凌晨放大招：开源 + 百万亿 Token 一起来
今天（4 月 28 日）凌晨，小米技术团队一口气干了两件事：正式开源 MiMo-V2.5 系列模型，同时启动名为「MiMo Orbit」的百万亿 Token 创造者激励计划。
简单说就是——模型权重全给你，Token 也免费送你用。30 天，100 万亿 Token，赠完即止。
这个动作的信号很明确：小米不只是要做一个能打的开源模型，它要围绕 MiMo 建一个开发者生态。而「撒 Token」是最直接的拉人方式。
MiMo-V2.5：两款模型，100 万上下文窗口
先看模型本身。MiMo-V2.5 系列在 4 月 23 日就已经开启公测，这次是正式开源。系列包含两款模型：
- MiMo-V2.5-Pro：定位复杂任务场景，深度适配 Agent 和 Coding 应用。在 GDPVal-AA 和 ClawEval 两个榜单上拿到了全球开源模型第一。
- MiMo-V2.5：原生全模态模型，支持文本、图像、视频、音频理解，同样具备 Agent 能力。
两款模型都支持 100 万上下文窗口。这个长度在开源模型里属于第一梯队——作为参考，目前主流开源模型的上下文窗口普遍在 12.8 万到 32 万之间，能做到百万级别的屈指可数。
小米技术团队在公告里说了一句值得注意的话：「模型的真正价值不在于榜单排名，而在于能否高效帮助开发者解决实际问题。」这话听起来像套话，但结合他们在 Claw-Eval 上的表现来看，确实有底气——MiMo-V2.5 在这个榜单上位列任务完成率与 Token 效率的最优前沿。
换句话说，不只是「能做到」，还要「用更少的 Token 做到」。对开发者来说，Token 效率直接关系到成本，这比单纯的跑分更实在。
MIT 协议，全量开放，没有套路
开源的诚意怎么看？看协议。
MiMo-V2.5 系列采用 MIT 协议，这是目前最宽松的开源协议之一。意味着：
- 自由商用，不需要额外授权
- 可以二次训练、微调
- Base 模型权重也一并开放
对比来看，不少国产大模型虽然号称「开源」，但要么限制商用场景，要么只开放 Chat 版本不给 Base 权重，要么搞一个自定义协议让你读半天。MiMo 这次的做法比较干脆，MIT 协议就是「你随便用」。
这对想基于开源模型做垂直场景微调的团队来说是个好消息。拿到 Base 权重意味着你可以从更底层开始定制，而不是只能在 Chat 模型上面做 LoRA。
Orbit 计划拆解：两条腿走路
MiMo Orbit 计划分为两个部分，分别瞄准不同的开发者群体：
1. 百万亿 Token 创造者激励计划
面向所有 AI builder。核心规则：
- 时间窗口：2026 年 4 月 28 日 00:00 至 5 月 28 日 00:00（北京时间）
- 总量：100 万亿（100T）Token
- 方式：申请制，审核通过后发放
- 最高档位：Max 档，包含 16 亿 Credits，官方标价 659 元
- 领取地址：100t.xiaomimimo.com
100 万亿 Token 是什么概念？粗略算一下，如果按照目前主流 API 的定价（以 GPT-4o 为参照，大约 $2.5/1M input tokens），100T Token 的市场价值在数亿美元量级。当然，小米自家模型的定价体系不同，但这个数字本身就是一个很有冲击力的营销信号。
从社区反馈来看，已经有开发者收到了 Token Plan。Linux.do 上有用户表示额度已到账，正在评估「一个月的额度够不够养 2 匹 1 只虾」——这是社区黑话，大意是能不能同时跑多个 Agent 应用。也有用户在问申请经验，说明活动刚启动，流程还在摸索中。
2. Agent 生态共建计划
这部分面向 Agent 框架团队，小米提供 MiMo Token 限免支持，让框架的用户可以免费接入 MiMo 系列模型。
这一步棋下得比较聪明。与其自己去推广模型，不如让 Agent 框架把 MiMo 作为默认可选模型之一。用户在框架里用着用着就习惯了，生态就起来了。
这和当年各家云厂商给开源项目提供免费额度的逻辑一样——先让人用起来，后面的事后面再说。
硬件生态：Day-0 适配不是说说而已
开源模型最怕的一件事是什么？发布了，但跑不起来。
小米这次在硬件适配上做了不少功课。MiMo-V2.5-Pro 在开源首日就完成了多个芯片厂商的接入适配：
- 平头哥真武 810E：依托全栈自研 AI 软件栈完成深度适配
- AWS Trainium2：基于 Neuron SDK + vLLM 推理框架完成适配，实现「开源即全球可用」
- AMD：依托 ROCm 开源软件栈提供 Day-0 适配
同时，主流推理框架 SGLang 和 vLLM 也完成了 Day-0 适配。
