給出了網站的分析報告，還是流式輸出，分析了功能定位、目標用戶、技術棧推測等等：
你別說，功能還真能用！
但是從輸出時間上來看，應該只是簡單抓取了單個頁面，然后就交給 AI 分析了吧。報告的完整度還是很高的，DeepSeek V4 立大功。
這個項目功能并不復雜，也算是全棧開發一把梭了，從功能完成度上給到「人上人」（順利完成了，沒有明顯的 Bug）；開發速度上給到「人上人」；網站的美觀效果給到「拉」，過于簡陋了。
QQ 堂小游戲
第三個項目，聽上去好像并不難，但是很考驗 AI 的水平。
用純前端實現一個 QQ 堂風格的放置水球對戰小游戲，玩家在網格地圖中移動、放置水球、炸掉障礙物和敵人，還要有 AI 電腦對手。
這個項目主要測試模型的 復雜交互邏輯和游戲編程能力，碰撞檢測、狀態機、AI 尋路這些，都是難啃的硬骨頭。
輸入提示詞：
## 角色
你是一個前端游戲開發工程師，擅長 Canvas / Web 游戲開發。
## 任務
用純前端實現一個「QQ 堂」風格的單機小游戲。QQ 堂是一個俯視角的放置水球（類似炸彈人）對戰游戲：玩家在網格地圖中移動，放置水球，水球延時爆炸后產生水柱沿十字方向擴散，可以消除障礙物、擊中對手。
核心功能：網格地圖（含可破壞和不可破壞的障礙物）、玩家鍵盤操控移動和放置水球、水球定時爆炸 + 水柱擴散動畫、AI 電腦對手（簡單尋路和躲避邏輯）、道具掉落（增加水球數量、增加爆炸范圍、加速）、勝負判定和重新開始。
## 技術棧
- 純 HTML + Canvas + JavaScript（單 HTML 文件，不依賴任何框架或游戲引擎）
- 音效：Web Audio API
## 要求1. 畫面可愛卡通，用代碼繪制角色和地圖元素（不依賴外部圖片資源），配色明快
2. 地圖至少 13×11 格，每局隨機生成障礙物布局
3. AI 對手要有基本智能：能主動放置水球、能躲避即將爆炸的水球
4. 包含開始界面和游戲結束界面
5. 必須生成完整可運行的代碼，完成后自主驗證
5 分鐘后，AI 完成了任務。其實就生成了一個 HTML 網頁，生成速度一般：
然后打開網站一看，我差點沒把飯噴出來。。。
不是哥們，你管這叫 QQ 堂？！爺青逝啊！
開一把試試看，你別說，竟然真的能玩，放置炸彈炸箱子、消滅敵人：
但是 Bug 實在是太多了！
移動速度飛快、穿模、卡墻，讓我想到了以前玩 QQ 堂遇到外掛的時候。。。
可笑的是，敵人連放個炸彈都不會，只能跟在我屁股后面走，就差把「我是沙比」4 個字寫在臉上了。
這個項目 Bug 太多，從功能完成度上給到「拉完了」，開發速度上給到「NPC」，美觀效果給到「拉」。
我都不敢想象如果讓它開發個植物大戰僵尸，能搞出個什么炸裂的效果，交給你們來試試吧~
Claude Code 源碼分析
最后一個項目，做一個展示 Claude Code 架構設計和實現原理的網站，包含項目概覽、架構圖、核心模塊詳解、流程圖、源碼目錄結構這些模塊，信息量很大。
這個項目主要測試模型的 信息架構能力和數據可視化能力，看它能不能理解復雜系統并清晰地展示出來。
輸入提示詞，同時把 Claude Code 源碼包的路徑提供給 AI：
## 角色
你是一個全棧工程師，擅長 React 前端 + Python 后端開發，同時精通代碼架構分析和數據可視化。
## 任務
開發一個「Claude Code 源碼分析」網站，系統性地展示 Claude Code（Anthropic 的命令行 AI 編程工具）的架構設計和實現原理。
包含以下模塊：項目概覽（一句話定位 + 關鍵指標）、架構總覽圖（交互式模塊關系圖，可點擊展開詳情）、核心模塊詳解（Agent 循環、Tool 系統、Context 管理、權限控制等，每個模塊一個詳情頁）、關鍵流程圖（用戶輸入→思考→工具調用→輸出的完整鏈路）、源碼目錄結構（可展開的樹形瀏覽 + 搜索過濾）。
## 技術棧
- 前端：React + TypeScript (Vite 構建)
