小米技術(shù)官方近日宣布，正式推出三大自研MiMo-V2系列模型，涵蓋旗艦Pro、全模態(tài)基座Omni以及語(yǔ)音合成TTS，為智能交互領(lǐng)域帶來(lái)突破性進(jìn)展。此次發(fā)布標(biāo)志著小米在多模態(tài)大模型領(lǐng)域的技術(shù)積累進(jìn)入新階段，為Agent時(shí)代的智能化應(yīng)用提供了核心支撐。

其中，Xiaomi MiMo-V2-TTS語(yǔ)音合成模型以全模態(tài)交互為核心設(shè)計(jì)目標(biāo)，通過(guò)自主研發(fā)的Audio Tokenizer技術(shù)及多碼本語(yǔ)音-文本聯(lián)合建模架構(gòu)，實(shí)現(xiàn)了對(duì)語(yǔ)音風(fēng)格的精細(xì)化控制。該模型不僅支持從整體語(yǔ)調(diào)到局部情緒的逐層調(diào)節(jié)，還能精準(zhǔn)還原人類(lèi)說(shuō)話的自然節(jié)奏，甚至在歌唱場(chǎng)景中也能準(zhǔn)確捕捉音高變化與節(jié)奏韻律，展現(xiàn)出接近真實(shí)人類(lèi)的語(yǔ)音表現(xiàn)力。這一突破為智能客服、有聲內(nèi)容生成等領(lǐng)域提供了更自然的交互解決方案。

面向復(fù)雜Agent應(yīng)用場(chǎng)景，小米同步推出全模態(tài)基座模型Xiaomi MiMo-V2-Omni。該模型整合了文本、視覺(jué)、語(yǔ)音的多模態(tài)感知能力，并內(nèi)置工具調(diào)用、函數(shù)執(zhí)行及圖形界面操作等行動(dòng)模塊，可無(wú)縫適配各類(lèi)Agent開(kāi)發(fā)框架。在匿名測(cè)試階段，Omni模型憑借其強(qiáng)大的跨模態(tài)推理能力，在OpenRouter平臺(tái)的日均調(diào)用量突破百萬(wàn)次，并在OpenClaw測(cè)評(píng)榜單中以綜合得分第一的成績(jī)領(lǐng)先同類(lèi)模型。其低門(mén)檻接入特性顯著降低了全模態(tài)Agent的開(kāi)發(fā)成本，加速了智能化應(yīng)用的落地進(jìn)程。

針對(duì)高負(fù)載Agent工作場(chǎng)景，小米發(fā)布的旗艦基座模型Xiaomi MiMo-V2-Pro展現(xiàn)出更強(qiáng)性能。該模型參數(shù)量超過(guò)1萬(wàn)億，支持100萬(wàn) tokens的超長(zhǎng)上下文處理，通過(guò)參數(shù)規(guī)模與算力的協(xié)同優(yōu)化，實(shí)現(xiàn)了從代碼生成到復(fù)雜任務(wù)執(zhí)行的廣泛能力覆蓋。在全球權(quán)威大模型評(píng)測(cè)中，Pro模型以綜合智能排名全球第八、國(guó)內(nèi)第二的成績(jī)，驗(yàn)證了其在長(zhǎng)文本理解、邏輯推理等關(guān)鍵維度的技術(shù)優(yōu)勢(shì)。目前，Omni與Pro模型已開(kāi)放API服務(wù)，并與多家主流Agent開(kāi)發(fā)平臺(tái)達(dá)成合作，為全球開(kāi)發(fā)者提供限時(shí)免費(fèi)的接口支持。