妙笔
妙笔是阿里巴巴最新开源的中文文生图模型，它与经典的Stable Diffusion 1.5版本结构相同，兼容现有的lora、controlnet等主流插件及其权重。妙笔的特点是用户可以直接输入中文进行文生图操作，生成的图像效果逼真。例如，输入“枯藤老树昏鸦，小桥流水人家。水墨画。”，妙笔能够理解诗句中的意境并生成相应的图像。
Xiaomi MiMo大模型简介
Xiaomi MiMo大模型是什么？
小米 MiMo大模型是小米大模型Core团队（由AI专家罗福莉领导）打造的系列化开源AI模型家族，核心定位为专为推理任务优化，专注于“小参数大能力”，之后又陆续开发出“MoE”、视觉、音频、具身智能等众多系列，都是全部开源的。覆盖语言、视觉、音频、具身智能等多种模态，为推理、编码、智能体（Agent）场景打造，全系列采用MIT等友好开源协议，支持开发者二次开发与商业落地。
小米 MiMo大模型家族第一个版本（MiMo-7B）于2025年4月30日首次开源，最新的旗舰版本MiMo-V2-Flash于12月16日晚的模型权重及代码率先发布于Hugging Face和GitHub，12月17日在 Xiaomi“人车家全生态”合作伙伴大会上卢伟冰官宣开源，罗福莉 (小米大模型 Core 团队负责人) 现场解读技术细节
核心定位与起源
- 研发主体：小米新成立的 “大模型 Core 团队”，由AI专家罗福莉领导。
- 核心目标：突破参数规模限制，在7B 基础参数下实现超越更大模型的推理性能。
- 首发亮点：首个专为推理 (Reasoning) 而生的开源大模型，在数学推理与代码生成领域表现突出。
模型家族核心成员与关键参数
| 模型名称 | 发布时间 | 核心架构 | 参数规模 | 特色能力 |
|---|---|---|---|---|
| MiMo-7B系列 | 2025.4.30 | 标准 Transformer | 7B | 数学推理、代码生成，超越 OpenAI o1-mini 和阿里 32B 模型 |
| MiMo-VL | 2025.8 | 视觉语言融合 | 7B | 最强 7B 级开源视觉语言模型，支持 2508 序列长度 |
| MiMo-Audio | 2025.11 | 音频专用架构 | 7B | 1 亿小时预训练，多模态音频理解超越 Gemini 开源版 |
| MiMo-Embodied | 2025.11.21 | 具身智能架构 | – | 业界首个打通自动驾驶与具身智能的跨域基座模型 |
| MiMo-V2-Flash | 2025.12.17 | MoE（混合专家） | 总参数 309B 激活参数 15B | 高速推理，支持 256k 上下文窗口，混合思维模式 |
核心技术优势
- 推理性能突破：连接预训练模型+强化学习训练方法使得7B参数模型的成绩在测评数学推理 (AIME 24-25) 和代码生成 (LiveCodeBench v5) 测评中超越部分32B参数级模型。
- 混合思维模式：“思考模式”（深度推理）、“即答模式”切换，满足不同任务需求。
- MoE 架构创新：MiMo-V2-Flash 采用专家混合架构，在保持 15B 激活参数高效推理的同时，掌握拥有309B总参数的知识容量。
- 超长上下文：最新模型上下文支持256k，能够处理超长文章和复杂Agent交互任务。
- 多模态扩展：从语言推理到视觉理解、音频处理、具身智能，实现跨领域能力覆盖。
开源范围
- 模型权重 (包括Base版本) 采用MIT 协议全面开源，对商业使用友好
- 完整推理代码贡献至 SGLang 社区
- 技术报告与模型细节全部公开
- 提供网页端体验 (https://aistudio.xiaomimimo.com) 与API服务 (限时免费)
适用场景
- 数学与逻辑推理：做复杂的数学题、逻辑推理题，适用于教育和科研。
- 代码生成与优化：支持多语言代码编写、调试和优化，提升开发效率。
- 智能体 (Agent) 应用：MiMo-V2-Flash专门适用于Agent，支持几百轮的交互，支持工具调用。
- 视觉内容理解：MiMo-VL 可处理图像描述、视觉问答等复杂视觉语言任务。
- 音频智能交互：语音识别、情感分析、音频内容理解，赋能智能设备交互。
- 具身与自动驾驶：MiMo-Embodied 实现机器人控制与自动驾驶的统一建模。
- 企业级 AI 应用：低成本高效推理，适合需要快速响应的商业智能系统。
Xiaomi MiMo大模型官方开源地址汇总
一、主仓库地址
| 平台 | 官方地址 | 说明 |
|---|---|---|
| Hugging Face | https://huggingface.co/XiaomiMiMo | MiMo 全系列模型官方主页，包含所有版本权重与配置 |
