小米多模态大模型MiMo-VL开源，官方称多方面领先 Qwen2.5-VL-7B

5 月 30 日，Xiaomi MiMo 官方大众号发文宣告，小米多模态大模型 Xiaomi MiMo-VL 现已正式开源。官方表明，其在图片、视频、言语的通用问答和了解推理等多个使命上，大幅抢先同尺度标杆多模态模型 Qwen2.5-VL-7B，并且在 GUI Grounding 使命上比肩专用模型，为 Agent 年代而来。

MiMo-VL-7B 在坚持 MiMo-7B 纯文本推理才能的一起，在多模态推理使命上，仅用 7B 参数规划，在奥林匹克比赛（OlympiadBench）和多个数学比赛（MathVision、MathVerse）大幅抢先 10 倍参数大的阿里 Qwen-2.5-VL-72B 和 QVQ-72B-Preview，也逾越闭源模型 GPT-4o。