小米近日正式在 Hugging Face 与 GitHub 平台同步开源了其最新的 7B参数多模态大模型——“Xiaomi-MiMo-VL-Miloco-7B-GGUF”，并基于该模型推出智能家居AI管家 “Xiaomi Miloco”。
这一举措标志着小米在AI多模态理解、智能家居交互和开放生态建设方面迈出了坚实一步，为AI驱动的物联网场景提供了强有力的技术基础。

7B参数多模态模型：跨视觉与语言的AI核心引擎

MiMo-VL（Mi Multimodal Vision-Language）是小米自主研发的多模态大模型，拥有 70亿参数（7B），能够同时理解图像与语言内容。
该模型融合了视觉识别、语言理解与上下文推理能力，可对摄像头画面、语音命令以及文字输入进行综合分析，实现在不同场景下的智能响应。

MiMo-VL采用了图像-语言双塔结构与跨模态注意力机制，使模型能够精准捕捉用户的手势、动作、语义意图等信息。
这为AI智能家居、视频分析、辅助驾驶等应用场景提供了高效的底层支持。

智能AI管家“Miloco”：真正懂你的家居助手

基于MiMo-VL模型，小米同步推出了 “Xiaomi Miloco”——一款可通过视觉和语音理解进行交互的智能家居AI管家。
Miloco可与 米家摄像头、智能灯具、空调、音箱等设备联动，实现自然交互式控制。

核心功能包括：

  • 活动识别：通过摄像头识别用户是否在房间中，并根据情况自动调整灯光或空调状态；
  • ✋ 手势控制：用户只需挥手或比出预设动作，即可控制家电操作；
  • 智能联动：结合语音命令与视觉感知，自动执行“回家”“离开”“观影”等场景模式；
  • Home Assistant兼容：Miloco全面支持 Home Assistant协议，方便用户将其接入现有的智能家居系统中。

Miloco的诞生标志着小米在AI家居交互领域迈向“理解而非响应”的阶段，让智能家居从被动执行走向主动感知。

开源与部署：面向开发者的开放生态

小米此次发布的 MiMo-VL模型 采用 非商用开源许可，为开发者和研究人员提供实验与学习机会。
模型文件已在Hugging Face和GitHub开放下载，支持多种主流部署环境。

部署要求：

  • 系统环境：Windows 或 Linux
  • ⚙️ 运行平台：NVIDIA GPU
  • 容器支持：Docker 一键部署
  • 模型版本：Xiaomi-MiMo-VL-Miloco-7B-GGUF

开发者可以通过简单配置在本地运行该模型，实现智能家居控制、图像识别或AI多模态实验等多样化应用。

AI + IoT的未来：小米的多模态智能战略

MiMo-VL与Miloco的推出不仅仅是产品迭代，更是小米AI生态战略的关键一步。
通过多模态AI能力与智能硬件生态的融合，小米正构建一个**“以AI为中枢、以场景为核心”**的智能家居体系。

未来，小米计划继续开放更多API接口与训练框架，支持开发者在MiMo-VL基础上定制行业级AI解决方案，推动AI视觉与家居自动化的进一步融合。

总结：
小米开源的 MiMo-VL 7B多模态模型 与智能AI管家 Miloco 的发布，展示了其在AI+IoT融合领域的雄心。
凭借强大的跨模态理解能力与开放生态体系，小米不仅为智能家居赋予了“视觉与思考”的能力，也为全球开发者提供了探索AI边界的新平台。