小米的最新举措引起了广泛关注，他们认领了一个名为Hunter Alpha的神秘模型。
克雷西万亿参数、百万上下文
该模型在OpenRouter平台上长期占据第一的位置，最近才揭开了它的真面目。
原来，这款备受瞩目的模型并非来自GPT或DeepSeek，而是小米自主开发的MiMo-V2-Pro，一个拥有万亿参数的旗舰模型。
小米团队近日宣布了MiMo-V2-Pro系列的三款新成员，包括Pro、Omni和TTS。
其中，MiMo-V2-Pro与此前的Hunter Alpha是同一种模型。
在Hunter Alpha的真正身份被揭开后，许多网友对其来源感到惊讶。
MiMo-V2-Pro具备强大的处理能力，支持百万级别的长文本，特别适合处理现实场景中的任务。
它在Artificial Analysis的全球智能指数中取得了第八名和国内第二的好成绩。
无论是执行工具调用还是复杂的任务规划，该模型的表现都相当出色，能直接编写含有动态背景和升级路线的3D塔防游戏代码。
MiMo-V2-Pro作为家族中的旗舰产品，其设计围绕智能体在真实世界中的工作流程展开。
模型的总参数量超过了1T，激活参数达到了42B，上下文窗口为1M，规模是MiMo-V2-Flash的三倍。
在架构设计上，MiMo-V2-Pro采用了混合注意力机制，并提高了混合比例，以达到超大规模与极高推理效率的双重目标。
小米三款模型一同亮相
为了在处理超长上下文时保持高速生成，该模型配备了轻量级的MTP多Token预测层。
为支持如此大规模的模型训练和运行，小米与北京大学合作开发了ARL-Tangram系统。
该系统采用统一的公式和弹性调度算法，解决了异构资源约束的问题，将动作完成时间提升了4.3分。
在智能体强化学习任务中，它能使训练步骤的持续时间减少最多1.5倍，大幅度降低了算力成本和资源消耗。
在评估通用智能体能力的权威基准测试中，MiMo-V2-Pro取得了优异的成绩，PinchBench得分84.0，ClawEval得分61.5，超越了Gemini 3 Pro，并接近了Claude Opus 4.6的表现。
在代码能力方面，它在SWE-bench Verified测试中获得了78分，显示出强大的系统设计和复杂任务规划能力。
该模型在OpenRouter平台上的总调用量迅速攀升至榜首，其中OpenClaw贡献了675B Token的使用量。
Kilo Code和Roo Code也分别贡献了50.1B和38.6B Token的使用量，充分证明了其在生产环境中的可靠性能。
为了测试其实战能力，小米团队将其接入了OpenClaw框架进行前端开发测试。
经过简单的提示词，它就能生成复古风格的网页，无论是排版还是噪点滤镜都处理得十分到位。
MiMo-V2-Omni作为一款全模态模型，最大的特点是它将图像、视频和音频编码器集成到一个主干网络中。
它能像人类一样同时处理视觉、听觉和文字信息，并能够直接将感知转化为行动。
在实际测试中，它能够提前预测潜在危险，作为自动驾驶的视觉大脑使用。
同时，它还能作为智能体基模，自主完成跨平台比价和购物任务。
MiMo-V2-TTS是一个给智能体赋予情感的语音模型。
通过自然语言提示词，可以精确控制其音色和情绪走向。
它能够根据上下文判断说话的语气，并自然地加入咳嗽、叹气或笑声等细节。
之前，Hunter Alpha和Healer Alpha的身份引起了全球网友的极大兴趣。
它们在3月11日亮相后，连续多日在OpenRouter上霸榜，总使用量迅速突破1T Token。
甚至龙虾之父Peter Steinberger也在X平台上询问这两款模型的具体细节。
有人猜测是OpenAI，毕竟他们常以神秘模型的形式测试新功能，但考虑到Peter已被OpenAI收编，这种猜测显得不太合理。
身份让龙虾之父也好奇
还有人从测试中发现，该模型主要使用中文训练，因此可能来自中国，也被猜测是DeepSeek-V4。
但也有人在早期就猜测这两款模型来自小米，在3月14日就有网友在小红书上提及这一传闻。
小米计划在今晚召开新的发布会，或许是在为新产品预热。
如果你对小米的这三款新模型感兴趣，可以尝试亲自体验一下。
但考虑到Peter已经被OpenAI收编，不知道自家模型显得不是那么合理，当然也不排除OpenAI对内保密，或者Peter也在演戏的可能。
不过也有人从测试中发现，这个模型自称主要使用中文训练，因此可能来自中国，被猜测是DeepSeek-V4。
当然，也有在模型亮相早期就猜到这两款模型来自小米的，在3月14日就有网友在小红书上提及过这一传闻。
今晚，小米就要召开新的发布会了，在这个时间点公开模型身份，或许是在给新产品做铺垫。
如果你对小米的这三款新模型感兴趣，可以亲手试一下。
模型介绍：
https://mimo.xiaomi.com/mimo-v2-pro
https://mimo.xiaomi.com/mimo-v2-omni
https://mimo.xiaomi.com/mimo-v2-tts