小米技术团队近日正式推出三大自研MiMo-V2系列模型，涵盖语音合成、全模态交互及高强度Agent应用场景，为人工智能领域注入创新动能。此次发布的模型矩阵包括旗舰基座模型MiMo-V2-Pro、全模态基座模型MiMo-V2-Omni以及语音合成大模型MiMo-V2-TTS，标志着小米在多模态大模型研发领域取得突破性进展。
作为面向高强度Agent工作场景的旗舰模型，MiMo-V2-Pro以超1T的总参数量和1M超长上下文处理能力脱颖而出。该模型通过参数规模与算力的协同优化，实现了从代码生成到复杂任务执行的广泛能力覆盖。在国际权威评测中，该模型以综合智能评分位列全球第八、国内第二，其强大的泛化能力已通过多项基准测试验证。目前该模型已开放API接口，为开发者提供高精度、长序列的智能支持。
针对全模态交互需求，MiMo-V2-Omni创新性融合文本、视觉、语音三模态感知与行动能力。该模型原生支持多模态推理、工具调用及GUI操作，可无缝适配各类Agent开发框架。在匿名测试阶段，该模型在OpenRouter平台的日均调用量突破百万次，并在OpenClaw测评中以显著优势登顶均分榜首。其低门槛接入特性正加速推动全模态Agent技术的商业化落地。
在语音合成领域，MiMo-V2-TTS通过自研Audio Tokenizer技术实现革命性突破。该模型采用多码本语音-文本联合建模架构，支持从整体语调到局部情绪的精细调控，能够精准还原人类说话的呼吸节奏与情感变化。实验数据显示，其生成的语音在自然度评分上超越主流模型17%，尤其在歌唱场景中可准确匹配音高与节奏，为虚拟数字人、有声内容创作等领域提供高质量语音解决方案。
据小米技术团队透露，MiMo-V2-Omni与MiMo-V2-Pro的API服务已正式上线，并与多家主流Agent开发平台达成战略合作。即日起至年底，全球开发者可通过限时免费接口调用模型能力，相关文档与开发工具包已同步开放下载。此次模型矩阵的发布，标志着小米在AI基础设施领域完成关键布局，为智能体时代的生态建设奠定技术基础。
