文章《MiMo-V2.6-Pro-UltraSpeed vs MiMo-V2.6-Pro》的主视觉标题卡,肩题是“OrcaRouter · 模型雷达 — 服务层级”,副标题为“同一个 1T 检查点,两种购买方式:每百万 token 0.435/0.87 美元,或 4.35/8.70 美元换取号称十倍的速率。”下方是两张卡片:左侧为“标准层级”,内容为“Artificial Analysis 实测输出 134.3 token/秒;1M 上下文;MIT 权重发布于 Hugging Face”;右侧为“UltraSpeed 层级”,内容为“输入 $4.35 / 输出 $8.70 每 1M;同一检查点,同等质量承诺;仅限托管”。四个标签分别显示“AA Index: 46”“总参数:1.0T”“激活参数:42B”和“DeepSWE:72.57 厂商报告值”。OrcaRouter 标志合成于右下角。
Guides & Insights

Xiaomi MiMo-V2.6-Pro-UltraSpeed 对比 Xiaomi MiMo-V2.6:同一个检查点,十倍的价格

作者

Elias Hawthorne

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Xiaomi MiMo-V2.6-Pro-UltraSpeed 和 Xiaomi MiMo-V2.6-Pro 并不是两个模型。它们是同一个模型,以两种方式售卖。二者都由同一个万亿参数的 MiMo-V2.6 检查点提供服务——该检查点由小米于 2026 年 9 月发布,属于 Xiaomi MiMo-V2.6 系列的 Pro 档,其更小的同门是 Xiaomi MiMo-V2.6-Flash。这两个 Pro 版本之间的差异,完全在于 token 的输出速度,以及你为之付出的价格。标准档每百万输入 token 收费 $0.435,每百万输出 token 收费 $0.87。UltraSpeed 档则要价 $4.35 和 $8.70。这在计费的两端都是干净的十比一,而它换来的是一个约十倍输出速度的宣称——这一宣称出自小米对其自家服务栈的说法,目前尚无任何独立基准测试公布过相应数字。

所以,有趣的问题不在于哪个模型更好。而在于,为十倍的速度支付十倍的溢价是否值得;而事实证明,在你把生产路径押注在它上面之前,有一个先例值得一读。

快速层级是一项服务决策,而非一项模型决策

小米自己对 UltraSpeed 产品线的说法是:它在质量上与标准模型相当,区别只在于吞吐量。这一点比听起来更重要,因为它消除了人们面对一个新档位时通常会有的犹豫理由。你并不是在赌另一个检查点的性格、它的拒绝行为或它的格式怪癖。你赌的是:同一套权重,经由更激进的推理服务配置运行,在你的提示词上会表现一致。如果这一点成立,那么在这两档之间切换就只是改一次配置,而不是一次迁移。

这一代的服务配置内部包含什么,尚未有文档记录。此前的 UltraSpeed 档位于 2026 年 6 月基于 MiMo-V2.5-Pro 检查点构建,Xiaomi 称其仅在专家层上使用 FP4 量化、一种名为 DFlash 的块并行推测解码方案,以及一个名为 TileRT 的运行时,并且它运行在单个八 GPU 节点上。Xiaomi 尚未发布 V2.6 档位的同等细节。请将早先的技术栈视为有关速度如何获得的背景信息,而不是对当前正在运行内容的描述。

它所在的产品阵容并不长。除了两档 Pro 之外,还有 MiMo-V2.6-Flash——更小的同门,总参数 3090 亿,激活参数 150 亿。Pro 是稀疏混合专家旗舰:Artificial Analysis 将其列为总参数 1.0 万亿、每 token 激活 420 亿、上下文窗口 100 万 token,并采用 MIT 许可证,权重发布在 Hugging Face 上。这些数字要牢牢记住,因为整个对比都建立在它们之上。

