小米一夜之间甩出三张王牌：MiMo-V2-Pro、MiMo-V2-Omni、MiMo-V2-TTS三款模型形成完整矩阵（语言 → 多模态 → 语音），不是单点突破，而是系统性布局，Pro 是 Agent 场景的旗舰基座，1T 参数只激活 42B，1M 超长上下文，人工评测逼近 Claude Opus 4.6，定价只要它的 1/5。Omni 做到了音频理解超越 Gemini 3 Pro、图像理解超 Opus 4.6 的全模态能力。TTS 更狠——同一个模型能说、能演、能唱方言，亿级小时数据训练 + 多维度强化学习，语音合成终于不只是"念稿"了。总而言之，小米这波AI三大件不是"卷参数"的面子工程，而是在架构创新、场景训练和生态落地上都做了实质性的技术投入。尤其是 Agent 方向的专项优化和 Omni 的全模态能力，体现了清晰的技术判断，含金量真的不低。