这意味着什么？如果你手上有 AMD 的卡、或者在用 AWS 的 Trainium 实例、或者用的是平头哥的芯片，模型开源当天你就能跑起来。不用等社区适配，不用自己踩坑。
这种「Day-0 适配」的做法在国内开源模型里并不常见。大多数模型开源后，社区需要几天甚至几周才能在非 NVIDIA 硬件上跑通。小米提前和芯片厂商合作完成适配，说明他们对开源生态的理解不只是「把权重扔出去」。
放在行业里看：小米在打什么算盘？
2026 年的开源大模型赛道已经相当拥挤。Qwen、DeepSeek、Llama、Mistral、GLM……每家都在卷。小米作为一个「非典型」的大模型玩家——它的主业毕竟是手机和 IoT——为什么要在这个时间点砸这么大的资源？
几个观察：
第一，小米有场景。手机、汽车、智能家居、可穿戴设备——小米的硬件生态是国内最完整的之一。一个足够好的自研模型，可以成为串联所有设备的「大脑」。这不是为了跟 OpenAI 竞争通用 AGI，而是为了让小米的硬件生态更智能。
第二，开源是最快的验证方式。与其关起门来自己测，不如让全球开发者帮你测。100 万亿 Token 的免费额度，本质上是在用真金白银买用户反馈。
第三，Agent 是当前最热的应用方向。MiMo-V2.5-Pro 深度适配 Agent 和 Coding 场景，Orbit 计划专门设了 Agent 生态共建板块——小米显然认为 Agent 是模型落地的关键路径。这个判断和行业共识一致：2026 年，大家都在从「聊天机器人」转向「能干活的 Agent」。
第四，100 万上下文窗口是 Agent 场景的刚需。Agent 需要处理大量的上下文信息——代码仓库、文档、对话历史、工具调用记录——短上下文的模型根本撑不住复杂的 Agent 工作流。MiMo 在这个维度上的投入是有针对性的。
和竞品比，MiMo 的位置在哪？
坦率地说，MiMo 在通用能力上可能还不是开源模型的绝对第一。Qwen 和 DeepSeek 在社区积累和模型迭代速度上仍然领先。但 MiMo 有几个差异化的点：
- 全模态原生支持（文本+图像+视频+音频），不是后期拼接的
- 100 万上下文窗口，在开源模型里属于顶配
- Agent 和 Coding 场景的深度优化，不是泛泛的「什么都能做」
- MIT 协议 + Base 权重全开，商用友好度拉满
- 背后有小米的硬件生态做落地场景
劣势也很明显：社区生态还在早期，开发者工具链不够成熟，第三方教程和经验分享还很少（Linux.do 上有用户吐槽「怎么还没有经验贴」）。
100 万亿 Token 的激励计划，某种程度上就是在用钱换时间，快速把社区拉起来。
对开发者来说，值不值得试？
如果你在做 Agent 相关的项目，MiMo-V2.5-Pro 值得认真评估。100 万上下文窗口 + Agent 场景优化 + 免费 Token，这个组合对 Agent 开发者来说很有吸引力。
如果你在做多模态应用，MiMo-V2.5 的原生全模态能力也值得一试。不用自己拼接不同的模型来处理不同模态的输入，一个模型搞定。
如果你只是想找一个通用的开源模型做日常开发，那 Qwen 和 DeepSeek 的社区生态更成熟，踩坑的人更多，资料更全。MiMo 目前还在「早期红利」阶段——好处是免费额度多，坏处是遇到问题可能没人帮你答。
申请地址：100t.xiaomimimo.com，活动持续到 5 月 28 日。建议尽早申请，100T 听起来很多，但架不住全球开发者一起薅。
一个更大的趋势
小米这次的动作，放在更大的背景下看，是国产大模型「卷生态」的又一个信号。
过去两年，大家卷的是模型能力——谁的跑分高、谁的参数多、谁先支持多模态。现在，模型能力的差距在缩小，竞争的焦点正在转向生态：谁的开发者多、谁的工具链好、谁的落地场景丰富。
百万亿 Token 免费送，MIT 协议全量开放，Day-0 多硬件适配，Agent 框架共建——这些动作的核心逻辑都是一样的：降低开发者的使用门槛，让更多人用起来。
模型本身是基础设施，生态才是护城河。小米显然想明白了这一点。至于 MiMo 能不能真正建起一个有活力的开发者生态，100 万亿 Token 烧完之后还能不能留住人，这个问题的答案，大概要等到 5 月 28 日之后才能看到。
参考来源：
- IT之家：小米 MiMo-V2.5 系列开源 ＆ Orbit 百万亿 Token 计划启动 — IT之家对小米 MiMo-V2.5 开源及 Orbit 计划的详细报道
- Linux.do：Xiaomi MiMo Orbit 百万亿 Token 创造者激励计划 — 社区用户分享的活动信息及领取地址
- Linux.do：mimo 的 token plan 到了 — 开发者收到 Token Plan 后的使用反馈
- Linux.do：小米 mimo 的申请，没有经验贴吗？ — 社区关于申请流程的讨论