记者从小米获悉，6月8日晚，小米MiMo技术团队正式上线Xiaomi MiMo-V2.5-Pro-UltraSpeed模式，这是全球首个在通用GPU上推理速度突破1000Tokens/s的万亿参数模型，刷新旗舰模型全球推理最快速度。
据悉，MiMo-V2.5-Pro-UltraSpeed通过对模型推理系统的全链路工程能力优化，在不降低模型能力前提下，首次把推理速度提升至1000Tokens/s，且无需定制芯片、只使用通用GPU即可达成。业内认为，小米MiMo大模型推理工程实力跻身全球第一梯队。
即日起至6月23日，MiMo-V2-Pro-UltraSpeed模式将采取申请制限时开放，通过申请的用户可接入API进行体验。
记者梳理发现，自4月底以来，小米AI在模型能力、推理成本和推理效率三个维度接连取得突破。
其中，4月23日，MiMo-V2.5-Pro在Artificial Analysis上获得综合智能指数与Agent指数全球开源模型并列第一；5月27日，Xiaomi MiMo-V2.5系列模型API因技术优化宣布最高降价99%，并同步调整Token Plan计费体系。6月8日，MiMo-V2.5-Pro-UltraSpeed以1000Tokens/s刷新万亿参数旗舰模型推理速度新纪录。
过去，大模型领域存在一个隐形瓶颈：速度快的模型往往参数小、能力弱；能力强的模型又因为体量庞大而响应缓慢，且很多高速推理模型依赖昂贵的专用芯片。
Xiaomi MiMo-V2.5-Pro-UltraSpeed模式用通用GPU实现了万亿参数模型的1000Tokens/s推理速度，让大模型在不降低模型能力的前提下，获得接近实时的复杂任务响应能力，成为全球首个达到这一速度水平的万亿参数模型。
小米MiMo技术团队表示，该突破是基于Xiaomi MiMo-V2.5Pro的SWA架构，叠加了FP4Experts、DFlash解码以及TileRT团队的执行系统Co-design，从模型到推理引擎再到GPU执行路径进行了全链路优化。这是小米AI在模型推理系统全链路优化工（850102）程能力的新突破，打破了“快、强、通用GPU无法兼得”的行业不可能三角，推理工程实力跻身全球第一梯队。
Xiaomi MiMo-V2.5-Pro-UltraSpeed的发布，标志着旗舰大模型开始迈入新的推理效率阶段，也为未来更广泛的实时应用场景提供了可能。
作为全球首个在通用GPU上突破1000Tokens/s的万亿参数模型，Xiaomi MiMo-V2.5-Pro-UltraSpeed模式带来的变化，第一次让万亿参数模型能够真正参与到复杂的实时任务场景。
过去，大模型最典型的使用场景是聊天问答。用户向模型提问，模型给出答案；用户继续追问，模型继续回复。随着Agent兴起，大模型开始从“回答问题”转向“完成任务”。无论是开发应用、生成代码，还是多个Agent协同的复杂工作流，本质上都需要模型在后台持续进行大量推理调用。
过去限制这些场景普及的关键因素并非模型能力不足，而是推理延迟过高。当一次任务需要调用几十次甚至上百次模型推理时，每轮几秒钟的等待都会被不断放大，最终形成分钟级甚至更长的响应、执行时间。
Xiaomi MiMo-V2.5-Pro-UltraSpeed模式实现1000Tokens/s推理速度后，万亿参数大模型具备了接近实时完成复杂任务的能力，大模型进入智能编程、Agent协同、高频量化交易等复杂任务场景的门槛正在降低。
背后或意味着更深远的变化。如果说过去的大模型解决的是“聊天效率”问题，那么更高的推理效率正在推动大模型从“聊天实时”迈向“任务实时”，从信息工具逐步演变为真正的生产力工具。
