小米近期在AI领域动作频频，其最新发布的MiMo-V2.5系列模型引发广泛关注。此前，小米因MiMo-V2-Pro仅公布SWE-bench Verified评分结果而受到质疑，如今在V2.5-Pro宣传中，小米将SWE-bench Pro置于显著位置，并标注在OpenRouter模型描述中，成绩与全球顶尖模型Claude Opus 4.6和GPT-5.4相当，这一转变令人瞩目。
MiMo-V2.5系列模型亮点颇多。此次小米将“Agent能力、长上下文、多模态、token效率、第三方框架适配”整合到同一代产品中，榜单成绩并非重点。新模型整体叙事极具“工程化”特色，围绕开发者工作流语境展开，对模型性能提及较少。其中，MiMo-V2.5-Pro以“长程agent”为核心，聊天功能成为附带。在合适的harness下，它能持续完成超1000次工具调用的长任务。
小米为此展示了三个复杂demo。第一个是耗时4.3小时、进行672次工具调用完整编写出SysY编译器。该任务源自北京大学编译原理课程项目，要求从零实现完整编译器，包含多个部分及性能优化，通常需北大计算机专业学生数周完成。MiMo-V2.5-Pro在隐藏测试集上获满分，模型构建编译器过程有条不紊，首次编译就有较高冷启动通过率，且能自我纠错继续执行任务。第二个demo是11.5小时、1868次工具调用做出可用的视频编辑器桌面应用，仅需简单提示，模型就交付完整应用，构建代码达8192行。第三个是接入ngspice仿真闭环做模拟电路FVF-LDO设计优化，这是研究生级别任务，模型需满足多个指标要求，在约1小时闭环迭代中，最终设计各指标达标，部分指标大幅改进。
MiMo-V2.5系列在其他方面也有出色表现。它将多模态和agent能力融合，原生视觉和音频理解能力接近Gemini 3 Pro，Claw-eval多模态子集分数与Claude Sonnet 4.6持平。最长支持100万token上下文，agent性能超越上一代，在自家MiMo Coding Bench上，V2.5成本仅为Pro级一半。与一般AI厂商不同，MiMo-V2.5将多种能力集成于一个模型，能理解更多需求、执行更复杂任务。同时，小米把“token效率”作为卖点，在Claweval上，MiMo-V2.5-Pro以较少token达到较高Pass率，比其他模型节省40%到60%token，小米还取消1M上下文额外倍率，降低Agent试错门槛。
随着V2.5发布，小米完善了4月初发布的Token Plan订阅体系，共设4档套餐，还有夜间8折、包年88折等优惠，并对老用户重置已用Credits。这表明小米正式进军卖token业务，构建非硬件依赖的经常性收入模型。小米选在夜间发布，意在拓展国际化市场。当自建算力集群达到一定规模，增加付费用户成本低，ARPU可通过差异化定价提升，这是典型的SaaS商业模式，毛利率高。Token Plan适配主流AI开发框架，争夺AI原生应用底层基础设施入口。若小米汽车、IoT设备第三方应用基于MiMo开发，雷军将掌握生态“算力税收权”。不过，小米Token Plan能否成功，关键在于能否兑现V2.5系列开源承诺。小米走开源路线，开源可吸引长尾开发者，形成生态繁荣，闭源API服务企业客户，开源社区反哺模型迭代，这一逻辑在行业已得到验证。
然而，MiMo-V2.5系列也存在一些问题。目前SWE-bench Pro最高分是Claude Mythos Preview的77.8%，MiMo-V2.5-Pro得分为57.2%，与顶尖水平有差距。在通用高阶推理关键测试集中，MiMo-V2.5-Pro表现一般，与最顶级模型存在距离。更重要的是，小米缺乏可复现的硬证据，其展示的成果多为“高光demo”或“实验室showcase”，作为“开源”模型，没有完全可复现、可横向对比的公开标准，细节不公开，demo说服力打折。“harness awareness”说法虽吸引人，但难以判断模型是真正学会管理agent runtime，还是依赖任务设计和评测环境。而且小米高度依赖特定harness，没有自己的工具，若平台策略改变，需重新调整模型。小米开源承诺尚未兑现，V2系列仅V2 Flash开源，V2.5系列“即将全球开源”时间不明，这决定了Token Plan是商业化起点还是营销噱头。MiMo-V2.5和V2.5-Pro的发布是小米的重要技术证明，Token Plan是好的开始，但能否吸引足够开发者，取决于开源承诺、服务稳定性和生态繁荣程度，小米正站在关键十字路口。
