小米 MiMo-V2.5 系列 API 的永久降价绝非普通促销，而是直指 DeepSeek 的价格对标行动。通过拆分缓存命中与未命中价格，并借助 SGLang HiCache 技术优化多级存储调度，小米将输入 token 成本压缩至 0.025 元/百万 tokens。这场由 KV Cache 和 SWA 技术驱动的新型价格战，正在改写大模型市场的成本结构与竞争逻辑。

5 月 27 日，小米把 MiMo-V2.5 系列 API 永久降价。

MiMo-V2.5-Pro 的输入缓存命中价格降到 0.025 元/百万 tokens，输入未命中价格 3 元/百万 tokens，输出价格 6 元/百万 tokens。普通版 MiMo-V2.5 更低：缓存命中 0.02 元，输入未命中 1 元，输出 2 元。

这不是一次常规促销。

因为把价格横向一比就会发现，小米这次不是随便降价，而是直接对标 DeepSeek。

MiMo-V2.5-Pro 对 DeepSeek V4-Pro，MiMo-V2.5 对 DeepSeek V4-Flash。

如今，DeepSeek 已经不只是一个模型名字。至少在国产大模型市场里，它正在变成一把价格尺子。

这把尺子反复抽打各大模型公司：你的模型卖多少钱啊？

而这样一个问题平等的提给所有人，也就创造了一些新的机会，如小米MiMo这样的后来者，可以比其他模型身段更灵活，进而可以“蹭”着DeepSeek赌出一个上牌桌的机会。

01 token 的价格划分越来越细了

先来看看降价如何发生。

在这张价格表里，最重要的细节是它把缓存命中和缓存未命中明确拆成了两种价格。

这已经是今天大模型价格战的暗线。

所谓缓存命中，说白了就是：如果这次请求的前缀内容，和之前某次请求的前缀内容一样，平台就不用从头再算一遍，而是复用之前保存下来的中间结果。

大模型处理长上下文时，成本大体分两段。

第一段叫 prefill，可以理解成“读题”。系统提示词、项目代码、企业文档、历史对话，都要先被模型读进去。

第二段叫 decode，可以理解成“答题”。模型再一个 token 一个 token 往外生成回答。

过去大家谈 API 价格，主要看输入和输出。但现在大模型越来越多地用在 Agent、Coding、知识库和长对话里，很多输入其实是重复的。

代码助手每次都要看同一个仓库，企业助手每次都要读同一批制度文档，Agent 每一轮都带着同一套工具说明和系统规则。

可能真正的不同只是最后一句指令。

这时候，缓存就成了成本结构里的关键变量。

第一次做题要打草稿，第二次题目前半段一样，就不用重新打草稿。缓存命中价格之所以能低到离谱，原因就在这里。

以 MiMo-V2.5-Pro 为例，未命中输入是 3 元/百万 tokens，缓存命中后是 0.025 元，差了 120 倍。

价格战的味道很浓，但大模型厂商已经不再把 token 当成一种统一商品来卖。新输入、缓存输入、输出 token，背后是三种完全不同的成本结构。这一轮价格战不是“所有 token 一起便宜”，而是厂商开始按照真实成本，把 token 拆开重新定价。

02 降价来自“机房”

“最高降幅 99%”是最大噱头，但背后的门道来自其他地方。

在降价的公告里小米团队提到，他们基于 SGLang HiCache 完整支持 SWA，也就是 Sliding Window Attention，把 KV Cache 在 GPU 显存、CPU 内存、SSD 多级存储之间的数据搬运量降低到优化前的近 1/7，同时把可缓存 token 数量提升到近 5 倍。

这段话解释了这次降价的另一层原因。

大模型每生成一个 token，都要参考前面的上下文。如果每一步都把所有上下文重新算一遍，成本会非常高。KV Cache 存的，就是前面 token 在注意力机制里算出来的 Key 和 Value。

