🧠 語言模型MoEApache 2.0

MiMo-V2-Flash

MiMo-V2-Flash,小米 2025 年 12 月發布,309B MoE 模型,Apache 2.0 授權,256K 上下文,GPQA 83.7%,SWE-bench 58.3%。

📅 發布:2025-12資料更新:2026年5月12日

VRAM 計算器

我的 GPU VRAM:
量化等級
上下文長度
Q4_K_M · 8K context
模型權重 + KV Cache + 0.5 GB overhead
171 GB
完整 VRAM 對照表(所有量化 × 上下文)
量化4K8K16K32K64K128K
Q4_K_M171 GB171 GB172 GB175 GB180 GB189 GB
Q8_0325 GB326 GB327 GB329 GB334 GB344 GB

部署指南

方法二:llama.cpp

適合進階用戶,支援 CPU 和 GPU 混合推理,可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

方法三:vLLM(高效能伺服器)

適合生產環境,支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve MiMo --dtype auto

規格

參數量309B
最大上下文256K tokens
HF 下載量104K/月

模型強項

高速推理長上下文理解MoE 高效能代理工作流成本效益

推薦用途

  • 適用於需要快速響應和處理大量資訊的智能客服與內容生成應用。
  • 適合開發需要複雜邏輯推理和自動化任務執行的AI代理人系統。
  • 可用於處理長篇文檔分析、摘要與問答,例如法律文件或研究報告。

標籤

256K推理Apache 2.0小米

部署工具

vLLMSGLang

關於 MiMo-V2-Flash — 開源 AI 模型

MiMo-V2-Flash 是一個開源語言模型,擁有 309B 參數,採用 Apache 2.0 授權。可使用 vLLM、SGLang 進行部署。適用場景包括:適用於需要快速響應和處理大量資訊的智能客服與內容生成應用。、適合開發需要複雜邏輯推理和自動化任務執行的AI代理人系統。、可用於處理長篇文檔分析、摘要與問答,例如法律文件或研究報告。。核心優勢:高速推理、長上下文理解、MoE 高效能、代理工作流、成本效益。 可在本地硬體上自行部署,完全保護隱私,無需 API 金鑰。

使用心得

分享你的使用體驗,幫助其他人了解這個模型

0/1000
還沒有評論,成為第一個分享心得的人!