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%。
| 量化 | 4K | 8K | 16K | 32K | 64K | 128K |
|---|---|---|---|---|---|---|
| Q4_K_M★ | 171 GB | 171 GB | 172 GB | 175 GB | 180 GB | 189 GB |
| Q8_0 | 325 GB | 326 GB | 327 GB | 329 GB | 334 GB | 344 GB |
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
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
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。
分享你的使用體驗,幫助其他人了解這個模型