什么是实际验证的,什么不是

A two-column scoreboard titled 'MiMo-V2.6-Pro-UltraSpeed vs MiMo-V2.6-Pro — the scoreboard'. The left column, badged VENDOR-REPORTED, is headed 'MiMo-V2.6-Pro-UltraSpeed' and reads: Output speed — about 10x the standard tier, Xiaomi's claim; Price in — $4.35 per 1M tokens; Price out — $8.70 per 1M tokens; Context — 1M tokens; Weights — hosted only, none published; Independent speed test — none published. The right column, badged INDEPENDENTLY MEASURED, is headed 'MiMo-V2.6-Pro' and reads: Output speed — 134.3 tokens/sec per Artificial Analysis; Price in — $0.435 per 1M tokens; Price out — $0.87 per 1M tokens; Context — 1M tokens; Weights — MIT, on Hugging Face; Independent speed test — Artificial Analysis, 114-model class. A footer reads 'UltraSpeed figures are Xiaomi's own serving claims with no independent verification. MiMo-V2.6-Pro figures per Artificial Analysis, read 2026-09-22.' The OrcaRouter logo is composited in the bottom-right corner.

上面两栏之间的不对称是本文中最重要的一件事。关于这一配对几乎所有可测量的内容,都是在缓慢的一侧测得的。

Artificial Analysis 对 MiMo-V2.6-Pro 进行了基准测试,并为其发布 Intelligence Index 得分 46——在它将 MiMo-V2.6-Pro 归入的 114 款模型类别中排名最高。它通过 Xiaomi 的 API 测得每秒 134.3 个输出 token,而该类别中位数为 77.9;首块响应时间为 2.15 秒,中位数为 2.34 秒。它列出每项 Intelligence Index 任务成本为 0.13 美元,输入价格享有 99% 缓存折扣,输出冗长程度为 1.4 亿 token。这些是针对一个具名配置的独立数据,也是本次比较唯一的硬性吞吐量基准。

对于 UltraSpeed,经过验证的列表要短得多:

• 输出速度——约为标准档位的十倍,这一说法由小米提出,并被列出该档位的平台反复引用。尚无第三方公布过针对这一特定档位的每秒 token 数实测数据。

• 价格 — 每百万输入 token 4.35 美元,每百万输出 token 8.70 美元,两项均为标准层级的十倍。这两个费率旁未列出任何缓存层。

• 质量——“与原版一致”,这同样是供应商的说法。目前尚未发表任何对 UltraSpeed 端点的独立评估,因此关于质量保持不变的说法是未经检验,而非已被证伪。

• 上下文与模态 — 1,048,576 个 token,以及原生文本、图像、视频和音频输入,继承自基础检查点。

还有一个厂商基准值得点名,正是因为它流传得如此之广。小米公开的强化学习仪表盘曾于 2026 年 9 月直播 V2.6 后训练运行,其中报告 DeepSWE v1.1 得分为 Pro 运行 72.57、Flash 65.68。这些分数来自小米自己的离线评估,使用 mini-swe-agent 测试框架并以三次平均计算;它们从未提交到公开排行榜,也从未在实验室之外被复现。如果你看到 72.57 被当作排行榜分数引用,那不过是一个厂商数字披着排行榜的外衣。

Screenshot of the Artificial Analysis model page for MiMo-V2.6-Pro captured September 22, 2026, headed 'MiMo-V2.6-Pro Intelligence, Performance & Price Analysis' with the labels 'Open weights model' and 'Released September 2026'. The metric strip reads Intelligence #1/114, Speed #11/114, Cost #12/114 and Verbosity #18/114. The cost panel reads $0.435 in and $0.87 out per million tokens, a 99% cache discount, and $0.13 per Intelligence Index task; the speed panel reads 134.3 output tokens per second, ranked eleventh of 114 against a median of 77.9, with a first-chunk time of 2.15 seconds; verbosity reads 140M output tokens. The comparison summary states the model scores 46 on the Artificial Analysis Intelligence Index against a class median of 18, is notably fast at 134 tokens per second against a median of 78, is somewhat verbose, supports text, image, speech and video input and outputs text, and has a 1M-token context window. Technical specifications list reasoning enabled, input modalities text and image, output text, a 1M context window, 1.0T total parameters, 42B active parameters, an MIT licence, and model weights on Hugging Face.

