就在公测短短 5 天后，小米罗福莉团队就把 MiMo-V2.5-Pro 和 MiMo-V2.5 两个主力模型权重、tokenizer 全甩到 Hugging Face 上了。
模型开源就算了，小米 MiMo 还开启了一个“Xiaomi MiMo Orbit 百万亿Token 创造者激励计划”，又添了一把火。身为开发者和创作者的大佬们真的都可以去申请试一试！
在 MiMo-V2.5 系列中，MiMo-V2.5-Pro 是专为复杂的 Agent 和编码任务而设计的，总参数 1.02T ，激活参数 42B 。而 MiMo-V2.5 是具有强大 Agent 能力的原生全模态模型，总参数 310B ，激活参数 15B 。
我们先来理解一下通用 Agent 评估基准的三个重要指标：
GDPVal-AA（Elo）考的是Agent能不能干真实世界中专业人士的活，考试范围覆盖44个职业，评估只看实际产出质量并采用Elo评级系统。
τ³-Bench 考的是 Agent 能不能当好真实客服，是否具有长时间对话、多轮对话和遵守策略的能力，评估看的是多次运行下的成功率，更强调可靠性。
ClawEval（pass^3）是2026年才发布的端到端Agent评估基准，考的是Agent 在全程透明和被干扰时完成 300 个真实任务的水平。每一步 Agent 动作都会通过执行轨迹、审计日志、环境快照三重证据记录，实现轨迹感知评分。评估要求在 3 次独立运行中全部通过才算成功。
令人惊叹的是，V2.5-Pro 在 GDPVal-AA（Elo）上拿下 1581，在ClawEval（pass^3）上拿下 63.8，τ³-Bench 上拿下 72.9，稳居开源榜首，和世界顶尖闭源模型进行比较，如Gemini 3.1Pro、GPT-5.4和Claude Opus 4.6，也没在怕的。
同时，V2.5-Pro 的 Token 效率相较 Kimi K2.6 能省 42%，而其编码能力又直逼 DeepSeek V4 Pro，并且成本更低。V2.5的经济效益也很不错。
另外，两款模型的部署非常简单，可以在 Hugging Face 上一键下载，小米与社区合作实现了vLLM和SGLang的当天支持，并且模型原生支持FP8混合精度，量化后哪怕消费级显卡也能处理长上下文任务。
罗福莉关于Agent的见解
在罗福莉和主持人张小珺聊天的开头，她就说道：在过去两个月里，OpenCLaw 的使用是 AI 技术进化的一个巨大分水岭。
罗福莉的 OpenClaw 使用经历
她在一月份刚知道 OpenClaw 时，和大多数人一样，只觉得“ OpenClaw 不过就是 Claude Code 加上一个即时通讯（IM）界面。”不过，到春节期间，有空用了 OpenClaw 之后，她觉得：哇，它非常有自主性，而且很有“灵魂”。而这种温暖感和关怀感得益于 OpenClaw 的很多机制：
比如它有 search.md。再举个最简单的细节，比如它如何感知时间？它在每一轮对话的上下文中都会拼入当前时间。还有一些非常细微的设计，这就是为什么我把它称为“精细编排的上下文”。正因为在这些没人注意的角度上，上下文被安排得非常好。
到了第二天，她和 OpenClaw 就“如何在团队中激发好奇心”或“如何筛选一个有好奇心的人”深入讨论了一个小时，并最终转化成一系列 Skills 。到现在，无论是选人还是团队管理，她都会问 OpenClaw 。她觉得它基本变成了她的数字分身。
第三天，她想到“如果在 Agent 框架下工作，最重要的是如何进行多轮交互”，而这需要模拟用户 Agent，于是就“如何构建一个好的用户 Agent ”，她尝试和 OpenClaw 讨论了一两个小时，结果基本实现了。
她可以将用户 Agent 与她目前的后训练（post-training）框架结合，构建更丰富的智能体场景数据。无论是做有监督微调（SFT）还是强化学习（RL），这个用户 Agent 都非常关键。
她认为她的认知经历了三次转变，“从最初觉得它只是一个有灵魂、有温度的产品设计，进化到它能帮我分担生活或工作，最后甚至推动了我的研究。”每天都给她带来了更多惊喜。
之后，她开始仔细研究为什么 OpenClaw 的框架比 Claude Code 更好。她分析到：
它有一个更持久的记忆系统。这套记忆系统非常耐用，体现在记忆的分层和分级上。我在用 Claude Code 时完全没有这种感觉。再比如，我觉得是多模型的协同利用，这超出了我的想象。例如，用 Claude Code 时，我会默认如果这个模型的视频理解能力不行，我可能得自己给它配一个更好的视频理解模型。但在 OpenClaw，我完全不需要考虑这些，我直接发个视频给它，它会自己想办法找一个视频理解能力强的模型来处理。