| GitHub | https://github.com/XiaomiMiMo/MiMo | 主项目仓库，含基础模型代码、技术报告与使用文档GitHub |
二、各版本专项仓库
1. MiMo-V2-Flash（最新旗舰版）
- GitHub: https://github.com/XiaomiMiMo/MiMo-V2-Flash
- Hugging Face: https://huggingface.co/XiaomiMiMo/MiMo-V2-Flash
- 技术报告: https://github.com/XiaomiMiMo/MiMo-V2-Flash/blob/main/paper.pdf
2. MiMo-VL（视觉语言版）
- GitHub: https://github.com/XiaomiMiMo/MiMo-VL
- Hugging Face: https://huggingface.co/XiaomiMiMo/MiMo-VL-7B-SFT
- 技术报告: https://github.com/XiaomiMiMo/MiMo-VL/blob/main/MiMo-VL-Technical-Report.pdf
3. MiMo-Audio（音频版）
- GitHub: https://github.com/XiaomiMiMo/MiMo-Audio
- Hugging Face: https://huggingface.co/XiaomiMiMo/MiMo-Audio-7B-Base
4. MiMo-7B 基础系列
| 模型变体 | Hugging Face 地址 |
|---|---|
| MiMo-7B-Base | https://huggingface.co/XiaomiMiMo/MiMo-7B-Base |
| MiMo-7B-RL-Zero | https://huggingface.co/XiaomiMiMo/MiMo-7B-RL-Zero |
| MiMo-7B-Instruct | https://huggingface.co/XiaomiMiMo/MiMo-7B-Instruct |
三、快速访问提示
- 所有模型均采用MIT 开源协议，商业使用友好
- 在线体验: https://aistudio.xiaomimimo.com (支持 MiMo-V2-Flash 最新功能)
- 官方博客: https://mimo.xiaomi.com/blog/mimo-v2-flash
数据评估
关于Xiaomi MiMo大模型特别声明
本站新媒派提供的该工具内容都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由新媒派实际控制，在2025年12月18日 上午9:38收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，新媒派不承担任何责任。
与Xiaomi MiMo大模型相关工具
Hyper-SD
Hyper-SD 是字节跳动推出的一种先进图像生成框架，结合了轨迹分段一致性蒸馏（TSCD）和人类反馈学习（RLHF），显著提升了扩散模型在少步骤推理下的图像生成性能。通过 Hyper-SD，用户可以在 1 到 8 步的推理过程中生成高质量的图像，极大地提高了生成速度和效率。
PuLID
PuLID是由字节跳动的团队开源的一种个性化文本到图像生成技术，通过对比对齐和快速采样方法，能够在无需调整模型的情况下轻松生成个性化写真。该技术能够保持高身份(ID)保真度，同时最大限度地减少对原始图像风格和背景的干扰，支持用户通过文本提示轻松编辑图像，生成逼真且个性化的图像结果。
SeamlessM4T
SeamlessM4T是Meta推出的一款多语言和多任务模型，能够处理语音识别、文本翻译和语音合成等任务。它支持近100种语言，可以将语音转录为文本，再进行翻译，甚至可以将翻译后的文本转化为语音。
讯飞星辰Agent开发平台
新一代智能体Agent开发平台，助力开发者快速搭建生产级智能体。
Hallo
Hallo是一个百度开源的AI对口型人脸视频生成框架，用户只需提供一段音频和所选人像，它利用人工智能技术，让图片中的人物能够根据语音的变化做出相应的面部表情和嘴唇动作。
Codex大模型
Codex大模型是一个基于GPT技术的强大编程语言模型，具备自动生成代码、文档、测试用例等功能。它能够理解和处理复杂的编程问题，提高开发效率，是编程领域的重要创新。
GPT-4o mini
GPT-4o Mini 是 OpenAI 最新推出的小型智能模型，专为高性能和低成本的人工智能解决方案而设计。它支持文本、视觉、音频等多模态输入输出，响应速度极快，适用于实时应用场景。
