小米大模型团队宣布开源最新一代多模态大模型 Xiaomi MiMo-VL-7B-2508，包含 RL 与 SFT 两个版本。

官方数据显示，新版模型在学科推理、文档理解、图形界面定位及视频理解四项核心能力上全面刷新纪录，其中 MMMU 基准首次突破70分大关，ChartQA 升至94.4，ScreenSpot-v2达92.5，VideoMME 提升至70.8。

微信截图_20250809102003.png

此番迭代通过优化强化学习稳定性与监督微调流程，使模型在内部 VLM Arena 评分从1093.9跃升至1131.2。

尤为引人关注的是，用户可在提问时通过“/no_think”指令自由切换“思考”与“非思考”模式:前者全程展示推理链条，控制成功率100%，后者直接生成答案，响应更快，成功率99.84%。

  • MiMo-VL-7B-RL-2508

    • 推荐用户在大多数情况下体验使用该模型。

    • 开源地址:https://huggingface.co/XiaomiMiMo/MiMo-VL-7B-RL-2508

  • MiMo-VL-7B-SFT-2508

    • 用户可以根据实际需求，基于此模型进行SFT以及RL。相比于上一版SFT模型，该模型的RL稳定性更高。

    • 开源地址:https://huggingface.co/XiaomiMiMo/MiMo-VL-7B-SFT-2508