小米 MiMo-V2.5-Pro 推出 UltraSpeed 模式:万亿参数模型生成速度突破 1000 tokens/s

小米 MiMo 的大模型推理速度迎来一次明显提速 。 官方宣布,Xiaomi MiMo-V2.5-Pro 新增 UltraSpeed 模式, 并与 TileRT 联合完成模型与系统层面的协同优化, 目标是让万亿参数模型在通用 GPU 上实现更高吞吐输出。

📌 UltraSpeed 模式主打高速生成

按照小米 MiMo 官方说法,MiMo-V2.5-Pro UltraSpeed 模式通过模型与系统的深度 Codesign, 在通用 GPU 上将万亿参数模型的生成速度推进到 1000 tokens/s 以上。这一指标的重点不只是模型本身能力, 而是推理链路、系统调度和资源利用效率的综合提升。

官方展示的应用场景包括短时间生成小游戏、快速复刻系统界面等,用来体现该模式在长文本、多代码输出或复杂任务拆解中的响应速度优势。不过, 目前公开信息主要集中在速度表现和接入方式, 尚未披露更完整的基准测试细节。

🔍 API 同步上线, 价格为 Pro 版 3 倍

MiMo-V2.5-Pro-UltraSpeed API 已同步上线, 采用限时体验价。官方给出的定位是: 价格为 MiMo-V2.5-Pro 的 3 倍, 同时带来约 10 倍输出速度提升。该模式目前仅支持 API 体验, 不支持 Token Plan。

作为对照,MiMo-V2.5-Pro 的常规计费为: 每百万 tokens 输入 0.025 元 (缓存命中) 或 3 元(未命中缓存), 每百万 tokens 输出 6 元。UltraSpeed 的实际使用成本还需结合任务类型、输出长度和缓存命中情况判断。

💡 限时申请制开放, 优先企业与专业开发者

官方同时强调,提交申请并不意味着一定能够快速通过审核, 也不承诺审核通过率。资源分配将更倾向于具备真实业务需求的企业用户与专业开发者场景。

📊 试用规则: 每日排队次数与会话时长受限

通过审核的用户可获得限时免费的 Chat 体验, 但该体验仅在两周开放窗口内有效。为了在资源受限情况下维持公平性和稳定性, 官方设置了多项使用限制:

• 每个账号每日最多成功进入队列 10 次;
• 单次会话时长上限为 30 分钟;
• 会话空闲超过 5 分钟, 系统将自动释放资源;
• 本次开放名额有限, 更适合作为验证高速推理能力的短期体验。

🚀 行业观察: 高速推理正在成为大模型竞争点

随着大模型进入 API 与应用落地阶段, 用户关注点正在从“能不能回答”转向“能不能更快、更稳定地完成任务”。对于代码生成、Agent 工作流、多轮复杂任务和实时交互产品来说, 输出速度会直接影响体验和生产效率。

小米此次推出 UltraSpeed 模式, 反映出大模型厂商在推理性能优化上的竞争正在加速。相比单纯扩大模型参数, 高速推理资源、系统协同设计和调用成本之间的平衡, 可能会成为企业用户评估模型服务的重要指标。

整体来看,MiMo-V2.5-Pro UltraSpeed 更像是一次面向专业场景的高速推理能力展示。它是否能进一步常态化开放、能否提供更明确的长期价格策略和稳定资源供给, 仍是后续值得关注的重点。