2025年11月21日，小米正式发布并开源了MiMo-Embodied，这是业界首个集成自动驾驶与具象智能的跨域基础模型。该模型和重量同时在Hugging Face和arXiv上线。
技术亮点
1. 跨域能力：单一参数支持具身智能中的三个关键任务（可向性推理、任务规划、空间理解）和自动驾驶的三个核心任务（环境感知、状态预测、驾驶规划），实现室内交互和道路决策的统一建模。
2. 双向协同赋能：该模型验证了室内交互能力与道路决策能力之间的知识传递与协作效应，为跨场景智能集成提供了新视角。
3. 全链优化可靠性：采用“具象/驱动能力学习→CoT推理增强→强化学习微调”的多阶段训练策略，显著提升了实际部署的可靠性。
表现成绩
在涵盖感知、决策和规划的29项核心基准测试中，MiMo-Embodied 优于现有的开源、闭源和专业模型：在具身智能领域实现 SOTA 的 17 项基准，在自动驾驶 12 项基准中创下新纪录，并在常见视觉语言任务中展现出出色的泛化能力。
应用与生态系统
小米计划从2026年第一季度通过OTA更新，首次将MiMo-Embodied应用于自研机器人吸尘器、工厂AGV和SU7高端智能驾驶系统;同时，它将开放模型API，为家庭、移动出行和制造领域的开发者提供跨领域的智能基础。
