文件：马斯克和内部人士将在IPO后保留对SpaceX的投票节造权
文 | 字母 AI坏了，我写的文章被罗福莉打脸了，结扎实实。事件是这样的，幼米颁布 MiMo-V2-Pro 的时辰，我曾写过一篇文章，接锥在大模型这件事上，雷军竟然给马斯克打样了》，在该文的最后一部门对幼米提出质疑。我说 "MiMo-V2-Pro 只颁布了 SWE-bench Verified 这个公认有水分的评分了局，却没有颁布 SWE-bench Pro 这个真正抗传染的测试成就。"了局幼米在 V2.5-Pro 的宣传中，直接把 SWE-bench Pro 放在了宣传榜第一的地位，还特意在 OpenRouter 的模型描述中标注 "top rankings on benchmarks such as ClawEval，GDPVal，and SWE-bench Pro"。从了局来看，MiMo-V2.5-Pro 的成就，已经和 Claude Opus 4.6 以及 GPT-5.4 这两个全球最顶尖的模型相当。固然对于通常人来说，被打脸是一件很难堪的事件，但我不一样，我感触这是功德，因而我也愿意被打脸。我被打脸，注明幼米的模型进取了，机能更好了。MiMo-V2-Pro 的颁布功夫是 3 月下旬，相当于幼米只用了 1 个月的功夫，就开发出了下一代的模型。至少在态度上，幼米已经不再回避更 " 硬核 " 的测试集了。那么幼米这次的新模型 V2.5 和 V2.5-Pro 到底若何呢 ？把 agent 能力当产品中心幼米这次最值得看的，是把它 "Agent 能力、长高低文、多模态、token 效能、第三方框架适配 " 打包到了统一代产品里，榜单成就反倒不是沉点。MiMo 的这次新模型颁布，整体叙事极度 " 工程化 "，反复都在讲 harness 和 Claude Code 以及 OpenClaw 这类开发者工作流语境，根基上除了开头那张图以表，就没怎么再提过模型机能。这事自身就极度幼米。MiMo-V2.5-Pro 的沉点是 " 长程 agent"，谈天只是附带职能。它在相宜 harness 下能够持续实现超过 1000 次工具挪用的长工作。幼米给了三个很复杂的 demo。第一个是 4.3 幼时、672 次工具挪用齐全写出 SysY 编译器。这个工作来自北京大学编译道理课程项目，要求从零实现一个齐全的 SysY 编译器，蕴含词法分析器、语法分析器、抽象语法树、Koopa IR 代码天生、RISC-V 汇编后端，以及机能优化。参考项目通常必要北大推算机专业学生破费数周功夫。MiMo-V2.5-Pro 在暗藏测试集上拿到了 233/233 的满分。模型一层一层地构建编译器，没有反复试错。先搭建齐全管路，美满 Koopa IR 部门拿到 110/110，而后是 RISC-V 后端 103/103，最后是机能优化 20/20。第一次编译就通过了 137/233 个测试，59% 的冷启动通过率注明架构在运行任何测试之前就已经设计正确。在第 512 轮时，一次沉构导致 lv9/riscv 退步了两个测试，模型诊断出问题，复原，而后持续执行工作。长程工作必要的正是这种结构化、自我纠错的能力。第二个是 11.5 幼时、1868 次工具挪用做出可用的视频编纂器桌面利用。只必要几个单一的提醒，MiMo-V2.5-Pro 就交付了一个齐全的桌面利用。最终构建的代码有 8192 行。第三个是接入 ngspice 仿真关环做仿照电路 FVF-LDO 设计优化。这是一个钻研生级此外仿照电路 EDA 工作，在 TSMC 180nm CMOS 工艺下从零设计和优化一个齐全的 FVF-LDO（翻转电压追随器低压差稳压器）。模型必要确定功率晶体管尺寸、调整赔偿网络、选择偏置电压，使 6 个指标同时满足规格要求，蕴含相位裕度、线性调整率、负载调整率、静态电流、PSRR 和瞬态响应。一个训练有素的仿照设计师通常必要花几天功夫实现这个规模的项目。