小米近期悄然上线了新一代旗舰模型MiMo-V2.5-Pro，这款在匿名测试阶段以Hunter Alpha代号引发关注的模型，正式完成从V2到V2.5版本的迭代升级。伴随模型更新，小米同步调整了用户Token额度体系，所有用户的Token使用配额被重置，此举被开发者社区戏称为"复活年轻人的第一个Coding Plan"。
在基础能力测试中，新模型展现出显著进步。面对"洗车"场景测试，模型不仅准确完成任务，还主动添加"注意剐蹭"的温馨提示。通过分析其英文思考过程可见，模型先识别问题复杂性，再精准定位关键信息。当被问及"用户驾驶车型"时，模型结合上下文给出正确推断，印证其对细节的把握能力。不过在"父亲为何崩溃"的情感推理测试中，初始回答未能通过，经2分钟深度思考后才给出正确答案，暴露出零散线索整合能力的不足。
真正展现模型实力的场景出现在Vibe Coding开发测试中。当要求用10分钟开发仿SBTI测试系统时，模型首先确认技术栈选择，最终采用将JS/CSS内嵌HTML的最简方案，仅用2分钟就完成基础架构开发。生成的页面支持折叠展开功能，浏览器控制台无报错，搜索结果可清晰展示汇报路径。尽管使用数据较为陈旧，但开发团队认为这属于数据源问题，不影响模型能力评估。
在复杂项目开发测试中，模型展现出强大的任务拆解能力。面对搭建Harness框架的挑战，模型自动将项目分解为引擎、数据结构、界面、内容四大模块，并制定四阶段开发路线图。特别在路线规划环节，自动生成的"gsd-roadmapper"子智能体成功实现并行开发建议。整个项目从规划到落地仅耗时10分钟，最终成品完整复刻SBTI算法，支持30种题型和25种测试类型，实现数据与代码分离的模块化设计。
不过测试也暴露出模型的一些特性倾向。在开发过程中，模型更倾向于采用直接编码而非调用预设技能，这种"最短路径"策略虽提升效率，但未完全发挥框架的并行处理优势。项目负责人解释，这种选择与模型优化目标相关——只要能完成任务，系统会优先选择资源消耗更少的方式。
伴随新模型发布，小米调整了Token计费策略。旗舰模型消耗额度从4倍降至最高2倍，非高峰时段享受8折优惠，连续包月用户可再获折扣。这种调整源于模型效率提升带来的成本优化，测试数据显示，在完成相同任务时，新模型资源消耗显著降低。此举引发行业连锁反应，多家模型公司陆续跟进调整计费模式，市场逐渐形成新的定价标准。
