作者 | 林潛
編輯 | 頭頭
全網(wǎng)猜瘋的神秘模型，竟是小米“王炸”：一場(chǎng)沒(méi)有預(yù)告的AI突襲
AI行業(yè)，很久沒(méi)有這么“懸疑”的一周了。
一切始于一個(gè)代號(hào)——HunterAlpha。
一周前，全球知名的API聚合平臺(tái)?OpenRouter?上，突然上線了一個(gè)神秘大模型。沒(méi)有發(fā)布會(huì)、沒(méi)有技術(shù)白皮書(shū)，甚至連開(kāi)發(fā)者是誰(shuí)都沒(méi)有任何說(shuō)明。
但就是這樣一個(gè)“無(wú)名模型”，卻在上線第一天直接沖上調(diào)用量榜首，并在隨后幾天持續(xù)霸榜，總調(diào)用量迅速突破1萬(wàn)億Tokens。
對(duì)于任何一個(gè)大模型來(lái)說(shuō)，這樣的增長(zhǎng)速度都極為罕見(jiàn)。
于是，整個(gè)AI圈瞬間炸開(kāi)了鍋。
一、一場(chǎng)全行業(yè)的“猜謎游戲”
在HunterAlpha爆火之后，圍繞其真實(shí)身份的猜測(cè)迅速在開(kāi)發(fā)者社區(qū)擴(kuò)散。
有人認(rèn)為，這可能是 OpenAI 尚未發(fā)布的GPT-5.x測(cè)試版本。理由也很簡(jiǎn)單：OpenAI一向擅長(zhǎng)“神秘上線+突然爆發(fā)”的產(chǎn)品策略。
也有人猜測(cè)，這是 DeepSeek 的新一代推理模型。畢竟DeepSeek在推理能力上的表現(xiàn)一直頗受認(rèn)可。
甚至連 Peter Steinberger 這樣的業(yè)內(nèi)人士，也在社交平臺(tái)上公開(kāi)發(fā)問(wèn)，試圖挖出這個(gè)模型背后的真實(shí)來(lái)源。
這在AI行業(yè)并不常見(jiàn)。
通常來(lái)說(shuō)，大模型發(fā)布往往伴隨著密集的技術(shù)宣傳、生態(tài)合作以及市場(chǎng)鋪墊。而HunterAlpha的走紅，卻完全繞開(kāi)了這些流程，更像是一場(chǎng)“黑箱測(cè)試”——用真實(shí)調(diào)用量說(shuō)話。
也正因?yàn)槿绱耍恼鎸?shí)身份變得更加撲朔迷離。
二、謎底揭曉
小米的“突然出牌”
就在所有人還在猜測(cè)之時(shí)，答案突然揭曉。
3月19日凌晨，小米 官方正式認(rèn)領(lǐng)，宣布推出三款自研大模型。而此前霸榜的HunterAlpha，正是其旗艦基座模型——Xiaomi MiMo-V2-Pro。
這一消息讓不少業(yè)內(nèi)人士感到意外。
據(jù)天眼查平臺(tái)信息顯示，小米近年來(lái)持續(xù)加碼人工智能領(lǐng)域，在大模型、智能終端與AI應(yīng)用生態(tài)等方向進(jìn)行多維布局。
一方面，小米在AI大模型領(lǐng)域的公開(kāi)動(dòng)作此前并不算高調(diào)；另一方面，以“匿名測(cè)試”方式直接沖榜，也打破了行業(yè)常見(jiàn)的發(fā)布節(jié)奏。
換句話說(shuō)，這更像是一種“用產(chǎn)品驗(yàn)證實(shí)力”的策略，而不是傳統(tǒng)意義上的市場(chǎng)營(yíng)銷。
三、羅福莉的“鐵腕管理”
AI研發(fā)的另一面
在模型發(fā)布之后，小米大模型負(fù)責(zé)人 羅福莉 也發(fā)布長(zhǎng)文，首次披露了團(tuán)隊(duì)研發(fā)背后的細(xì)節(jié)。
她提到，這次模型的爆火其實(shí)并非完全在預(yù)期之內(nèi)，而是AI Agent技術(shù)路線變化過(guò)快，導(dǎo)致團(tuán)隊(duì)需要迅速調(diào)整研發(fā)節(jié)奏。
為了加快進(jìn)度，她采取了一項(xiàng)頗具爭(zhēng)議的內(nèi)部管理措施：
對(duì)話次數(shù)少于100次的成員可以選擇離開(kāi)團(tuán)隊(duì)。
這一做法的核心邏輯在于——
在大模型研發(fā)中，人與模型的高頻交互是理解和優(yōu)化模型能力的關(guān)鍵路徑。
雖然這種管理方式顯得較為激進(jìn)，但從結(jié)果來(lái)看，確實(shí)在短期內(nèi)提升了團(tuán)隊(duì)的效率，也反映出當(dāng)前AI行業(yè)一個(gè)現(xiàn)實(shí)：
技術(shù)迭代速度，正在逼迫組織方式發(fā)生變化。
四、技術(shù)拆解
MiMo-V2-Pro到底強(qiáng)在哪？
從技術(shù)層面來(lái)看，MiMo-V2-Pro之所以能夠迅速走紅，并非偶然。
根據(jù)目前披露的信息，該模型的總參數(shù)規(guī)模已突破1萬(wàn)億級(jí)別，并采用了混合注意力架構(gòu)，在保證模型能力的同時(shí)控制計(jì)算成本。
