作者：默思編輯部 發布：2026-09-29
小米旗下MiMo團隊在2026年9月正式開源MiMo-V2.5系列模型，將完整模型權重、tokenizer與model card上架至Hugging Face，並採用最寬鬆的MIT授權——這代表任何企業或個人都能免費商用、二次訓練與微調，不需要向小米申請額外授權，也不需支付任何權利金。
MiMo-V2.5系列包含兩個版本：主打複雜代理任務與程式撰寫的MiMo-V2.5-Pro，是一個總參數量達1.02兆、實際啟用參數為420億的混合專家（MoE）架構模型；另一個是相對輕量的MiMo-V2.5-Flash版本，兩者都支援高達100萬token的上下文視窗。訓練資料庫規模達48兆token，並整合文字、圖像、影片與音訊的多模態輸入能力。後續小米團隊還釋出了Pro-RL、Flash-RL等強化學習微調版本，以及一個90億參數的MiMo-V2.6-Distill-Qwen蒸餾版本，方便資源有限的團隊在單張消費級顯卡上運行。
開源不等於免費午餐
對開發團隊來說，「開源」與「MIT授權」的差異值得特別留意。許多所謂的開源模型其實附帶使用限制條款，例如禁止用於特定商業場景、要求標註來源，或限制月活躍用戶數超過某個門檻後必須另外付費授權。MiMo-V2.5選擇完全不設這些限制的MIT授權，等同直接把模型當成一般開源軟體釋出，這種做法在中國大型科技公司的模型釋出策略中並不常見，也讓它成為許多想要自建、私有化部署AI能力企業的熱門選項。
這股開源浪潮也呼應了StepFun同期釋出的Step 5 Preview——一個600B參數、每次僅啟用27B參數的稀疏MoE模型，定價僅為同等級模型的三分之一，同樣鎖定長上下文的代理型工作負載。當愈來愈多具備競爭力的開源模型湧入市場，企業在導入AI時的選擇權大幅提升，也讓「自架 vs 呼叫API」這個老問題有了更多中間解法：用開源權重自行微調出符合企業需求的專屬模型，同時省下逐token計費的長期支出。
自架部署的隱藏成本仍不能忽視
不過需要提醒的是，「模型免費」不等於「部署免費」。自行下載MiMo-V2.5-Pro這類兆級參數模型並在企業內部運行，仍然需要相當可觀的GPU算力投資、維運人力與模型監控機制，對中小型團隊而言，前期建置成本可能比直接呼叫API還要高，只有在用量規模夠大、且長期使用時程夠長的情況下，自架部署的總體擁有成本才會顯著低於逐token計費。因此企業在評估「開源自架」與「API呼叫」時，除了看授權條款是否寬鬆，更務實的做法是先估算自己實際的月用量與成長曲線，再決定投入自架基礎設施的時間點。
對想深入理解這類模型架構與部署方式的讀者，建議先打好程式與資料處理基礎，可以參考Python課程。