雷总给马斯克打了个高分样

xAI 成立时可是集结了业内顶尖的大佬，最新版 Grok 4.20 Beta 还玩起了极客范儿的“多智能体辩论”，但在最近的 Artificial Analysis 跑分上却被小米按在地上摩擦：Grok 拿了 48 分，而雷军家只做了一年多大模型团队掏出的 MiMo-V2-Pro，拿到了 49 分。

想想小米初代大模型还在打 o1-mini，这次居然已经逆袭了全球开发者排行榜！

【编辑观察】雷总在AI圈一向闷声发大财，先用匿名模型上盲测榜单拉满悬念，最后一句“小米做的”轻飘飘收尾，这波操作可以说是把悬念拉满了！

MiMo-V2-Pro 凭啥这么顶？

这个 1T 参数的怪兽模型，核心架构（MoE、混合注意力等）其实大家都懂，主要是后训练阶段掏出了三把“大刀”：

  • 第一把：多老师在线抓学习（MOPD） 大模型经常“偏科”，比如数学好代码就变差。一般人做法是搞多个“专家模型”塞一块儿，而小米是搞出了代码、数学等多个单一领域的“极限老师”，让学生自己做题，老师在旁边实时给指导和奖励。这一顿特训下来，小米不仅保住了数学最高分，甚至在 AIME 2025 数学竞赛上拿了 94.1 分，青出于蓝了属于是！

  • 第二把：真枪实弹的 Agent 实习 以前的模型训练就像在教室里单纯做卷子，没实战经验。小米直接把这小伙子丢进了超 12 万个真实交互工作场景里！看真实的 GitHub 查 Bug、在包含 Docker 的环境里做计算，甚至运行真实网页来录视频当评估指标。这种经过社会毒打的模型，解决复杂问题的能力绝对是降维打击。

  • 第三把：抠门到极致的算力管理（ARL-Tangram） 做智能体调用外部资源最烧钱，很多显卡光占位不干活，利用率甚至不到 3%。小米的祖传“性价比”基因觉醒了，直接搞了个原子级资源调度：用完瞬间释放，绝不浪费一秒钟 GPU。不仅外部算力消耗降低 71.2%，还加速了训练！

【编辑观察】把“抠门”艺术升华到提升算力利用率，这确实很“小米”。同样的硬件，能跑出几倍的效能。

不止是跑分，更是为了卖车

花这么大代价搞云端大模型，显然不是只为了拿个满分。小米目前的战略非常清晰：“云-边-端”协同。

MiMo-V2-Pro 这个含金量拉满的云端大模型虽然无法直接塞进车机，但它的最大使命是作为“无敌导师”，把一身武艺“蒸馏”给车端的轻量小模型。配合小米近期端出的具身智能和智驾大动作，这些能力最终都要在年内反哺到端到端智能驾驶中去。

而在大洋彼岸，马老板的 Grok 虽然住进了特斯拉，目前却基本上只能当个聊天的语音助手，跟 FSD 控制核心只有潜层次的联动。相比之下，小米的“云端大模型蒸馏到车端小模型”路径显然更加清晰务实。

别急着吹，给小米挑点刺

那么小米大模型这就无敌了吗？咱们理性吃瓜，这次评测榜单里还是藏着一些“水分”：

  • 跑分刷题嫌疑：MiMo-V2-Pro 最拿得出手的代码测试 SWE-bench Verified，其实早就被业内（比如 OpenAI 团队）吐槽“题目已经被污染”了！很多模型甚至不用看题，只看题号就能默写出答案。

  • 避考其他顶级测试：小米这次恰恰没有公布更难、防污染的 SWE-bench Pro 成绩。而且专门测推理泛化的 ARC-AGI-2 以及 LiveCodeBench v6，小米都没放成绩。这种选择性发榜，确实让人有些嘀咕。
  • 好东西暂时还在“捂着”：相较于已经开源的 Flash 版本，最旗舰的 V2-Pro 的权重并未开源。罗福莉也表示要等模型足够稳定才会开源，雷总也坦言“还会快速迭代”，说明完全体还在路上。

【编辑观察】虽然打败了 Grok，但这更是一场长跑。对于我们年轻人和玩家来说，跑分高低离生活还是太远，能不能把它完美塞进下一代的小米汽车和手机小爱同学里，带来实质性的智能飞跃，才是检验它成色的最终舞台！