
Xiaomi MiMo-V2.6-Pro-UltraSpeed 对比 Xiaomi MiMo-V2.6:同一个检查点,十倍的价格
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0711 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 186 tok/s
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

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。

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。

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