先例:上次Xiaomi收费三次,不是十次

这不是小米的第一个速度层级,而前一个层级是整个故事中最有用的对比——因为倍数发生了变化。

MiMo-V2.5-Pro-UltraSpeed 于 2026 年 6 月问世,基于 V2.5-Pro 检查点构建,其定价约为标准模型输出费率的三倍。Xiaomi 当时的宣传与现在如出一辙:约十倍的输出速度。当时的报道称,在单台八 GPU 节点上,持续吞吐量约为每秒 1,000 tokens,峰值接近 1,200,不过模型页面本身列出的是更宽的 500 至 1,000 范围——而这些都未经过独立验证。使用权限需通过申请表获取,而非开放注册。

把两者并排放在一起,变化本身就是重点。速度倍数保持在大约十倍。价格倍数从三倍变成了十倍。对于同一类升级来说,这完全是另一笔账,而小米尚未公布对这一变化的解释。这可能反映出服务确实变得更贵了——更大的检查点、更激进的解码配置,或发布时更紧张的容量。也可能反映出某个仅上线一天的服务层级所采用的发布窗口定价。它目前还没有的,是一个可供你核验的公开理由。

有一个实际差异值得向所有用过 V2.5 档位的人指出:那还是一个受限的试用版。V2.6 档位则被列为通过小米自有 API 和多个第三方平台全面可用,按公布的价格提供,无需申请步骤。无论其他方面还有什么变化,尝试它的门槛都降低了。

十倍在真实工作负载下的代价是什么

百分比会掩盖这件事的真实样貌,所以下面用一个具体的智能体运行来算笔账——它在整个生命周期内读取 2000 万个输入 token,输出 200 万个 token。这是一种繁重但并不罕见的智能体工作负载,正是模型反复循环调用工具、并反复重读自身上下文的那一类。

• 标准层级,输入 — 2000 万 tokens,每百万 $0.435:$8.70。

• 标准层级,输出——每百万 2M tokens 收费 $0.87:$1.74。

• 标准层级,总计 — 每次运行 $10.44。

• UltraSpeed 档位,输入 — 2000 万 tokens,每百万 $4.35:$87.00。

• UltraSpeed 档,输出——200 万 token,每百万 $8.70:$17.40。

• UltraSpeed 档,总计 — 每次运行 $104.40。

差额是 93.96 美元,而且它正好是整个账单的十倍,而不是账单中某一项的十倍,因为两种费率是一起同比例变化的。现在看账本的另一面。按照 Artificial Analysis 为标准层级测得的每秒 134.3 个输出 token,生成 200 万个输出 token 需要略多于四个小时的纯生成时间。若速率达到该值的十倍,则大约需要二十五分钟。所以,多出的 94 美元在这次运行中大约换回了三个半小时的实际时间——如果你愿意这样看,大约相当于每节省一小时花 27 美元。

这笔交易是否划算,完全取决于实际耗时对你来说值多少,而有一个细节会让天真的解读站不住脚。标准档的输入价格在 Artificial Analysis 的页面上享有 99% 的缓存折扣,这意味着对于会反复读取同一上下文的工作负载,账单中输入费用那一半可以降到几乎为零。UltraSpeed 的标价只展示了两个主打费率,没有缓存档。如果你的工作负载缓存很重,那么有效倍数就不是十倍——而是糟糕得多,因为你会在原本几乎不花钱的那一侧失去折扣。如果你的工作负载输出很重而缓存很轻,十倍就接近真实数字。在相信任何一个数字之前,先衡量你自己的用量组合。

开放权重的不对称性

两个层级之间存在一种与价格或速度无关的结构性差异,而这一差异可能比二者都更重要。

MiMo-V2.6-Pro 以 MIT 许可证发布,权重已发布在 Hugging Face 上。这允许商业部署、修改和进一步训练,也意味着标准模型的价格有一个任何厂商都无法抬高的下限:如果托管费率不再合理,你可以自行部署该检查点。你无法在自有硬件上达到小米的吞吐量,并且需要为 GPU 付费,但这一选项存在,并限制了托管层级能够收取的费用。

UltraSpeed 没有这样的下限。UltraSpeed 没有自己的权重,因为这一档卖的是服务栈而非模型——检查点就是那个已经公开的同一个,你花钱租的是小米把它跑得很快的能力。这本身是正当的售卖内容,形态也与市场上其他所有速度档位相同。但这确实意味着,十倍费率除了其他运行同一套开放权重的供应商之外,没有任何竞争性制衡;如果价格再次变动,也没有自托管的退路。

