最高降价99%背后：小米首次公开模型推理优化技术报告

4RnXV7ticiatech.huanqiu***article最高降价99%背后：小米首次公开模型推理优化技术报告/e3pmh164r/e3pmh18ap<article><section data-type="rtext"><p>5月27日，小米宣布旗下MiMo-V2.5系列大模型API永久降价，最高降幅达99%，引发业界关注。讨论焦点集中在一个问题上：<em data-scene="strong">降幅最高达99%，技术上如何实现？</em></p><p>5月30日，小米MiMo大模型团队在官方技术博客发布题为《MiMo-V2.5 系列推理全链路优化：将 Hybrid SWA 效率推向极致》的长文，首次完整公开降价背后的技术路径：一篇覆盖Hybrid SWA + MoE + 多模态组合架构的推理系统全链路优化方案，系统性地将Hybrid SWA的推理效率推向极致。</p><p><i class="pic-con"></p><p><em data-scene="strong">技术细节首次公开：五大核心突破，实现万亿参数推理系统全链路优化</em></p><p>MiMo-V2.5-Pro是一个万亿参数MoE模型，***用Hybrid SWA架构：70层中60层仅计算局部窗口注意力，10层保留全局视野。理论上，这种设计能将KVCache存储和计算量压至Full Attention的1/7。</p><p><i class="pic-con"></p><p>“理论上的架构优势，并不会天然转化为真实线上系统中的效率优势。”MiMo团队在技术博客中指出，在生产环境中，分布式缓存状态不一致、前缀匹配语义失效、多级存储搬运延迟等工程挑战，会将理论收益大幅削减。以下五项突破，正是将这一差距补齐的关键。</p><p>突破一：KVCache 双池 + SWA-aware 前缀树</p><p>将Full和SWA的缓存拆为两个独立池，SWA 严格按窗口大小分配，容量效率提升约 7×。重新设计缓存命中规则，引入"窗口安全长度"匹配规则，解决 SWA 模式下的"伪命中"问题。</p><p>突破二：GCache 分布式缓存</p><p>直接在GPU机器上混布接管闲余内存与NVMe SSD。额外存储成本为零，单进程RDMA读吞吐170 GB/s，延迟仅280μs。</p><p>突破三：KVCache 亲和调度</p><p>请求优先路由到已缓存其前缀的实例，L2 命中率 +25%，单机吞吐 +30%，P90 延迟 −30%。</p><p>突破四：Decode阶段MTP加速</p><p>Prefill阶段同步开启MTP，使其KVCache从首个输出token即有效，前128 token加速2.3倍，128–256 token加速1.5倍，有效降低Agent场景下的实际等待时间。</p><p>突破五：多模态推理优化</p><p>***并行解码、跨请求组Batch、GPU预处理、一致性哈希路由——1小时***端到端处理从156秒降至23秒，Encoder吞吐提升2倍、延时不变。</p><p><i class="pic-con"></p><p>五项突破分别作用于推理链路的不同环节，存储、缓存、调度、解码、多模态。KVCache双池释放的显存空间，被GCache用于扩大缓存容量；更大的缓存容量提高了命中率；更高的命中率减少了Prefill重算量；Prefill加速又为Decode腾出了更多调度余量。</p><p>最终，整条推理链路的成本结构被系统性地改变，这也是降价99%依然能维持收支平衡的技术底气。</p><p><em data-scene="strong">技术红利释放：降价节省的成本，全部回馈开发者</em></p><p>MiMo V2.5系列模型降价消息发布后，全球开发者社区迅速被点燃。在海外技术论坛和社交平台上，围绕"降价99%为什么还不亏"的讨论热度持续攀升，大量开发者自发分析 MiMo的推理架构和成本结构。</p><p>不少开发者惊叹“优质模型的成本正在以惊人的速度下降，智能的发展速度快得真正无法衡量”。同时还有大量开发者点赞以MiMo为代表的中国模型性能强大、速度快，“中国AI模型比美国AI泡沫模型便宜90%到95%，不仅价格低廉、速度快，并且对于大多数现实世界用例来说足够实用，AI泡沫未来可能被成本曲线崩塌所扼杀。”</p><p><i class="pic-con"></p><p>在全球知名API调用平台OpenRouter上，Xiaomi MiMo-V2.5系列大模型调用量在迅速攀升，截至5月30日，MiMo-V2.5跻身日榜第三、周榜第十，MiMo-V2.5-Pro跻身日榜第七、周榜第八。</p><p><i class="pic-con"></p><p><i class="pic-con"></p><p>此次技术博客的发布，也是小米MiMo对近期外界质疑的一次正面回应，不仅将一整套模型推理系统全链路优化所节省的成本通过API降价回馈给用户，同时已将这次优化的技术细节以 PR 形式回馈 SGLang 开源社区，希望尽早让工程优化不再成为门槛，使这类兼具强度与效率的复合架构得到更广泛的探索与应用。</p><p>除了降价和开源，MiMo对开发者生态的投入还在持续加码。4月28日推出的“百万亿Token创造者激励***”已圆满收官：总申请人数超过54万人，覆盖科研学术、制造工业等行业，累计发放100万亿免费Token，折合人民币超6500万元。</p><p>同期启动的“Agent生态共建***”面向Agent框架团队提供Token扶持，首批13家合作伙伴名单已公布，小米为这些框架和合作方提供了限免Token支持。“开源的价值不止于权重公开，更在于生态共建。”小米MiMo团队表示。</p><p>从开源模型权重、公开推理系统优化细节，到百亿Token激励、Agent生态共建，小米正在构建一条从技术底座到开发者生态的完整路径：让Token越来越便宜、越来越普惠，让AI从少数人的工具变成***可及的基础设施。</p><p>在小米的推动下，Token有望成为拉动存储芯片、算力芯片、电力基础设施等上游产业链的全新增长极，驱动整个AI行业进入下一个发展周期。（心月）</p></section><img src='/image/153933-0' alt='最高降价99%背后：小米首次公开模型推理优化技术报告'></p> </div> </div> </div> <!-------------------------------------- 内容结束 --------------------------------------> <!-------------------------------------- 尾部开始 --------------------------------------> <div class="footer"> <div class="wrap"> <div class="f_nav"> <ul> <li class="on"><a href="/">首页</a></li> <li><a href="/list/tiehexiang">铁河乡</a></li> <li><a href="/list/ningjinxian">宁津县</a></li> <li><a href="/list/xinxingxian">新兴县</a></li> <li><a href="/list/tahexiang">塔河乡</a></li> <li><a href="/list/hongjunzhen">红军镇</a></li> <li><a href="/list/caomiaoxiang">草庙乡</a></li> </ul> </div> <p>版权@|备案:<a href="https://beian.miit.gov.cn/" rel="nofollow" target="_blank">陕-ICP备26090889号-1</a>|<a href="/sitemap.xml">网站地图</a></p> </div> </div> <!-------------------------------------- 尾部结束 --------------------------------------> <div class="full"> <ul> <li><a href="http://wpa.qq.com/msgrd?v=3&uin=&site=qq&menu=yes"><span class="span1"></span> <label>在线QQ</label> </a></li> <li><a href="#"><span class="span2"></span> <label></label> </a></li> <li><a href="#"><span class="span3"></span> <label class="lbl_img"><img src="/template/moban400/skin/images/ewm.jpg"></label> </a></li> <li><a href="javascript:void(0)" class="gotop" onclick="$('html,body').stop().animate({scrollTop:0},800)"><span class="span4"></span></a></li> </ul> </div> </body> </html>