小米 MiMo API 评测 2026：1M 上下文 MoE，$0.14/M 起
小米不是你想到基础模型 API 时第一个想到的名字。这家公司是全球三大智能手机厂商之一，其 MiMo 大模型团队自 2025 年初开始发布开放权重模型。2026 年 9 月的变化在于，小米为 MiMo 家族上线了真正的 API：五款模型、公开按百万 token 计价、每档均带 1M token 上下文窗口，以及一个真正与众不同的架构故事。这是首篇英文评测，评测对象是小米 MiMo API 作为生产推理平台的表现。
我们在 2026 年 11 月 1 日 对照 OpenRouter 模型目录、Hugging Face 模型卡和小米 MiMo 开发者门户核实了以下每一项价格和规格。MiMo-V2.6 系列于 2026 年 9 月 21 日发布，这意味着该平台上线刚满两个月。这个时点很关键：价格是 introductory 的，厂商列表很短，MiMo 周边的生态系统仍在形成中。
MiMo 模型阵容：五款模型、两代架构
小米通过 API 提供五款 MiMo 模型，分属两代。V2.6 系列于 2026 年 9 月 21 日发布，V2.5 系列于 2026 年 4 月 22 日发布。五款全部配备 1M token 上下文窗口，这是整个阵容中最突出的单项规格。
| 模型 | 参数量 | 上下文 | 输入 | 输出 | 缓存输入 |
|---|---|---|---|---|---|
| MiMo-V2.6-Flash | 309B MoE（15B 激活） | 1,050,000 | $0.14/M | $0.28/M | $0.0028/M |
| MiMo-V2.6-Pro | 1T+ MoE（约15B 激活） | 1,050,000 | $0.435/M | $0.87/M | $0.0036/M |
| MiMo-V2.6-Pro-UltraSpeed | 1T+ MoE（同 Pro） | 1,048,576 | $4.35/M | $8.70/M | $0.036/M |
| MiMo-V2.5 | 全模态 agentic | 1,050,000 | $0.40/M | $2.00/M | $0.08/M |
| MiMo-V2.5-Pro | 1T+ MoE | 1,050,000 | $0.48/M | $1.80/M | $0.096/M |
在深入之前，先讲三个观察。
MiMo-V2.6-Flash 是所有主要 API 厂商中最便宜的 1M 上下文窗口购买方式。 每百万 $0.14 输入、$0.28 输出，Flash 低于所有上下文窗口超过 500K token 的可比模型。Gemini 1.5 Flash 每百万 $0.075，但上下文窗口封顶 1M 且输入上限 2M——MiMo 没有这个限制。唯一更便宜的 1M 上下文选项是 Groq 的 Llama 3.1 70B（每百万 $0.05），但那是 70B 稠密模型，不是 309B MoE。对于既需要大上下文又需要大参数量的工作量，Flash 在这个价格区间是唯一选择。
UltraSpeed 溢价恰好是 10 倍，理解原因很重要。 MiMo-V2.6-Pro-UltraSpeed 与标准 Pro 是同一个 1T+ MoE 检查点，但通过模型-系统协同设计路径提供服务，小米称其实现了每秒 1000+ token。$4.35/$8.70 的费率恰好是标准 Pro 费率 $0.435/$0.87 的 10 倍。这个比率说明小米把 UltraSpeed 定价为延迟产品，而非质量产品。你为速度付费，不是为能力付费。如果你的工作量是批处理或近实时的，标准 Pro 在 $0.435/$0.87 是显而易见的选择。如果你在构建语音助手或交互式编程助手，每毫秒延迟都会叠加，UltraSpeed 溢价可能是合理的。
V2.5 系列仍在价目表上，尚未过时。 MiMo-V2.5 是原生全模态模型（文本、图像、视频、音频输入），带 agentic 调优。MiMo-V2.5-Pro 是 V2.6-Pro 的前身，架构相同（70 层、384 专家）。小米尚未公布这两款模型的终止服务日期，V2.5 的定价（全模态基础版每百万 $0.40/$2.00）对不需要 V2.6 质量提升的工作量仍有竞争力。风险在于小米最终会用 V2.6 取代 V2.5，因此应将 V2.5 视为备选而非首选。
架构： nobody else 在构建的 384 专家 MoE
MiMo 架构值得单独一节，因为它与行业其他产品 genuinely 不同。
MiMo-V2.6-Pro 采用混合专家设计，384 个路由专家、每 token 激活 8 个，底座为 70 层、6144 隐维度、128 个注意力头、8 个 KV 头。每个专家的 MoE 中间维度为 2048。模型还内置视觉编码器（28 层、1280 隐维度）、音频编码器和视频 token 管道，全部汇入同一个 transformer 底座。这就是小米称其为"全模态"而非"多模态"的原因：各种模态不是作为适配器外挂的，而是架构中的一等公民。
注意力机制是混合的。MiMo 在局部层使用滑窗注意力（窗口 128 token），在全注意力层使用 RoPE theta 1000 万。这种混合设计使模型能够以低于纯全注意力二次方成本的代价扩展到 1M 上下文。滑窗层廉价地处理序列主体，全注意力层维持全局连贯性。这与 Mistral 在 Mixtral 系列中的设计理念相同，但小米将其扩展到了更长的上下文。
