小米UltraSpeed实测:1000+ tokens/s值不值3倍价格?
2026年6月8日,小米正式上线 MiMo-V2.5-Pro-UltraSpeed 模式,宣称在通用 GPU 上实现万亿参数模型每秒超 1000 tokens 的推理速度,刷新全球纪录 。这一突破不仅意味着输出响应从“逐字蹦出”变为“整段涌出”,更标志着大模型正从聊天工具向实时生产力引擎演进 。然而,UltraSpeed 并非全量开放,而是采取申请制限时体验,且定价为标准版的 3 倍 。面对性能跃升与使用门槛并存的局面,开发者究竟该选择稳定可用的标准 Pro 版,还是冒险申请资源紧张的 UltraSpeed?本文将从推理速度、成本结构、适用场景与使用限制四大维度进行系统对比,提供可验证的决策依据。1234
01推理速度实测对比
推理速度是 UltraSpeed 模式最核心的卖点。根据多方实测数据,MiMo-V2.5-Pro 标准版的平均生成速度约为 100–150 tokens/s ,而 UltraSpeed 在单台 8 卡通用 GPU 节点上稳定达到 1000+ tokens/s,峰值可达 1200 tokens/s 。这意味着一篇千字中文文章的生成时间从约 6–10 秒缩短至不足 2 秒 。但需注意,该速度仅指“解码输出阶段”,不包含检索、工具调用或复杂推理所需的前置计算时间 。此外,UltraSpeed 的高速依赖三大技术协同:FP4 专家层量化、DFlash 区块级推测解码与 TileRT 持久化内核调度 ,这些优化在标准 Pro 版中并未启用。5264
| 维度 | MiMo-V2.5-Pro | MiMo-V2.5-Pro-UltraSpeed |
|---|---|---|
| 模型参数规模 | 万亿(1T)MoE | 万亿(1T)MoE |
| 硬件要求 | 通用GPU(支持多卡) | 单台8卡通用GPU节点 |
| 稳定生成速度 | 100–150 tokens/s | 1000+ tokens/s |
| 峰值速度 | 约180 tokens/s | 约1200 tokens/s |
| 核心技术 | SWA架构、1M上下文 | FP4量化 + DFlash解码 + TileRT调度 |
| 是否需定制芯片 | 否 | 否 |
02成本与计费结构
成本是开发者决策的关键变量。MiMo-V2.5-Pro 采用分段计价:输入每百万 tokens 为 0.025 元(缓存命中)或 3 元(未命中),输出为 6 元/百万 tokens 。而 UltraSpeed 定价为标准版的 3 倍,即输出约 18 元/百万 tokens,且仅支持 API 调用,不兼容 TokenPlan 。值得注意的是,UltraSpeed 当前处于限时免费试用阶段(2026年6月9日至23日),通过审核的用户可免费体验两周 。但从长期使用角度看,若任务对速度敏感度不高,标准版的性价比显著更高。例如,一次消耗 10 万 tokens 的对话,在标准版成本约 0.6 元,而在 UltraSpeed 则需 1.8 元 。78910
03适用场景分析
- MiMo-V2.5-Pro 更适合::日常办公自动化、长文档摘要、法律合同审核、金融研报整合等对延迟容忍度较高的任务;预算有限但需稳定调用的中小企业;需要 TokenPlan 灵活计费的用户。
- UltraSpeed 更适合::高频代码生成与调试、实时 Agent 协同、量化交易信号生成、医疗影像辅助诊断等毫秒级响应刚需场景;具备真实业务需求且能通过审核的企业或专业开发者;愿意为极致体验承担更高成本的早期采用者。
- 两者均不推荐用于::批量爬虫、高并发无差别调用等易触发限流的场景——实测显示 MiMo 系列在高强度使用下极易返回 429 错误
。11
04使用限制与准入门槛
开发者选用建议
MiMo-V2.5-Pro
成本低,计费灵活,支持TokenPlan
无需申请,立即可用,稳定性高
适合大多数非实时任务场景


MiMo-V2.5-Pro-UltraSpeed
输出速度提升10倍,接近实时交互
赋能高频Agent、代码生成等前沿场景
限时免费试用,短期体验零成本
05最终选购建议
当前文章无评论,是时候发表评论了