Screenshot of Xiaomi's MiMo homepage captured September 22, 2026, headed 'HELLO, I'M MiMo'. Two product cards are visible: 'Xiaomi MiMo-V2.6-Series', subtitled 'Frontier intelligence, all the modalities, built in public', and 'Xiaomi MiMo-V2.5-TTS Series'. Below them a 'Build with MiMo' section lists two numbered routes, '01 Web Demo' and '02 API Access', with the lines 'Interact with MiMo directly through the web' and 'Developer portal for quick integration of MiMo capabilities'.

把这一点与可用性状况对照来看。标准检查点可以通过小米自有渠道和若干第三方平台获取,并且也提供直接下载。UltraSpeed 层级则可以通过小米自有 API 和若干第三方平台访问,而这是获取它的唯一途径。对于任何正在考虑长期依赖关系的人来说,这种可选性上的差异值得与按 token 计费的费率一并纳入成本考量。

谁应该拿哪个

这个决策可以清晰地依据两个维度来划分:你的成本中有多少来自输出 token,以及你的延迟预算中有多少用于生成而非排队等待。

• 在工作负载输出密集、缓存轻量且交互式时,选择 UltraSpeed——长篇生成、模型在工具调用之间写下大量推理的智能体循环,或任何有人类在请求另一端等待的场景。

• 当工作负载属于缓存密集型、可容忍批处理,或对边际成本敏感时,就选标准层级——批量分类、在固定语料上进行检索增强问答、通宵评估运行,以及任何无人盯着、因此生成耗时四小时也无妨的场景。

• 当你希望保留自托管这一选项时,请选择标准层级。如果你的合规要求需要你能实实在在握在手中的权重,那么 UltraSpeed 无论花多少钱都无法提供给你。

• 在实测之前,两个都别选。十倍这个说法是这里的关键数字,而它目前只是厂商的一面之词。花一个下午,把你自己的提示词分别跑过两个档位,得到的结论胜过任何已公布的数据,因为唯一经过独立验证的吞吐量数字,恰恰属于这场比较中较慢的那一方。

关于最后一点,测试一个服务层级的机制与测试一个模型相同,而正是在这里,路由层才体现出它的价值。OrcaRouter 以单个 API 密钥承载 200 多个模型,按提供商标价、0% 加价原样传导,因此供应商的价格变动当天就会落到你这边,而不是等到下一次合同续约时。自动故障转移意味着你仍在评估的层级绝不会独自处在生产路径上,而路由 DSL 让你可以把某一类请求发往快速端点,其余全部发往标准端点,无需维护两套集成。这一切都不需要非得用小米的模型——关键在于,当各层级都位于同一个密钥之后时,像这样的层级决策很容易逆转。

怎样才能解决这件事

MiMo-V2.6-Pro-UltraSpeed 与 MiMo-V2.6-Pro 对比问题的真实状况是:其中一半是实测出来的,另一半则是断言出来的。标准档拥有独立的 Intelligence Index、独立的吞吐量数据,以及已公开发布的开放权重。快速档则有一个价格、一个上下文窗口,以及厂商的承诺——它是同一个模型在以更快的速度运行。

有三件事可以弥合差距。对 UltraSpeed 端点进行一次独立的吞吐量测量——Artificial Analysis 是通过小米的 API 测量标准层级的,所以同样的做法完全可行,只是尚未进行。为快速层级制定缓存策略,因为缺少策略,正是这一点让缓存密集型工作上的十倍账单变得更糟。以及任何已发布的关于 V2.6 服务栈的细节,就像小米为 V2.5 代际记录 FP4 专家、DFlash 和 TileRT 那样。

在那之前,十倍的价格是实打实的,而十倍的速度只是一种宣称。如果你的工作负载以输出为主,而且有人在等着结果,那么这个宣称值得用你自己的提示词去验证——也值得放在一层抽象之后去验证:万一它站不住脚,你当天下午就能切回来。

本文中的对比1

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新