智東西
作者 陳佳
編輯 云鵬

智東西6月24日報道，昨日，小米MiMo開放平臺發布公告，宣布延長旗下MiMo-V2.5-Pro-UltraSpeed模型的聊天體驗與API接入體驗期限。該模型于6月9日上線，原定體驗窗口截至6月23日，但由于申請量遠超預期，團隊決定延長開放時間。

▲關于MiMo-V2.5-Pro-UltraSpeed限時體驗延期的通知（圖源：小米MiMo）

官方數據顯示，截至6月23日，MiMo-V2.5-Pro-UltraSpeed已收到超過6.6萬個使用申請，申請者包含世界500強公司、行業頭部企業與個人開發者，涵蓋法律、金融、通信、物流、汽車制造、文化傳媒、高校等多個領域。

小米MiMo團隊在公告中稱，申請量“遠超預期”，并強調“極致的推理速度將帶來行業全新的使用場景與范式”。

延期后，用戶可繼續申請內測，已審核通過的用戶可繼續使用，具體下線時間將根據資源情況另行安排。

回顧此前的發布情況，MiMo-V2.5-Pro-UltraSpeed是小米MiMo團隊與AI推理系統團隊TileRT聯合推出的極速推理模式，首次在萬億參數（1T）旗艦模型上突破1000 tokens/s的輸出速度，峰值可達約1200 tokens/s。

該模型基于MoE架構，總參數量1T，單次前向傳播激活參數約420億，支持100萬token超長上下文。

▲雷軍發文宣布MiMo-V2.5-Pro-UltraSpeed新進展（圖源：新浪微博）

小米稱，UltraSpeed的實現路徑不依賴Cerebras晶圓級芯片或Groq定制SRAM芯片等專用硬件方案，而是在一個標準8卡通用GPU節點上，通過模型側和系統側協同優化，讓1T模型突破1000 tokens/s輸出速度。

模型側，小米采用FP4混合量化，主要對MoE Expert進行FP4量化，其他模塊保留較高精度，以降低模型體積和訪存壓力。同時，MiMo引入DFlash投機解碼，用塊級Masked并行預測替代傳統Draft模型逐token自回歸，讓大模型一次驗證更多候選token。

系統側，TileRT為FP4量化和DFlash流程定制編譯引擎與計算核，并通過常駐內核引擎、異構流水線協作等方式減少算子啟動和同步開銷。小米在Hugging Face開源的MiMo-V2.5-Pro-FP4-DFlash模型卡稱，該模型是UltraSpeed背后的底層模型，包含FP4量化backbone和BF16 DFlash drafter，許可證為MIT。

在定價方面，UltraSpeed API采用限時體驗價，定價為標準版MiMo-V2.5-Pro的3倍，同時提供約10倍的輸出速度提升。以官方定價為參照，標準版MiMo-V2.5-Pro緩存命中輸入0.025元/百萬tokens，緩存未命中輸入3元/百萬tokens，輸出6元/百萬tokens，UltraSpeed輸出定價約為18元/百萬tokens（約合2.65美元/百萬tokens）。

作為參照，Anthropic最新旗艦模型Claude Opus的API公開定價為輸入5美元/百萬tokens（約合人民幣34元），輸出25美元/百萬tokens（約合人民幣170元）。

1000 tokens/s的速度，放在行業坐標中也有沖擊力：據AI基準測試平臺Artificial Analysis的數據，GPT-5.5的輸出速度約為62至68tokens/s，Claude Opus約71tokens/s，Gemini Flash約192至200tokens/s。

此前，UltraSpeed在海外開發者社區引發強烈反響。該話題在技術社區Hacker News上成為熱帖，社交平臺X上有開發者直言“8卡通用GPU節點跑出萬億MoE模型的1000 tokens/s，太瘋狂了”，也有人對MoE架構下“萬億參數”的可比性提出質疑。

申請入口：
https://platform.xiaomimimo.com/ultraspeed
Chat體驗入口：
https://ultraspeed.xiaomimimo.com
Hugging Face地址：
https://huggingface.co/XiaomiMiMo/MiMo-V2.5-Pro-FP4-DFlash