小米 MiMo 团队与 AI 推理系统团队 TileRT 联合推出的 MiMo-V2.5-Pro-UltraSpeed 是一个"反常识"的模型。它把万亿参数（1T）MoE 模型放到一个标准 8 卡通用 GPU 节点上，输出速度首次突破 1000 tokens/s，峰值约 1200 tokens/s——而这个速度不依赖 Cerebras 晶圆级芯片或 Groq 定制 SRAM 等专用硬件。模型上线不到两周就收到超过 6.6 万个使用申请，原定 6 月 23 日结束的体验窗口被迫延长。这篇文章拆解它的技术路径、定价和申请方式，帮你看清它到底"快"在哪、值不值得用。

MiMo-V2.5-Pro-UltraSpeed 是什么

一句话定义：小米在通用硬件上跑出 1000 tokens/s 的万亿参数旗舰模型。

• 架构：MoE（Mixture of Experts）
• 总参数量：1T（万亿）
• 激活参数：单次前向传播约 420 亿
• 上下文长度：支持 100 万 token
• 核心突破：8 卡通用 GPU 节点上稳定输出 1000 tokens/s，峰值约 1200 tokens/s

小米 MiMo 公告称申请量"远超预期"，决定延长开放时间。

速度：行业坐标里的位置

把 1000 tokens/s 放在行业坐标中，冲击力非常明显。根据 AI 基准测试平台 Artificial Analysis 的数据：

这意味着 UltraSpeed 的输出速度比肩部前沿模型快一个数量级，对于实时对话、流式代码生成、长文批量生产这类对延迟敏感的场景，体验差异是质变级别的。

它怎么做到的：模型侧 + 系统侧协同优化

关键在于它没有依赖专用硬件，而是通过模型侧和系统侧协同优化榨取通用 GPU 的性能。

模型侧

• FP4 混合量化：主要对 MoE Expert 做 FP4 量化，其他模块保留较高精度，降低模型体积和访存压力
• DFlash 投机解码：用块级 Masked 并行预测替代传统 Draft 模型的逐 token 自回归，让大模型一次验证更多候选 token

Hugging Face 开源的 MiMo-V2.5-Pro-FP4-DFlash 模型卡是 UltraSpeed 背后的底层模型，包含 FP4 量化 backbone + BF16 DFlash drafter，许可证为 MIT。

系统侧

• TileRT 为 FP4 量化和 DFlash 流程定制编译引擎与计算核
• 通过常驻内核引擎、异构流水线协作减少算子启动和同步开销

定价：3 倍价格换 10 倍速度

UltraSpeed API 采用限时体验价，定价为标准版 MiMo-V2.5-Pro 的 3 倍，同时提供约 10 倍的输出速度提升。

作为参照，Anthropic 旗舰 Claude Opus 公开定价为输入 5 美元/百万 tokens（约 34 元），输出 25 美元/百万 tokens（约 170 元）。UltraSpeed 输出价格仅为 Claude Opus 的约 1.5%，速度却快十几倍——当然，模型能力维度不能简单划等号，但这个性价比对吞吐密集型业务非常友好。

雷军在微博上发文宣布 MiMo-V2.5-Pro-UltraSpeed 的新进展。

怎么申请使用

目前模型仍在限时体验阶段，已审核通过的用户可继续使用，未申请的需要走内测申请：

• API 申请入口：https://platform.xiaomimimo.com/ultraspeed
• Chat 体验入口：https://ultraspeed.xiaomimimo.com
• 开源底层模型：https://huggingface.co/XiaomiMiMo/MiMo-V2.5-Pro-FP4-DFlash（MIT 许可）

截至 6 月 23 日，已收到超过 6.6 万个使用申请，申请者包括世界 500 强公司、行业头部企业与个人开发者，覆盖法律、金融、通信、物流、汽车制造、文化传媒、高校等领域。

应用场景

1000 tokens/s 的速度解锁了一批原本"等不起"的场景：

• 实时对话与客服：首 token 与流式输出延迟接近实时，用户体验质变
• 流式代码生成：编码 Agent 的多轮迭代不再卡顿
• 长文批量生产：报告、营销文案、知识库整理的吞吐量大幅提升
• 多 Agent 协同：Agent 间高频调用对延迟敏感，极速输出显著降低总耗时
• 教育与陪护：口语化、即时反馈的场景对响应速度要求极高

争议与限制

• "万亿参数"的可比性：海外开发者社区有人质疑 MoE 架构下"万亿参数"与稠密模型的可比性，实际激活 420 亿参数的口径需要厘清
• 生态成熟度：相比 Claude、GPT 等成熟生态，MiMo 的工具链、Agent 框架支持仍在补齐
• 能力维度的客观差距：速度优势不能直接等同于推理能力优势，复杂推理、长链路 Agent 任务的实际效果建议先用 Chat 入口自测

💡 提示：如果你的业务是吞吐密集型（客服、批量生产、多 Agent 协同），UltraSpeed 的性价比极具吸引力；如果核心需求是复杂推理，建议先用 Chat 入口做几轮基准测试再决定是否迁移。