实际含义：MiMo 可以接受 1M token 输入——整个代码库、整本书、一周的会议纪要——并通过 384 个各擅其长的专家进行处理。每 token 8 专家路由意味着每 token 有效参数量约为 15B，这就是小米如何将 Flash 的推理成本控制在每百万 $0.14。你支付的是 309B 模型的价格，获得的是 15B 模型的延迟。
开放权重与自托管
小米在 Hugging Face 的 XiaomiMiMo 组织下发布 MiMo 模型权重。V2.6 系列以 MXFP4 量化格式提供：
| 模型 | HF 仓库 | 大小（MXFP4） | 架构 |
|---|---|---|---|
| MiMo-V2.6-Pro | XiaomiMiMo/MiMo-V2.6-Pro-RL | 566 GB | 70 层, 6144 隐维度, 384 专家 |
| MiMo-V2.6-Flash | XiaomiMiMo/MiMo-V2.6-Flash-RL | 173 GB | 48 层, 4096 隐维度, MoE |
RL 后缀表示这些是强化学习调优版本，也就是小米通过 API 提供服务的版本。原始的预 RL 检查点也可获取。MiMo-V2.5 系列采用 Apache 2.0 许可证，V2.6 采用小米专属许可证，允许商用但需署名。
自托管的数学很直接。MiMo-V2.6-Flash 的 MXFP4 格式 173 GB 可以装入两张 H100 80GB GPU 或四张 A100 40GB GPU。按单张 H100 约 $3.40/小时的当前云价格，24/7 运行 Flash 的专用硬件成本约为每天 $240。对比 API 费率每百万 $0.14 输入，自托管在每天约 17 亿输入 token 时达到盈亏平衡——这个量级只有最大型企业才能达到。对其他所有人来说，API 是更便宜的路径。
MiMo-V2.6-Pro 的 566 GB 则是另一回事。MXFP4 格式至少需要八张 H100 80GB GPU，专用 GPU 成本约 $27/小时。对比 API 费率每百万 $0.435，自托管在每天约 6200 万 token 时盈亏平衡，这个量级中等 AI 原生公司可以达到。这里的计算完全取决于你的利用率：如果以 80% 利用率运行模型，自托管 Pro 与 API 相当；如果以 20% 利用率运行，API 优势明显。
集成：OpenRouter 上 OpenAI 兼容
调用 MiMo 最快的方式是通过 OpenRouter，全部五款模型都通过标准 OpenAI 兼容端点提供服务。创建 OpenRouter API key，设置 base URL，使用所列模型 ID。
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-...xxxx",
)
resp = client.chat.completions.create(
model="xiaomi/mimo-v2.6-flash",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Summarize the key findings from this 500-page report."},
],
max_tokens=4096,
stream=True,
)
for chunk in resp:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="")
同样的调用通过纯 HTTP：
curl -s https://openrouter.ai/api/v1/chat/completions \\\
-H "Authorization: Bearer *** \\\
-H "Content-Type: application/json" \\\
-d '{
"model": "xiaomi/mimo-v2.6-pro",
"messages": [
{"role": "user", "content": "Write a Python function to parse a 1M-token log file."}
],
"max_tokens": 4096
}'
MiMo-V2.6-Pro 支持的参数包含你对现代聊天模型的一切期待：temperature、top_p、top_k、min_p、frequency_penalty、presence_penalty、repetition_penalty、seed、stop、max_tokens、response_format、structured_outputs、tool_choice、tools，以及控制是否返回思维链 token 的 reasoning 开关。默认 temperature 为 1.0，默认 top_p 为 0.95，均高于 OpenAI 默认值——如果你移植现有提示词，请先将 temperature 降至 0.7 再调优。
小米也在 mimo.xiaomi.com 运营直接 API 和开发者门户。如果你想与小米建立第一方关系，直接路径值得考虑，但 OpenRouter 路径集成更快、提供多厂商冗余（OpenRouter 上五家厂商服务 MiMo-V2.6-Pro），并允许你通过单一 API key 混合使用 MiMo 与其他厂商的模型。
基准测试：agentic 任务强劲，代码有竞争力
小米在 OpenRouter 模型卡和 MiMo 开发者门户上发布了 MiMo-V2.6-Pro 的大量基准测试结果。对 API 买家最相关的数字：
| 基准 | MiMo-V2.6-Pro | 可比水平 |
|---|---|---|
| Terminal-Bench 4.0 | 有竞争力 | GPT-4o 水平 |