幼米把 MiMo-V2.5-Pro 接入 ngspice 仿真循环，使用 Claude Code 作为 harness。在约莫 1 幼时的关环迭代中，模型反复挪用仿照器、读取波形、调整参数，最终产生了一个每个指标指标都满足的设计，其中四个指标比自己的初始尝试改进了一个数量级。上面 3 个 demo 有点难看懂是吧 ？不要紧，其实单一来讲，就是幼米想要展示 MiMo-V2.5-Pro 它能陆续干几幼时、挪用上千次工具、最后还真地把产品给你做出来。沉点不是 " 聪不聪明 "，是它 " 能不能把活干完 "。在这些尝试中，V2.5-Pro 展示出了一种 "harness awareness"。它充分利用 harness 环境提供的能力，治理自己的影象，并塑造自己的高低文若何被填充以达成最终指标。幼米还把多模态和 agent 能力合到一路。原生视觉和音坡讽解，Video-MME 达 87.7 分，靠近 Gemini 3 Pro 的 88.4 分。Claw-Eval 多模态子集 23.8 分，与 Claude Sonnet 4.6 吃旖。最长支持 100 万 token 高低文，agent 机能超过上一代 MiMo-V2-Pro。在自家 MiMo Coding Bench 上，MiMo-V2.5 达到靠近 Pro 级履历，但成本只有一半。通常 AI 厂商，往往是 " 代码强的一个模型、多模态强的另一个模型、长高低文再单独分辨一个版本 "。MiMo-V2.5 把 " 看、听、推理、挪用工具 " 全都放到一个统一模型里，能够理解更多的需要，也能够执行更复杂的工作，这比单纯刷分要有意思。MiMo 还把 "token 效能 " 当成了卖点，说白了，就是省钱。在 ClawEval 上，MiMo-V2.5-Pro 以约 7 万 token/trajectory 达到 64% Pass^3，相较 Claude Opus 4.6、Gemini 3.1 Pro、GPT-5.4，在相近能力下罕用约 40% 到 60%token。为什么能省这么多呢 ？由于 agent 的真实成正本自长链条工具挪用、反复读写高低文、持续推理，单轮问答只是幼头。谁在这件事上更省 token，谁在出产环境里就更可能被用。好多模型固然宣称支持超长高低文，但真跑起来很贵。幼米这次直接取缔 1M 高低文的额表倍率，性质上是在降低 Agent 试错门槛。幼米应该是想要对准那些，跑持久、复杂工作的用户，由于这种工作反而会更省钱，对于通常用户来说，其实很难感触到 MiMo 省钱的处所。雷军要 " 卖算力 " 了 ？随着 V2.5 的颁布，幼米美满了他们 4 月 3 号颁布的 Token Plan 订阅系统，从 Lite ? 39/ 月到 Max ? 659/ 月一共 4 档，新增夜间 8 折、包年 88 折等运营商式定价战术，并对老用户全量沉置已用 Credits。这套打法相当因而通知你，幼米此刻是一个正经卖 token 的公司了。MiMo 的 Token Plan 性质上是在构建一个非硬件依赖的时时性收入模型，这点极度 " 不幼米 "。并且幼米特意选在夜间颁布，就是为了对准美国的功夫，以拓展国际化市场。当幼米自建算力集群达到肯定规模后，每增长一个付用度户的成本极低，但 ARPU（每用户均匀收入）能够通过差距化定价持续提升。这是典型的 SaaS 贸易模式，毛利率能够达到 70% 以上，比汽车手机家电都要高。Token Plan 适配 Claude Code、OpenClaw 等主流 AI 开发框架，现实上也是在抢夺 AI 原生利用的底层基础设施入口。更深一层，若是幼米汽车、幼米 IoT 设备的第三方利用都基于 MiMo 开发，雷军就把握了整个生态的 " 算力税收权 "。每一次 API 挪用都是一次变现机遇。不外，我以为幼米 Token Plan 能否腾飞的主题，在于能否兑现 V2.5 系列的开源承诺。