鳳凰網科技訊 3月19日，小米發布面向Agent時代的全模態基座模型Xiaomi MiMo-V2-Omni。該模型從底層構建融合文本、視覺、語音的全模態架構，將感知與行動深度綁定，原生支持多模態感知、工具調用、函數執行及GUI操作能力。
在正式發布前，小米將一個早期測試版本以“Healer Alpha”為代號匿名上架OpenRouter。上線期間調用量持續攀升，在OpenClaw測評榜單PinchBench上取得均分第一。
據官方介紹，MiMo-V2-Omni在音頻理解方面支持環境聲分類、多說話人分離、音頻-視覺聯合推理及超10小時長音頻理解，綜合表現超越Gemini 3 Pro。圖像理解方面，在多學科視覺推理與復雜圖表分析任務中超越Claude Opus 4.6，逼近Gemini 3 Pro等閉源模型水平。視頻理解方面支持原生音視頻聯合輸入，具備情境感知與未來推理能力。
智能體能力方面，該模型可在與真實數字環境交互的評測基準上比肩Gemini 3 Pro。在Browser Use場景中，結合OpenClaw框架可實現瀏覽器操控，完成信息檢索、比價、與客服交互及下單等任務。與金山辦公合作，接入WPS Office后，模型可根據指令生成Word文檔、結構化Excel、排版規范的PDF及PPT。
MiMo-V2-Omni已開放API服務，支持256K上下文長度，輸入0.4元/百萬tokens，輸出2元/百萬tokens。小米聯合OpenClaw、OpenCode、KiloCode、Blackbox及Cline等五大Agent開發框架團隊，為全球開發者提供為期一周的限時免費接口支持。