其中一個(gè)關(guān)鍵指標(biāo)是：
約420億激活參數(shù)（Active Parameters）
這意味著在實(shí)際推理過(guò)程中，并非所有參數(shù)都會(huì)參與計(jì)算，而是通過(guò)動(dòng)態(tài)激活機(jī)制選擇部分參數(shù)參與，從而在性能與效率之間取得平衡。
此外，該模型還支持最高100萬(wàn)tokens的上下文長(zhǎng)度。
這一能力在當(dāng)前大模型中屬于較高水平，可以支持更復(fù)雜的長(zhǎng)文本理解、多輪對(duì)話以及Agent任務(wù)執(zhí)行。
在算力成本方面，小米與北京大學(xué)聯(lián)合研發(fā)的ARL-Tangram系統(tǒng)也成為重要支撐。據(jù)公開(kāi)信息，該系統(tǒng)能夠在一定程度上優(yōu)化算力調(diào)度，使整體計(jì)算成本降低約70%以上（官方披露為71.2%）。
在當(dāng)前算力資源緊張的背景下，這一點(diǎn)尤為關(guān)鍵。
五、優(yōu)勢(shì)與短板
距離頂級(jí)模型還有多遠(yuǎn)？
從整體表現(xiàn)來(lái)看，MiMo系列模型已經(jīng)進(jìn)入行業(yè)第一梯隊(duì)。
尤其是在以下幾個(gè)方向上：
Agent任務(wù)適配能力
長(zhǎng)上下文處理能力
成本控制與效率優(yōu)化
都具備一定競(jìng)爭(zhēng)力。
但需要客觀看待的是，它仍然存在一些短板。
例如在超高難度推理任務(wù)，以及復(fù)雜多模態(tài)融合場(chǎng)景中，與?Claude Opus、GPT-4 等國(guó)際頂級(jí)模型相比，仍存在差距。
此外，大模型從“能力展示”到“穩(wěn)定落地”，通常需要較長(zhǎng)時(shí)間驗(yàn)證。這意味著，MiMo模型未來(lái)還需要在真實(shí)應(yīng)用場(chǎng)景中不斷打磨。
換句話說(shuō)：
它已經(jīng)具備競(jìng)爭(zhēng)資格，但尚未完全建立優(yōu)勢(shì)。
六、Agent時(shí)代來(lái)臨
小米的真正目標(biāo)
如果把這次發(fā)布放到更大的行業(yè)背景中來(lái)看，其意義可能不止于一款模型。
當(dāng)前，大模型的發(fā)展正在從“對(duì)話能力”向“執(zhí)行能力”轉(zhuǎn)變，也就是所謂的AI Agent階段。
在這一階段，模型不僅要能理解問(wèn)題，還需要能夠完成任務(wù)，例如調(diào)用工具、執(zhí)行流程、甚至自動(dòng)決策。
從MiMo系列的設(shè)計(jì)來(lái)看，小米顯然已經(jīng)在為這一方向做準(zhǔn)備。
無(wú)論是超長(zhǎng)上下文能力，還是對(duì)Agent場(chǎng)景的適配，背后都指向同一個(gè)目標(biāo)：
讓大模型從“回答問(wèn)題”進(jìn)化為“解決問(wèn)題”。
這也意味著，大模型競(jìng)爭(zhēng)的核心正在發(fā)生變化。
不再只是參數(shù)規(guī)模和Benchmark成績(jī)，而是：
能否真正落地
是否具備成本優(yōu)勢(shì)
能否形成完整生態(tài)
結(jié)語(yǔ)：一張入場(chǎng)券，還是一張底牌？
回到最初的問(wèn)題——
小米這次，到底意味著什么？
從短期來(lái)看，這是一場(chǎng)成功的“技術(shù)亮相”。通過(guò)HunterAlpha的匿名上線，小米用最直接的方式證明了自身的模型能力。
從長(zhǎng)期來(lái)看，這更像是一張“入場(chǎng)券”。
它標(biāo)志著小米正式進(jìn)入大模型核心競(jìng)爭(zhēng)區(qū)，與國(guó)內(nèi)外頭部玩家站在同一賽道。
但與此同時(shí)，這也只是開(kāi)始。
在AI這條賽道上，從技術(shù)突破到生態(tài)建立，從模型能力到商業(yè)落地，每一步都充滿挑戰(zhàn)。
MiMo-V2-Pro的出現(xiàn)，或許已經(jīng)證明了一件事：
小米具備參與這場(chǎng)競(jìng)爭(zhēng)的能力。
但要真正贏下這場(chǎng)競(jìng)爭(zhēng)，還需要時(shí)間給出答案。
特別聲明：本文為合作媒體授權(quán)DoNews專欄轉(zhuǎn)載，文章版權(quán)歸原作者及原出處所有。文章系作者個(gè)人觀點(diǎn)，不代表DoNews專欄的立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者及原出處獲取授權(quán)。(有任何疑問(wèn)都請(qǐng)聯(lián)系idonews@donews.com)