幼米从手机时期起头，走的就是开源路线。固然说开源意味着社区开发者能够免费部署和微调模型，表表上会蚕食 Token Plan 的付用度户。但真正的贸易逻辑在于，开源吸引长尾开发者，他们贡献代码、优化模型、构建利用，形成生态繁华。关源 API 服务高频高价值场景，企业客户为了不变性、SLA 保险和技术支持，依然会选择付费 Token Plan ？瓷缜床改Ｐ偷，幼米能够低成本获取海量真实场景的微调数据和 bug 反馈。这个逻辑在行衣凤已经被验证过。Meta 的 Llama 系列开源后，社区贡献了大量微调版本和利用案例，反过来坚韧了 Meta 在 AI 基础设施层的话语权。幼米若是能走通这条路，Token Plan 就会成为衔接开发者、企业客户和幼米生态的枢纽，订阅服务只是它的一个侧面。从产品定位看，MiMo-V2.5 和 V2.5-Pro 形成了明确的分层。V2.5 是 " 原生全模态 + 强 agent 能力 "，适合必要多模态输入的日 ？⒐ぷ。V2.5-Pro 是 " 长程 agent"，适合必要持续数幼时、上千次工具挪用的复杂工程工作。这种分层的逻辑是场景适配，机能凹凸只是表象。对幼米来说，Token Plan 的意思不只是多一条收入起源。它是幼米从 " 硬件公司 " 到 "AI 公司 " 叙事转型中最沉要的一块拼图。幼米从前的贸易模式是 " 硬件 +IoT 生态 "，用性价迸撞件获取用户，用 IoT 设备构建生态。这个模式的天花板在于硬件销量和 IoT 设备渗入率。Token Plan 是雷军的新尝试。用 AI 能力获取开发者，用开发者构建利用生态，用 API 挪用持续变现。这个模式的天花板在于 AI 能力的强度和生态的活跃度。至少比从北京到上海全程直播要更赢利一些。若是 MiMo 能在开发者社区站稳脚跟，幼米就有机遇从 " 卖手机的公司 " 造成 " 提供 AI 基础设施的公司 "。这个转变的贸易价值，远远超过 Token Plan 自身的订阅收入。MiMo-V2.5 挑刺那么既然幼米喜欢打我的脸，那我也愿意再给他们挑挑刺。目前 SWE-bench Pro 最高分是 Claude Mythos Preview 的 77.8%，MiMo-V2.5-Pro 在 SWE-bench Pro 上拿到 57.2%，距离这个新巅峰还有些遥远。此表，MiMo-v2.5 在通用高阶推理天花板的关键测试集中阐发通常。MiMo-V2.5-Pro 在 Humanity's Last Exam 上是 48.0%，而 GPT-5.4 是 58.7%。在 " 高阶知始度 + 跨学科抽象推理 " 上，和最顶级模型还有一段距离。更沉要的是，目前幼米还不足可复现的硬证据。幼米自家的 MiMo Coding Bench、SysY 编译器 233/233、11.5 幼时做视频编纂器、仿照电路 EDA 关环优化、"harness awareness"，它们都是 " 高光 demo" 或 " 尝试室 showcase"，作为 " 开源 "（固然临时还没开源）的模型，它没有齐全可复现、可横向对比的公开尺度。这件事其实 " 不太开源 "。这是最好的一次，还是均匀水平 ？prompt、工具、权限、高低文注入方式是什么 ？成功率是几多 ？成本是几多 ？换一批工作还稳不稳 ？1868 次工具挪用、672 次工具挪用，这些超长链路中，有几多次是无效挪用、沉复挪用、谬误挪用 ？若是这些细节不公开，demo 的说服力就会打折。"harness awareness" 这个说法很抓眼，但不够有说服力。这个词听起来很高级，那它到底是模型真的学会了若何治理 agent runtime ？还是说只是由于这个工作的 harness 写得好、工作设计得顺，还是评测环境对它比力敦睦 ？我此刻很难判断。幼米强调 V2.5-Pro 具备 "harness awareness"，但这也意味着模型高度依赖特定 harne