它相当于把模型已经读过的内容，变成可复用的“计算草稿”。

但草稿也要放地方。最好的地方是 GPU 显存，速度最快，也最贵；其次是 CPU 内存；再往下是 SSD，便宜但慢。缓存越多，越不可能全放在显存里。

于是，哪些缓存放显存，哪些放内存，哪些放 SSD？什么时候搬？搬多少？怎么避免搬运本身拖慢推理？

这就是小米公告里“多级存储之间的数据搬运量降低”的含义。

以前为了复用上下文，要么占着昂贵显存，要么在不同存储之间来回搬，省下来的计算成本又被搬运成本吃掉。现在系统调度更聪明了，搬得更少，存得更多，命中率更高，缓存价才有条件继续往下打。

所以，低价只靠补贴，它就是烧钱，如果低价来自 KV Cache、SWA、多级存储、专家并行和输入长度分桶，它就是基础设施能力。

前者只能换一阵子的流量，后者才可能改变长期价格。据小米透露，相关的更丰富细节的技术论文会在稍后发出。

03 DeepSeek 出的题，能不能变成小米的稻草

降价无疑会在短期给一个模型带来用户增加，而小米的降价除了官方透露的技术上的变化带来的可能外，其实很明显也设计了降价的时点和节奏。

它选择在DeepSeek刚刚最新一轮的降价后马上贴身跟上。

DeepSeek 给所有模型厂商出了一道题，当强如 DeepSeek 也可以低价调用时，其他模型厂商还凭什么维持原来的价格？

以前国产模型公司只要比 GPT、Claude 便宜，就能解释自己的性价比。但 DeepSeek 把价格锚点打下来以后，行业进入了一个更难受的阶段。

如果你比 DeepSeek 贵很多，就必须证明自己能力强很多。如果你能力差不多，就必须证明自己速度更快、稳定性更好、生态更顺。如果能力、价格和体验都没有明显优势，就只能退到更窄的场景里，比如多模态、端侧、企业私有化、行业模型、工具链绑定。

如果这些都没有，那就只能早点退出。

DeepSeek 像一条鲶鱼，没有让所有模型都立刻变便宜，但让“贵”这件事需要重新解释。

Claude 可以用 coding 和复杂任务能力解释自己的价格，GPT 可以用完整生态、多模态和工具链解释自己的价格。

那小米这样的还没有产生任何用户规模效应的后来者呢？尤其是小米目前的核心盘子，不在一个独立模型品牌上，而在手机、汽车、IoT、HyperOS 和智能硬件生态里。

所以 MiMo 目前最大的挑战，无论对内还是对外，都是：一个并非默认首选的基础模型，如何先进入开发者的候选名单？

这一次，MiMo显然决定要抓住DeepSeek这个稻草，从价格上像素级对标，这可能是唯一的机会。它必须抓着DeepSeek来蹦上牌桌。

只有把价格打到 DeepSeek 同一档，才可能有人来用。在 API 市场里，开发者不会无缘无故把调用量交给一个新模型。尤其是 Agent、Coding、长上下文这些场景，一次任务可能就是几十轮调用。只要价格比 DeepSeek 高一截，开发者还没试到模型差异，就已经先被账单劝退了。

而另一侧的压力也来自内部：MiMo要尽快证明，它到底能不能变成小米生态里的 AI 基础能力。

对小米来说，模型 API 不一定是终点。它最终要去的地方，不只是开发者控制台，而是自家的生态。

但模型想进入这些场景，不能只靠发布会和参数表。它需要大量真实调用，需要开发者在真实任务里反复试，需要用户在长对话、代码、Agent、知识库、车机和设备控制等场景里持续使用。只有这些使用数据回来，模型才知道哪些能力真的有用，哪些场景值得优化，哪些接口需要重做。

于是，哪怕罗福莉前不久刚刚提出模型不能“盲目降价”，今天MiMo也必须发起一场价格战。而罗福莉最新的推文里也对此作了解释：

“在新降价后的 API 价格下运行，我们的生产推理引擎接近满负荷运转，仍能基本实现收支平衡。我们此前建议 LLM 公司不要盲目降价，正是因为很少有模型架构和推理优化能让 API 成本避免亏损。如果更多节省计算和 KV 缓存的架构出现，并辅以更优的推理基础设施来压低 API 成本，这将在行业内形成一个极佳的良性循环。”

在刚刚降价一天的节点，这个描述看起来更多还是一个完美假设，实现了，MiMo就彻底上了台桌，实现不了，就是另一个故事了。