小米 MiMo 在模型服务侧加了一档「快」的选项。官方文档显示,自 11 月 19 日起,Token Plan 限时支持 UltraSpeed 超高速旗舰推理模型——Token Plan 的 Pro 与 Max 套餐现已开放 MiMo-V2.6-Pro-UltraSpeed。
官方对这款模型的描述是:兼顾 V2.6-Pro 的性能,同时提供最高 20 倍输出速度,让模型调用更高效、交互体验更流畅。适用场景点名了四个方向:量化交易、实时风控、科学研究、实时编程辅助。
这四个场景的共同点很明确——它们卡的不是「答得对不对」,而是「答得多快」。量化交易与实时风控的决策窗口以毫秒到秒计,科学研究里的长链推理与实时编程补全则卡在人的等待耐心上。当模型质量拉不开差距时,输出速度就成了可感知的产品差异。
从技术路线上看,「同性能、更快」通常来自三类手段:更激进的投机解码与并行输出策略、针对特定长度与场景的推理路径裁剪,以及推理侧的硬件与调度优化。厂商把它们打包成一个独立型号对外售卖,好处是用户不必自己调参数,坏处是「20 倍」这个数字必然依赖特定条件——取决于输出长度、并发压力与任务类型,不是一个恒定倍数。
放到小米的模型版图里看,这一步是服务分层。MiMo 此前已经走过几轮产品调整:MiMo-V2.5-Pro 下线、替换为支持多模态理解的 V2.6-Pro,MiMo Desktop 的会员权益也做过升级,额度加量不加价并新增 DeepSeek 等第三方模型接入。现在再叠加一档 UltraSpeed,等于在「能力档」之外又加了「速度档」,让 Pro 与 Max 套餐的付费理由更具体。
这一动作也和行业节奏吻合。同期阿里云把 Token Plan 的额度上调 70% 以上,Lite、Essential、Standard 三档套餐月费不变。一边加量,一边提速,本质是同一场竞争的两面:当模型能力逐渐同质化,套餐的性价比与响应速度就成了留存用户的手段。
需要提醒的是这类「限时」策略的含义。限时支持意味着它可能随时变成常驻能力,也可能到期收回,用户在把它写进生产流程前,最好先确认稳定性承诺与计费口径——尤其是高频调用的场景,速度提升带来的成本变化需要按实际 token 消耗重新算一遍。
对开发者来说,真正值得测的是三个数:在自己业务的平均输出长度下,端到端时延降了多少;并发拉高之后,速度优势是否还在;以及单位任务成本有没有因为重试减少而下降。厂商给的倍数是上限值,业务里能拿到的才是真数。