StableAvatar
StableAvatar是由复旦大学、微软亚洲研究院、西安交通大学等团队联合研发的端到端视频扩散模型，可基于一张参考人物图片与音频，生成无限时长、高保真、身份一致的音频驱动头像视频，无需任何后处理。支持多分辨率输出与跨平台运行，广泛应用于虚拟主播、影视广告、游戏角色动画、教育培训及数字人客服等场景。
书生通用大模型
书生通用大模型是由上海人工智能实验室与商汤科技联合发布的大型预训练模型。它包括多个基础模型，如书生·多模态、书生·浦语和书生·天际等。这些模型旨在支持科研创新和产业应用，提供一个全链条开源的研发与应用平台。
TangoFlux
TANGOFLUX是一个高效的文本转音频（TTA）生成模型，拥有 515M 参数，能够在单个 A40 GPU 上仅需 3.7 秒生成长达 30 秒的 44.1kHz 立体声音频，TangoFlux不仅可以生成音效如鸟叫、口哨、爆炸等声音，还能生成音乐。
YuE
YuE是由香港科技大学开发的开源音乐生成模型，专注于从给定的歌词生成完整的音乐音频。YuE 支持多种音乐风格和语言，能够生成高质量的声乐和伴奏部分，适用于各种音乐创作需求。通过 YuE，用户可以轻松生成长达 5 分钟的完整歌曲，实现创意音乐制作。
Mini-Gemini
Mini-Gemini是一个简单而有效的框架，用于增强多模态视觉语言模型（VLMs），由中国香港中文大学和 SmartMore 的研究人员共同推出。Mini-Gemini支持一系列密集和MoE大型语言模型（LLMs），从2B到34B。为了增强视觉token，该框架建议在不增加视觉token数量的情况下，利用额外的视觉编码器进行高分辨率细化。同时，Mini-Gemini还构建了一个高质量的数据集，以促进精确的图像理解和基于推理的生成，从而扩大当前VLM的操作范围。
PixelDance
PixelDance是由字节跳动开发的一款高动态视频生成模型，它能够根据用户提供的图片和文本描述来生成具有复杂场景和动态效果的视频。这项技术特别在于它结合了图像指令（针对视频片段的首尾帧）和文本指令，使得生成的视频不仅视觉上丰富，而且动作细节丰富，能够展现出高度的动态性。
魔搭ModelScope社区
ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！
Segment Anything
Segment Anything是一个基于深度学习的图像分割模型，它可以根据用户的输入提示（如点或框）生成高质量的物体遮罩。它可以用于为图像中的任何物体生成遮罩，无论是常见的物体（如人、车、猫等），还是罕见的物体（如火箭、恐龙、魔法棒等）。
暂无评论...
MinerU
MinerU是一款开源的智能文档解析与提取工具，能够精准识别还原复杂表格、公式、化学式、化学反应。先进 AI 技术加持，高精度导出CSV、HTML、Markdown，输出LaTeX、MathML，帮助用户科研、教师、企业、程序员快速获取结构化数据。适用多领域，易于操作，高效处理学术和专业技术文档。
FliiipBook
FliiipBook是一款网页端简易GIF动画制作工具，支持逐帧绘制与自动合成，让用户像翻页动画一样轻松创作。无需安装软件，直接在浏览器操作，适合初学者、设计师和创作者快速生成表情包、教学演示或趣味动画。
软件自学网
软件自学网是一个提供各类软件学习教程资源平台，提供CAD、UG、Pro/E、Solidworks、Photoshop、office、AI、CorelDraw等各种软件教程，从入门到精通各类教程，教学视频、实用技巧与高清下载，帮助学生、职场人士、设计师和工程师快速掌握办公、设计、编程等技能，提升效率与竞争力。
Xiaomi MiMo大模型
小米 MiMo大模型是小米大模型Core团队（由AI专家罗福莉领导）打造的系列化开源AI模型家族，核心定位为专为推理任务优化，以 “小参数大能力” 为特色，后续扩展出 MoE 架构、视觉、音频、具身智能等多个分支，全系列均采用开源策略。覆盖语言、视觉、音频、具身智能等多模态领域，专为推理、编码与智能体（Agent）场景打造，全系列采用MIT等友好开源协议，支持开发者二次开发与商业落地。
Handz
Handz是一个专注于3D手部模型的资源库平台，核心定位为 “设计师友好型3D手部素材解决方案”，提供免费与高级（Premium）双版本资源。提供多种手势、袖口和配饰，格式包括PNG、JPG、WebP等等，有丰富的3D手模型、手势、配件与可编辑的源文件，适用于数字设计、营销素材、产品展示等场景，无需复杂 3D 建模技能即可直接复用。