XiaomiのMiMoチームとAI推論システムチームTileRTが共同で投入したMiMo-V2.5-Pro-UltraSpeedは、いわば「常識破り」のモデルです。兆パラメータ（1T）のMoEモデルを標準的な8基構成の汎用GPUノード1台に載せ、出力速度として初めて1000 tokens/sを突破し、ピークは約1200 tokens/s——しかもこの速度は、CerebrasのウェハースケールチップもGroqのカスタムSRAMもといった専用ハードウェアに依存しません。モデルの公開から2週足らずで6.6万件を超える利用申請が届き、6月23日終了予定だった体験期間は延長を余儀なくされました。本記事はその技術経路、価格、申請方法を分解し、どこが「速い」のか、使う価値があるのかを見極める材料を提供します。

MiMo-V2.5-Pro-UltraSpeed とは

一言で定義すると：Xiaomiが汎用ハードウェアで1000 tokens/sを達成した兆パラメータ旗艦モデルです。

• アーキテクチャ：MoE（Mixture of Experts）
• 総パラメータ数：1T（兆）
• 活性パラメータ：1回の順伝播で約420億
• コンテキスト長：100万トークン対応
• 核心的ブレークスルー：8基汎用GPUノードで安定した1000 tokens/s出力、ピーク約1200 tokens/s

Xiaomi MiMoの告知では、申請量が「想定を大きく上回った」ため、公開期間の延長を決めたとしています。

速度：業界座標の中の位置

1000 tokens/sを業界座標に置くと、その衝撃は非常に明確です。AIベンチマークプラットフォームArtificial Analysisのデータによると、

つまりUltraSpeedの出力速度は最先端クラスのモデルより1桁速く、リアルタイム対話、ストリーミングコード生成、長文の一括生産といったレイテンシ敏感シーンでは、体験の差は質変レベルです。

どう実現したのか：モデル側＋システム側の協調最適化

鍵は、専用ハードウェアに頼らず、モデル側とシステム側の協調最適化で汎用GPUの性能を絞りきった点にあります。

モデル側

• FP4混合量子化：主にMoE ExpertにFP4量子化を適用し、他のモジュールは高めの精度を保持。モデルサイズとメモリアクセス圧力を低減
• DFlash投機的デコーディング：従来のDraftモデルによるトークン逐次自己回帰をブロックレベルのMasked並列予測に置き換え、大モデルが一度により多くの候補トークンを検証できるように

Hugging Faceでオープンソース化された MiMo-V2.5-Pro-FP4-DFlash モデルカードはUltraSpeedの土台となるモデルで、FP4量子化backbone＋BF16 DFlash drafterを含み、ライセンスはMITです。

システム側

• TileRTがFP4量子化とDFlashフローのためにコンパイルエンジンと計算カーネルを専用設計
• 常駐カーネルエンジンと異種パイプライン協調で、オペレータ起動と同期のオーバーヘッドを削減

価格：3倍の値段で10倍の速度

UltraSpeed APIは期間限定の体験価格で、標準版MiMo-V2.5-Proの3倍の価格設定ながら、約10倍の出力速度向上を提供します。

参考までに、Anthropicの旗艦Claude Opusの公開価格は入力5ドル/100万tokens（約34元）、出力25ドル/100万tokens（約170元）です。UltraSpeedの出力価格はClaude Opusの約1.5%にすぎず、速度は十数倍——もちろんモデル能力の次元を単純にイコールで結べはしませんが、このコストパフォーマンスはスループット密集型ビジネスに非常に有利です。

雷軍はWeiboで投稿し、MiMo-V2.5-Pro-UltraSpeedの新たな進展を発表しました。

申請・利用方法

現時点でモデルはまだ期間限定体験段階で、審査通過済みユーザーは引き続き利用でき、未申請の場合はクローズドベータ申請が必要です。

• API申請入口：https://platform.xiaomimimo.com/ultraspeed
• Chat体験入口：https://ultraspeed.xiaomimimo.com
• 土台モデルのオープンソース：https://huggingface.co/XiaomiMiMo/MiMo-V2.5-Pro-FP4-DFlash（MITライセンス）

6月23日時点で、6.6万件を超える利用申請を受けており、申請者にはフォーチュン・グローバル500企業、業界トップ企業、個人開発者が含まれ、法律、金融、通信、物流、自動車製造、文化メディア、大学などの分野をカバーしています。

応用シーン

1000 tokens/sの速度は、従来「待てない」だったシーンの一群を解放します。

• リアルタイム対話とカスタマーサポート：初回トークンとストリーミング出力のレイテンシがほぼリアルタイムに近く、体験が質変
• ストリーミングコード生成：コーディングAgentの複数回の反復がもう引っかからない
• 長文の一括生産：レポート、マーケティングコピー、ナレッジベース整理のスループットが大幅向上
• マルチAgent協調：Agent間の高頻度呼び出しはレイテンシに敏感で、超高速出力は総所要時間を大幅に短縮
• 教育と話し相手：口語的で即時フィードバックのシーンは応答速度への要求がきわめて高い

議論と制限

• 「兆パラメータ」の比較可能性：海外開発者コミュニティでは、MoEアーキテクチャにおける「兆パラメータ」とDenseモデルの比較可能性を疑う声があり、実際に活性化する420億パラメータという口径の整理が必要
• エコシステムの成熟度：Claude、GPTなどの成熟したエコシステムに比べ、MiMoのツールチェーン、Agentフレームワーク対応はまだ整備途中
• 能力次元の客観的な差：速度優勢を推論能力の優勢と直接イコールで結ぶことはできず、複雑推論や長いチェーンを持つAgentタスクでの実際の効果は、まずChat入口で自ら試すことをおすすめします

💡 ヒント：もしあなたのビジネスがスループット密集型（カスタマーサポート、一括生産、マルチAgent協調）なら、UltraSpeedのコストパフォーマンスは極めて魅力的です。中核ニーズが複雑推論なら、まずChat入口で数ラウンドのベンチマークを行ってから移行するかを判断しましょう。