一個入口接入 Xiaomi MiMo V2 Pro、Omni、Flash 與 TTS
使用 Xiaomi MiMo V2 Pro 處理複雜推理，使用 MiMo V2 Omni 處理多模態理解，使用 MiMo V2 Flash 支撐低延遲互動，使用 MiMo V2 TTS 提供更自然、更有表現力的語音輸出。
這一階段以清晰的落地頁表達為主，同時為後續擴展認證、API Key 與正式接入能力預留空間。
MiMo V2 Pro
推理適合高階推理、規劃、長上下文分析、知識工作流，以及對決策品質要求更高的 AI Agent 系統。
MiMo V2 Omni
多模態適合圖像、影片、音訊與文字的多模態理解，讓產品能夠在單一工作流中處理更豐富的真實世界輸入。
MiMo V2 Flash
低延遲適合低延遲回應、前台高頻互動與更高吞吐的 API 請求場景，在速度本身就是產品價值的一部分時尤其有用。
MiMo V2 TTS
語音適合富表現力的文字轉語音、自然韻律、角色語音與語音介面，在聲音呈現同樣重要的產品中價值更高。
Xiaomi MiMo V2 不是單一模型，而是一組面向產品流程的能力組合
MiMo V2 的價值在於模型分工。Pro 適合複雜推理、長上下文與 Agent 工作流；Omni 適合同時處理文字、截圖、短影片與音訊等混合輸入；Flash 適合更快的互動與更高頻的請求場景；TTS 則把整套能力延伸到更自然的語音體驗。
這也是 Xiaomi MiMo API Provider 落地頁最需要說清楚的部分。相較把所有請求都交給一個通用模型，圍繞任務類型去分配模型角色，通常更容易同時兼顧效果、延遲與成本。
四個 Xiaomi MiMo V2 方向，對應四類真實產品需求
先從最適合當前產品行為的模型開始，再隨著工作流成熟逐步擴展成多模型架構。
快速比較 Xiaomi MiMo V2 各模型定位
透過這個對比視圖，快速判斷你的產品應該由哪個模型承擔推理、多模態輸入、即時流量或語音輸出任務。
| 模型 | 最適合 | 輸入類型 | 輸出方向 | 速度特徵 |
|---|---|---|---|---|
| MiMo V2 Pro | 複雜推理、Agent 工作流、長上下文分析 | 以文字與結構化上下文為主 | 高品質推理與任務執行結果 | 品質優先 |
| MiMo V2 Omni | 多模態助手、媒體理解、混合輸入工作流 | 文字、圖像、影片、音訊 | 跨模態理解與回應生成 | 均衡 |
| MiMo V2 Flash | 即時聊天、前台助手、高吞吐場景 | 以文字和輕量請求流為主 | 快速回覆與輕量任務處理 | 最快 |
| MiMo V2 TTS | 語音助手、播報、品牌音色、角色語音 | 文字與風格控制指令 | 富表現力語音音訊 | 快速語音合成 |
圍繞產品工作流做模型分工，而不是只看模型名稱
真正強的 Xiaomi MiMo 產品通常會組合多個模型角色，而不是讓單一模型承擔所有任務。
關於 Xiaomi MiMo 的常見問題
快速解答最常見的接入與模型選擇問題
Xiaomi MiMo API 是什麼？
Xiaomi MiMo API 指的是圍繞 Xiaomi MiMo 模型家族所提供的接口接入能力，包括 MiMo V2 Pro、MiMo V2 Omni、MiMo V2 Flash 與 MiMo V2 TTS。當前站點重點幫助開發者理解不同模型在推理、多模態、低延遲與語音場景中的定位。
MiMo V2 Pro、Omni、Flash 和 TTS 有什麼差別？
MiMo V2 Pro 更適合複雜推理、長上下文與 AI Agent 工作流；MiMo V2 Omni 更適合圖像、影片、音訊與文字的多模態理解；MiMo V2 Flash 更適合低延遲、高頻調用與成本敏感場景；MiMo V2 TTS 更適合自然語音輸出、風格控制與語音產品體驗。
哪個 Xiaomi MiMo 模型更適合 AI Agent？
如果你的 AI Agent 需要更強的任務拆解、上下文理解、分析總結與多步執行能力，通常會更適合優先考慮 MiMo V2 Pro。它更適合作為智慧體系統中的核心推理層。
MiMo V2 Omni 支援圖像、影片和音訊理解嗎？
從公開模型資訊來看，MiMo V2 Omni 是 MiMo V2 家族中的多模態方向模型，更適合處理截圖、影片片段、音訊內容與文字指令混合輸入的工作流。對於多模態助手、媒體分析與跨模態檢索，這類能力尤其重要。
MiMo V2 Flash 更適合低延遲應用嗎？
是的。如果你的產品更看重回應速度、調用頻率與線上互動體驗，MiMo V2 Flash 會是更合適的方向。它更適合即時聊天、前台助手、客服系統與其他需要快速回傳結果的場景。
MiMo V2 TTS 可以用於語音助手和角色聲音嗎？
可以。MiMo V2 TTS 很適合語音助手、數位人、內容播報、角色語音與品牌聲音場景。對於把「聲音體驗」作為產品重要組成部分的應用，TTS 模型通常是不可或缺的一環。
是否需要為不同產品流程選擇不同模型？
通常需要。MiMo V2 模型家族最有價值的地方就在於可以依任務分層：複雜推理交給 Pro，多模態輸入交給 Omni，即時互動交給 Flash，語音輸出交給 TTS。這樣更容易平衡效果、延遲與成本。
這個網站是介紹單一模型，還是整個 MiMo V2 家族？
這個網站聚焦 Xiaomi MiMo API 接入，同時以 MiMo V2 模型家族作為核心介紹對象。相較只展示單一模型，我們更強調 Pro、Omni、Flash 與 TTS 的組合價值，幫助開發者更快找到適合自己產品的能力方案。