如何评价小米6月9日发布的MiMo-V2.5-Pro-UltraSpeed模式？
小米MiMo Ultra-Speed，“秒速1000T” 大概有多快？
拿最近的高考举个例子：
想象一下，你在考场中，刚拿到卷子，卷子还没展平，旁边的哥们已经交卷拿满分走人了。
MiMo的成绩：2025年卷
语文：思考2.8秒，答题10.7秒，总计13.5秒，148/150分。（作文象征性扣了2分。）
数学：思考105秒，答题8.8秒，竞赛技巧满屏乱飞，爆杀高考，最后潇洒离场。124/124分（跳过了几道几何视图题）。
注：阅卷的是Gemini 3.1 Pro，不是我，人还能有Gemini聪明？2026卷有小米官方高考保护，所以做不了，这也挺好的，保护考生人人有责。
目前测到的速度：
自然语言：400 - 700 token/s
代码Think：600 - 700 token/s
代码Write：飙到 1000 - 1200 token/s
多轮不降速，考虑到这个模型未来的一个实战领域基本都会在泛代码领域，1000 Token/s就是一个典型速度，与小米官报是类似的。
（我在想这自然语言是不是有毒啊，笑死个人。）
https://www.zhihu.com/video/2047704303360537846这里有段录屏，可以看到 MiMo 实时推理的速度。
MiMo 原汤化原食。我的浏览器没有录屏插件，直接让MIMO Ultra Speed用几十秒手搓了一个录屏插件。
MiMo 在一次Response 中把所有代码按分段写完，扔给Hermes打了个包，总耗时2分钟就搞定一个插件。这才是人过的日子 —— 心一想，事就成。
继续测试，是否降智？
（这必须要实战一下）
在银行Python代码风控和流程测试中，MiMo Ultra Speed拿到了和Qwen3.7 Max，Gemini 3.1 Pro一样的分数，96分。
这道题Deepseek V4 pro，豆包专家版是94分。（阅卷者是GPT 5.5）
看起来，速度提上去了，的确没有降智。如果降智了，就可能就达不到90分，更达不到 95 分以上。
当然，我最喜欢的MiMo Ultra Speed的，并不仅仅是智商和速度，而是它的审美——包括2D平面设计和声效美学，这部分表现，也并没有因为速度的提升而降低。
小号模型MiMo-V2.5也有，属于MiMo的家族特性。每次提到MiMo我都会提到这件事的，纯粹是有趣的灵魂做出来的模型。
只需要告诉它，你要什么，不需要手把手指导细节，它就可以把所有元素通盘考虑，统一到一起，不产生东一块西一块的违和感。 这还要毛线个Design skills.
来听听 MiMo “秒速 1000T”做的完整音乐。我非常惊讶于它在 3 分钟的时长里，可以用纯代码手搓出一段标准音乐结构，有起势、推进、高潮、回落，而且很符合那种未来朋克的味道，多声轨有机融合。这个东西全靠模型的泛化理解能力。
https://www.zhihu.com/video/2047710524058740477（手机录屏时画质、音质有损失。）
这是我见过用纯代码手搓出来的、细节最“保熟”的马里奥。只有一处明显bug（而且还能正常玩，这哪儿说理去。）
小米到底是如何实现，这种“秒速1000T、同时不降智”的效果？
我的第一反应，是他们用SRAM了，因为量化肯定要降智的，会出现张冠李戴，细节错乱的问题。但SRAM这个技术，国内是没有的。这件事就非常费姐了。
从目前的技术揭秘来看，MiMo只用到了通用GPU。而他们手法，就是最擅长的——深度理解稀疏、榨干模型。
原理大概是：
① 深度理解MoE：
万亿 MoE 模型里，绝大部分体积都是只会搬运计算的 Expert 模块，真正管思考、做决策的是 Router 和注意力模块。小米只给冗余的 Expert（专家） 做 FP4 压缩，核心决策模块全程保留原精度，还搭配量化感知训练补全损耗，简单说就是只减赘肉、不伤大脑。
② DFlash 草稿机制：
改写了大模型的干活方式。传统大模型比较耿直，生成一个字，就要完整跑一次全程运算。小米直接加了个轻量级 Drafter，一次性草拟 8 个候选 token，主模型只需要一次性批量验证。 coding 场景下，8 个草稿能命中 6 到 7 个，效率直接翻倍。
③ TileRT 算子优化：
直接把算子衔接间隙压到微秒级。以前模型运算，每完成一道工序就要重启一次生产线，特别浪费时间。现在优化完直接一次开线、持续运转。
所以，秒速1000T，是精准量化、草稿推理、算子优化三件技术叠加的结果，单靠任何一项都做不到。
这对小米来说，有什么意义？
一次投入，反复受益：这次为了提速所做的大量工程改造，并不是那种“头痛医头”的临时方案，而是沉淀成了一套可以反复复用的底层能力。以后再上新模型、接入新场景，直接就能用，不用再折腾一遍。
换硬件也不怕：就算下一代换了新的通用 GPU，小米也不用从零开始重新适配、重新做优化。在现有能力的基础上做个适配升级，速度和成本的优势，照样能平滑地迁移到新平台上。
模型越多，用得越久，优势就越大：随着小米自己的模型越来越多，落地的业务场景越来越广，这套底层能力会被越来越多的产品反复调用。这么一来，成本会越摊越薄，效果会越放越大，技术优势和成本优势会形成一种“雪球效应”，越滚越强。
“秒速1000T”，的意义，不只是推理跑得快了一点，而是真正打开了大量应用场景的想象空间：
很多以前因为速度不够快、成本下不来的场景，现在头一次能被用起来了。
比如高频量化交易，金融实时反欺诈风控里毫秒级的风险评估，企业级代码助手里几十轮的实时交互一点都不卡，还有广告 RTB 竞价中 100 毫秒窗口内的全套决策……这些场景，现在都跑得通了。
我产生了一个新问题：
中国的稀疏之王，是梁文锋，还是罗福莉？
事情正在变得，越发的有趣。