| SWE-bench Multimodal | 强劲 | 接近 Claude 3.5 Sonnet |
| Design Arena Webapps Elo | 1278 | 全球排名第 8 |
| HLE（Humanity's Last Exam） | 已公布 | 见模型卡 |
| SciCode | 已公布 | 见模型卡 |
Design Arena 结果最能说明问题。MiMo-V2.6-Pro 在 Design Arena Webapps 类别中 Elo 分数 1278，全球排名第 8——领先于研究预算大得多的公司的模型。58.3% 的胜率意味着它在人类评估者评判的对比中，战胜平均竞争对手的次数更多。对于一家智能手机厂商 AI 实验室的模型来说，这是 remarkable 的结果。
终端和编码基准是 MiMo-V2.6-Pro 最具竞争力的领域。该模型针对 agentic 任务进行了显式调优——使用工具、导航代码库、执行多步骤工作流的能力。如果你的工作量是"给模型一个代码库，让它修 bug"，MiMo-V2.6-Pro 在其价格区间是最强的选择之一。
与竞品的对比
最直接的对比是 DeepSeek V4.1，它占据了相同的"大 MoE 加长上下文"生态位。DeepSeek V4.1 在 OpenRouter 上每百万 $0.14/$0.28——与 MiMo-V2.6-Flash 完全相同——但上下文窗口为 128K，对比 MiMo 的 1M。对于 128K token 以下的工作量，DeepSeek 是更安全的选择，因为模型更成熟、生态系统更大、社区支持更深。对于 128K 以上的工作量，MiMo 是这个价格区间的唯一选项。
对比 Qwen3.8-27B（部分厂商每百万 $0.60/$3.30），MiMo-V2.6-Flash 在输入和输出上都更便宜。Qwen 拥有更大的安装基础和更好的工具链支持，但 MiMo 的 1M 上下文在长文档任务上优势明显。
对比 Gemini 1.5 Flash（每百万 $0.075/$0.30），MiMo-V2.6-Flash 输入更贵但输出有竞争力。Gemini 拥有 Google 基础设施的优势、包含图像生成的多模态管道，以及更大的上下文窗口（2M 对比 1M）。MiMo 的优势在于开放权重、更透明的架构和更低的输出价格。选择取决于你需要图像生成（Gemini）还是自托管可选性（MiMo）。
诚实的不足
平台上线仅两个月。 MiMo-V2.6 于 2026 年 9 月 21 日发布。价格是 introductory 的，厂商列表很短，社区很小。如果你在构建需要运行数年的生产系统，这些都是真实的风险。小米可能改变定价、弃用模型或限制访问，通知期有限。开放权重发布缓解了这种风险——你总是可以自托管——但 API 路径本身还很年轻。
OpenRouter 路径上没有中国大陆端点。 小米是中国公司，但 OpenRouter 上的 MiMo 端点运行在境外厂商上（GMICloud、DeepInfra、NovitaAI、小米、StreamLake）。当前厂商列表中没有中国大陆优化端点。对于中国本土工作量，延迟可能高于直接调用国内厂商。小米自己的 mimo.xiaomi.com 门户可能服务中国流量，但我们尚未从测试环境验证这一点。
V2.5 的定价是一个异常值。 MiMo-V2.5 每百万 $0.40/$2.00 的输出价格是输入价格的 5 倍，这不寻常。大多数模型的输出定价为输入的 1.5-3 倍。V2.5 每百万 $2.00 的输出费率使其成为 MiMo 阵容中输出侧最贵的模型之一，这实际上不鼓励在 V2.5 上做长生成任务。如果需要长输出，请改用 V2.6-Flash。
没有 Batch API 或专用部署层。 与 Scaleway 或 Together AI 不同，小米没有通过 OpenRouter 路径公布批量折扣或专用 GPU 部署选项。定价是纯按量付费。对于高容量离线工作量，这意味着你支付全额按 token 费率，没有批量折扣。
总结
小米 MiMo 是 2026 年末最有趣的新 API 平台。MiMo-V2.6 家族以这个价格提供了无与伦比组合：1M token 上下文窗口、309B 或 1T+ MoE 且每 token 激活 15B、原生全模态输入、开放权重，以及从每百万 $0.14 起跳的按百万 token 计价。架构真正具有创新性——384 个专家每 token 激活 8 个，这是我们见过的生产 API 模型中最大的专家数量——agentic 任务的基准测试结果可与规模大得多的实验室的模型竞争。
风险是真实的：平台上线仅两个月，厂商列表很短，定价可能变化。但开放权重发布给了你大多数闭源模型厂商无法提供的退出策略。如果 API 定价变得不利，你可以自托管同样的权重。这种可选性是有价值的，而且是稀有的。
从 MiMo-V2.6-Flash 开始，用在真正需要长上下文的工作量上。如果质量过关，再迁移到 MiMo-V2.6-Pro 处理更难的任务。关注 V2.5 的定价——如果小米将输出费率降到与 V2.6 有竞争力的水平，全模态 V2.5 可能成为阵容中性价比最高的选择。
来源： OpenRouter 模型目录（xiaomi/mimo-v2.6-pro、xiaomi/mimo-v2.6-flash、xiaomi/mimo-v2.6-pro-ultraspeed、xiaomi/mimo-v2.5、xiaomi/mimo-v2.5-pro）、Hugging Face XiaomiMiMo 组织、小米 MiMo 开发者门户（mimo.xiaomi.com）。全部于 2026 年 11 月 1 日核实。