- UI 組件：Mantine（使用其 AppShell、NavLink、Tabs、Accordion、Paper 等組件）
- 可視化：React Flow 繪制架構圖和流程圖
- 后端：Python Flask，提供分析數據的 API（架構信息、模塊數據以 JSON 格式存儲）
- 前后端通信：REST API
## 要求1. 使用 Mantine 的 AppShell 做整體布局（側邊導航 + 主內容區），支持亮/暗色模式切換
2. 架構圖使用 React Flow，支持節點點擊展開詳情、縮放拖拽
3. 后端用 Flask 提供靜態 JSON 數據的 API，數據內容基于 Claude Code 的公開信息整理
4. 支持全站搜索，快速定位模塊和關鍵概念
5. 前后端分離，分別提供啟動命令
6. 必須生成完整可運行的代碼，完成后自主驗證
AI 覺得任務比較復雜，自動進入了計劃模式，先解壓源碼包分析架構，再規劃實現方案：
竟然跑了半個小時才完成，本來我要出門的，硬控了我這么久。。。
運行，測試下效果。
首先是 Claude Code 項目概覽，你別說，這次看起來還有模有樣的，列出了源文件數、組件數、工具數等關鍵指標，還標注了技術棧：
然后查看架構總覽，這里提供了一個可以交互式操作的架構圖，用 React Flow 繪制，支持拖拽和縮放，排版布局還挺整齊的，不錯不錯~
點擊某個模塊，可以查看這個模塊的具體設計，包括模塊定位、架構設計、關鍵文件等信息：
然后查看關鍵流程圖。不是哥們，剛夸你兩下就飄了是吧，你管這叫流程圖？！
最后是查看源碼目錄結構，笑發財了，就一個空目錄 src，根本點不開！
評價一下，代碼分析能力我覺得還可以，項目概覽和架構總覽做得不錯，給到「人上人」鼓勵一下。但是流程圖和目錄結構都存在明顯 Bug，功能完成質量給到「拉」，開發速度也給到「拉」，對不起我等待的半小時。
總結
最后簡單聊聊這次測試下來，我對小米 MiMo-V2.5-Pro 的真實感受。
先說能力。它是有能力完成全棧項目的，4 個任務都成功跑起來了。
但是質量嘛，一言難盡。
感覺它是個不太上進的 AI，只用最簡單的方式完成了我的任務，主打一個「能跑就行」，多做一點功能都不帶的。
怪不得官方宣傳 token 效率高呢，省 token 的方式就是少干活？
從實際效果來看，整體編程能力不如 DeepSeek V4，跟 Claude Opus 就更沒法比了。
我測了 4 個任務，執行過程中竟然 都沒有使用過我安裝的技能（Firecrawl、Context7、Frontend Design），而是用了 Claude Code 內置的搜索和抓取工具。這說明 MiMo-V2.5-Pro 在工具調用的決策上還不夠聰明，更好的工具就在手邊，它愣是沒用。
再看看成本。4 個項目總共消耗了 2300 萬 tokens，套餐額度才用了 1%，舒服了。。。
我還試了一下不用套餐的 tokens 消耗，單獨開發一個博客類靜態網站，大概 1.6 元左右。大家覺得貴還是便宜？
雖然效果不算好，但是人家免費送 16 億 tokens，感謝就完事兒了，要啥自行車啊！
我覺得目前它比較適合開發一些工具類的小項目、或者解決一些日常編程小問題。如果想做復雜項目，還是要花心思編寫提示詞的，比如明確引導它使用技能、給出更詳細的方案設計，再加上人工幫忙把控。
說白了，模型不夠強的時候，提示詞和 Harness 工程就要做得更好。
OK 就分享到這里，本文會收錄到我免費開源的 ，上千張圖、幾十萬字，帶你從 0 開始快速學會 AI 編程，做出自己的產品、跑通變現全流程，一次拿捏。
開源指路：https://github.com/liyupi/ai-guide
我是魚皮，持續分享 AI 編程干貨。覺得有用的話記得點贊收藏和關注，也歡迎在評論區曬曬你們最近的 Vibe Coding 作品，順便聊聊你覺得哪個 AI 編程模型最好用？有沒有嘗試小米模型？
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
