小米旗舰极速推理模型，标准 8 卡通用 GPU 节点上突破 1000 tokens/s 输出，输出定价 18 元/百万 tokens
小米旗舰极速推理模型，标准 8 卡通用 GPU 节点上突破 1000 tokens/s 输出，输出定价 18 元/百万 tokens
微信官方 AI 助手小微内测体验：聊天总结、自动回复、调小程序、转账、看朋友圈、开发小工具，八大能力一次看懂。
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。
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。
小米 MiMo 公告称申请量"远超预期"，决定延长开放时间。
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：
| 模型 | 输出速度（约） |
|---|---|
| GPT-5.5 | 62-68 tokens/s |
| Claude Opus | 71 tokens/s |
| Gemini Flash | 192-200 tokens/s |
| MiMo-V2.5-Pro-UltraSpeed | 1000-1200 tokens/s |
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。
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。
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。
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。
| 计费项 | 标准版 MiMo-V2.5-Pro | UltraSpeed |
|---|---|---|
| 缓存命中输入 | 0.025 元/百万 tokens | 标准版 3 倍 |
| 缓存未命中输入 | 3 元/百万 tokens | 标准版 3 倍 |
| 输出 | 6 元/百万 tokens | 18 元/百万 tokens（约 2.65 美元） |
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。
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：
https://platform.xiaomimimo.com/ultraspeedhttps://ultraspeed.xiaomimimo.comhttps://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。
1000 tokens/s 的速度解锁了一批原本"等不起"的场景：
💡 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。