她认为，OpenClaw 的核心产品逻辑是，“尽可能通过整套 Agent 编排来弥补模型的短板”。
她和团队还把MiMo V2 Flash 和最近训练的非常小的 3B 端侧模型放到了OpenClaw 里，然而依然能完成那些她认为小模型做不到的事情。所以她第一次感觉到，“原始且复杂的 Agent 框架设计确实能弥补很多模型能力的不足”，而这也是“ OpenClaw 相比 Claude Code 的差异化优势”。
持久化记忆设计
罗福莉认为，一个好的 Agent 框架有一些最基本的特征，比如持久化记忆。
OpenClaw 的设计借鉴了 Claude Code 的记忆系统设计思路。“例如在会话快满时进行压缩，然后存入记忆。任务完成后，根据计划可能还有一些记忆动作，这样可以确保跨会话的上下文共享效果更好。”
但它更多考虑的是如何更好地端到端完成所有任务，以及如何针对当前模型在端到端任务中的短板进行设计，所以出现了持久化记忆的这种设计，后来能通过更好的远程接口来控制。并且，在接下来的两个月里，这些优秀的设计也被 Claude Code 完全吸收了。
她认为，OpenClaw这种新的Agent框架加上中档模型，“可以在 85% 的任务上达到与 Claude Sonnet 同等量级的水平”。
Agent 的“自学习”
罗福莉讲到，Agent 的“自学习”最可能的发生路径是：
模型本身与 Agent 架构需要同步演进。随着模型的进步，无论是通过强化学习还是其他训练方式，它实际上在改变你的整个 Agent 框架。
这包括发送给模型的静态信息，比如记忆、Skill 文件夹，这些在开启新会话时应该传递给模型的信息，这些在训练过程中应该是会改变的。
还有一些动态信息，包括整个 Agent 架构的设计，这非常重要。
针对不同场景，比如用于软件工程的 Claude Code，或者用于金融分析的场景，其 Agent 架构设计都会有所不同。
在提升模型能力的同时，需要提升 Agent 框架对该模型的适配度或泛化能力。
Agent 框架/ Harness
在主持人疑惑 Agent 框架是否为“产品”时，罗福莉给出的答案是：
“产品”可以定义为人机交互时能直接感知到的层面。但 Agent 框架位于定义交互层之前，它定义了你在那个层面如何与模型进行沟通。
小编认为她口中的 Agent 框架就是今年AI圈爆火的 Harness 概念。
她讲到，Agent框架能了解模型能力的优缺点，知道如何更好地调度，比如为了成本优化。这一人与模型之间的中间层可以做得非常厚，而前端UI成为最薄的一层，不再是关键。
她还认为“Claude Code 一直是一个非常复杂的 Agent 框架，只是因为它是个黑盒，所以我们不知道它是如何设计的。OpenClaw 是开源的，所以你知道它是如何设计的，然后你可以去改变它。这种“可改变性”非常非常重要。”
MLA 机制不符合 Agent 的范式
在对话时代，MLA（多头潜在注意力机制）是出色的模型结构，在长文本中它能显著减少 KV Cache。但罗福莉认为，MLA 不符合 Agent 的范式。她给出的理由是：
MLA 的原始设计是为了在当时的 H 系列芯片上实现更好的访存计算比（Memory Access to Calculation ratio），从而打破访存瓶颈，不浪费算力。在这种结构下设计的模型架构，几乎没有发挥空间。
而如果 KV Cache 很重要，同时推理速度也很重要，那能不能用一些推理加速的方法呢？
她想到了MTP（多Token预测）也是一种方法，可以让实际推理速度提升 n 倍。
但 MLA 结构下很难写 MTP，因为 MLA 已经达到了压缩与访存（Memory Bound）的一个完美临界点。如果你再用 MTP（多 Token 预测），你会发现它又会被计算受限（Calculation Bound）卡住。所以现在你看所有 MLA 结构的模型，无论是 GLM 还是 Kimi，我猜他们都没用 MTP，因为在计算受限的情况下用 MTP 并不划算，所以他们的模型会慢一些。
而她和团队选择的解决方式是：利用滑动窗口节省下来的注意力算力去填充 MTP。具体架构创新是：
我们将混合比例推向了极致，全量注意力（Full Attention）和滑动窗口（Sliding Window）层的比例达到了极端的 7:1。这样节省了 KV Cache，所以我们在这一代结构上通过滑动窗口层减少了 KV Cache，使其在处理长文章时更有效，能支持更长的上下文。
这样在实际推理中，访存和计算能达到很好的平衡。同时也兼顾了长文本的成本和推理速度。
参考链接：
https://x.com/_LuoFuli/status/2048851054662762618?s=20
本文来自转载51CTO技术栈 ，不代表发现AI立场，如若转载，请联系原作者；如有侵权，请联系编辑删除。
