【CNMO 科技消息】3 月 19 日凌晨，小米技术官方宣布，正式上线三大自研 MiMo-V2 系列模型，包括旗舰 Pro、全模态基座 Omni 以及语音合成 TTS，为 Agent 时代注入全新活力。
小米此次发布的 Xiaomi MiMo-V2-TTS 语音合成大模型，专为全模态交互设计，通过自研 Audio Tokenizer 和多码本语音 - 文本联合建模架构，实现了高度可控的多粒度语音风格控制。该模型支持从整体风格到局部情绪的精准调节，能够真实还原人类说话的自然韵律，甚至在唱歌时也能准确表达音高和节奏，展现出自然且富有表现力的语音生成能力。
与此同时，小米还推出了面向 Agent 时代的全模态基座模型 Xiaomi MiMo-V2-Omni。该模型融合了文本、视觉、语音的全模态感知与行动能力，原生具备多模态感知、工具调用、函数执行及 GUI 操作能力，可无缝接入各种 Agent 框架，大幅降低了全模态 Agent 的落地门槛。在匿名内测阶段，MiMo-V2-Omni 凭借其强大的感知与推理能力，在 OpenRouter 平台上的调用量持续攀升，并在 OpenClaw 测评榜单上拿下均分第一。
此外，小米还发布了面向高强度 Agent 工作场景的旗舰基座模型 Xiaomi MiMo-V2-Pro。该模型拥有超过 1T 的总参数量，支持 1M 超长上下文长度，通过 Scaling 参数和算力，实现了从 Coding 到 Claw 的重要泛化。在全球权威大模型综合智能排行榜上，MiMo-V2-Pro 位列全球第八，国内第二，展现了其领先的智能水平。
目前，MiMo-V2-Omni 和 MiMo-V2-Pro 模型已正式开放 API 服务，并联合多家 Agent 开发框架团队，为全球开发者提供限时免费接口支持。
