權重是開放的嗎？我可以本地執行 MiMo-V2.5-Pro 嗎？

小米 | 1,050,000 代幣上下文 | 輸入 $0.43/M，輸出 $0.87/M。MiMo-V2.5-Pro 是小米的旗艦模型，在一般代理能力、複雜軟體工程及長期任務中表現強勁，在 ClawEval、GDPVal 及 SWE-bench Pro 等基準測試中名列前茅。它能獨立自主完成需人類專家數日或數週的專業任務，涉及超過一千次工具呼叫。其最高 1M 的上下文長度使其非常適合整合各種代理框架。

本模型的指南

2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型

我到底需要多少 VRAM 才能在本地跑 AI？

開放權重、開源與僅API：你到底能做什麼

什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

MiMo-V2.5-Pro 是小米的旗艦開放權重 MoE 模型，擁有 1.02 兆總參數與 420 億活躍參數，專為代理工作打造：多步驟軟體工程、長期任務與跨越數千次工具呼叫的軌跡。具備 100 萬標記上下文視窗與三倍輸出速度的多標記預測架構，使其成為代理框架整合的實用選擇。若你的工作負載複雜、自主且長時間運行，這正是小米為你打造的。

以...聞名

能自主維持跨越數千次工具呼叫的連貫軌跡
100 萬標記上下文視窗，適合大型程式碼庫與長期代理
MoE 設計：1.02 兆總參數，推理時僅啟用 420 億
多標記預測在推理時將輸出速度提升三倍
在 SWE-bench Pro 及代理基準 ClawEval 和 GDPVal 中名列前茅

注意

1.02 兆總參數意味著本地部署需要強大的多 GPU 基礎設施，儘管活躍參數為 420 億。
開放權重以 FP8 混合精度釋出；下載前請確認推理環境支援此格式。
模型卡未詳細說明授權條款；商業部署前請先確認 Hugging Face 倉庫的使用許可。

最適合

可嘗試的提示詞

自主倉庫除錯

你有 shell 與檔案系統工具的存取權限。請克隆我提供的 URL 倉庫，重現議題追蹤器中失敗的測試，跨檔案追蹤根本原因，撰寫修正程式，並開啟一份你所使用的每個工具呼叫及原因的摘要。起始網址：https://github.com/pallets/flask/issues/5508

多步驟重構計畫

我有一個約 8,000 行的 Python 單體應用，資料庫存取、商業邏輯與 HTTP 處理器混在同一檔案。請提出分階段重構計畫：識別依賴圖、建議模組結構、列出避免測試失敗的變更順序，並標示三個風險最高的改動。

長文件交叉參照

我將貼上一份 200 頁的技術規範。請閱讀整份文件，列出所有彼此矛盾的需求，引用各自的章節號，並建議解決每個衝突的最小文字修改。規範內容：[在此貼上]

比較

MiMo-V2.6-Pro-UltraSpeed
僅限 API 模型
1,048,576 代幣上下文 · $4.35/M 輸入，$8.70/M 輸出
MiMo-V2.6-Flash
開放權重模型
1,050,000 代幣上下文 · $0.14/M 輸入，$0.28/M 輸出
MiMo-V2.5
開放權重模型
1,050,000 代幣上下文 · $0.14/M 輸入，$0.28/M 輸出
MiMo-V2.6-Pro
開放權重模型
1,050,000 代幣上下文 · $0.43/M 輸入，$0.87/M 輸出

更多來自 xiaomi 的文字模型

常見問題

權重是開放的嗎？我可以本地執行 MiMo-V2.5-Pro 嗎？: 是的，權重公開於 Hugging Face，路徑為 XiaomiMiMo/MiMo-V2.5-Pro。技術上可本地執行，但因模型有 1.02 兆參數且為 FP8 混合精度，需強大多 GPU 硬體。
MiMo-V2.5-Pro 的費用與上下文長度是多少？: 透過小米 API，輸入標記每百萬收費 0.43 美元，輸出標記每百萬收費 0.87 美元，上下文視窗可達 1,000,000 個標記。
MiMo-V2.5-Pro 與較小的 MiMo-V2.5 有何不同？: MiMo-V2.5-Pro 擴展至 1.02 兆總參數（較 3100 億大幅提升），上下文從較小模型延伸至 100 萬標記，並經過大規模代理強化學習後訓練，專為複雜軟體工程與長期自主任務設計。

船長評語
小米推出的嚴肅代理工作馬：100 萬上下文與多標記預測速度提升是真實優勢，前提是你有硬體或 API 預算。

Hugging Face 上的模型卡

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #73 Hottest Text / LLM model · #73 Hottest Text / LLM text model

Not this creator?

Get your own badge

MiMo V2.5 Pro 熱度趨勢

熱度分數，自 22 Apr 2026 起

熱度分數

8,096°

本週

▲

3.4%

8,091° 當時，8,096° 現在

本月

▲

16.6%

8,073° 當時，8,096° 現在

過去一年

n/a

尚未發布/追蹤

7,000°

基準值

分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。

+1,096°

OpenRouter 代幣

此模型在過去30天內透過 OpenRouter 處理了 45,007,664,648 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 4,500 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。

顯示詳細分析

這個網站上的每個數字都可以查證。這個模型的熱度分數是 8,096°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。

1
從基準值開始。
為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。
7,000°
累計總和
2
加入下載量。
總共 4,500 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。
+1,096°
8,096°
累計總和
=
熱度分數。
這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。
8,096°

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。