5月27日，小米宣布对 MiMo-V2.5 系列 API 进行永久性降价。
具体来看，MiMo-V2.5-Pro 的输入缓存命中价格下调至 0.025 元/百万 tokens，输入未命中价格为 3 元/百万 tokens，输出价格为 6 元/百万 tokens。标准版 MiMo-V2.5 的价格更低：缓存命中 0.02 元/百万 tokens，输入未命中 1 元/百万 tokens，输出 2 元/百万 tokens。
这显然不是一次普通的限时促销。
把价格横向对比后就会发现，小米这次降价并不是简单调整，而是明显在对标 DeepSeek——MiMo-V2.5-Pro 对应 DeepSeek V4-Pro，MiMo-V2.5 对应 DeepSeek V4-Flash。
如今，DeepSeek 已经不只是一个大模型名称。至少在国产大模型市场里，它正在逐渐变成一把衡量 API 价格的标尺。
这把“价格尺子”持续拷问着各家大模型厂商：你的模型 API 到底卖多少钱？
这个问题平等地摆在所有玩家面前，同时也带来了新的市场机会。像小米 MiMo 这样的后来者，策略上可以更灵活，也更有机会借着 DeepSeek 设定的价格锚点，为自己争取一个进入主流竞争牌桌的机会。
token的价格划分越来越细了
先来看这次 API 降价具体是如何发生的。
在这张价格表中，最值得注意的细节，是把缓存命中和缓存未命中明确拆分成了两套价格体系。这其实已经成为当前大模型价格战背后的关键逻辑。
所谓缓存命中，简单来说就是：如果当前请求的前缀内容，和之前某次请求的前缀一致，平台就不需要从头重新计算，而是可以直接复用此前保存的中间结果。
大模型处理长上下文时，成本通常可以分成两部分。第一部分叫 prefill，可以理解为“读题”——系统提示词、项目代码、企业知识文档、历史对话等内容，都要先被模型读入。第二部分叫 decode，可以理解为“答题”——模型再一个 token 一个 token 地生成最终回复。
过去大家讨论大模型 API 价格时，主要关注输入和输出成本。但现在，大模型越来越多地被应用在 Agent、AI 编程、知识库问答和长对话等场景中，许多输入内容实际上是反复重复的。比如代码助手每次都要读取同一个代码仓库，企业智能助手每次都要加载同一批规章制度文档，Agent 每一轮调用都会附带相同的工具说明和系统规则。很多时候，真正变化的只是最后那一句用户指令。
这时，缓存就成为影响大模型推理成本的重要变量。第一次做题需要完整打草稿，第二次如果题目前半部分相同，就没必要重新打一次草稿。缓存命中价格之所以能低到惊人，核心原因就在这里。以 MiMo-V2.5-Pro 为例，未命中输入价格是 3 元/百万 tokens，而缓存命中后只要 0.025 元/百万 tokens，价差高达 120 倍。
价格战的意味确实越来越浓，但大模型厂商已经不再把 token 当成一种完全统一的标准商品来出售。新的输入、缓存输入、输出 token，背后对应的是三种不同的成本结构。这一轮大模型 API 降价，不是“所有 token 一起变便宜”，而是厂商开始根据真实推理成本，把 token 进一步拆分并重新定价。
降价来自“机房”
“最高降幅 99%”当然是最吸引眼球的卖点，但真正的门道其实来自更底层的技术和基础设施优化。
在降价公告中，小米团队提到，他们基于 SGLang HiCache 完整支持 SWA（Sliding Window Attention），将 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了优化前的近 1/7，同时把可缓存 token 数量提升到接近 5 倍。
这段表述，解释了此次 API 永久降价背后的另一层原因。
大模型每生成一个 token，都需要参考此前的上下文。如果每一步都把全部上下文重新计算一次，整体成本会非常高。KV Cache 存储的，就是前面 token 在注意力机制中计算出的 Key 和 Value——它相当于把模型已经读过的内容，转化成可以反复复用的“计算草稿”。
但这份草稿也需要存放空间。最理想的位置是 GPU 显存，速度最快，但成本也最高；其次是 CPU 内存；再往下则是 SSD，虽然便宜，但速度更慢。缓存规模越大，就越不可能全部放在显存中。因此，哪些缓存放进显存，哪些放在内存，哪些转移到 SSD？什么时候迁移？迁移多少？又怎样避免数据搬运本身拖慢推理效率？这正是小米公告中“多级存储之间的数据搬运量降低”的真实含义。
过去为了复用上下文，要么长期占用昂贵显存，要么频繁在不同存储层之间来回搬运，结果省下来的计算成本，很可能又被搬运成本抵消掉。现在，随着系统调度能力更强，缓存搬运更少、可存内容更多、命中率更高，缓存价格才真正有条件继续往下打。
所以，如果低价只是靠补贴，那本质上仍然是烧钱换流量；但如果低价来自 KV Cache、SWA、多级存储、专家并行以及输入长度分桶等推理基础设施优化，那它就代表一种长期可持续的能力。前者只能带来阶段性的用户增长，后者才有可能真正重塑大模型 API 的长期价格体系。据小米透露，相关技术细节更完整的论文也会在稍后发布。
DeepSeek出的题，能不能变成小米的稻草
降价无疑会在短期内为一个模型带来更多用户，而小米这次的降价，除了技术优化带来的可能性之外，其实也明显设计了时点和节奏——它选择在 DeepSeek 刚完成新一轮降价之后，迅速贴身跟进。
DeepSeek 给所有大模型厂商出了一道现实难题：当像 DeepSeek 这样能力强的模型也能以低价开放 API 调用时，其他模型厂商凭什么继续维持原有价格？
过去，国产模型公司只要比 GPT、Claude 更便宜，就能够解释自己的性价比优势。但在 DeepSeek 把价格锚点进一步拉低之后，整个行业进入了一个更难受的阶段。如果你的价格比 DeepSeek 高出很多，就必须证明自己的模型能力强出很多；如果能力接近，就必须证明自己响应速度更快、服务稳定性更好、生态兼容更顺畅；如果能力、价格和使用体验都没有明显优势，就只能退守到更细分的垂直场景里——比如多模态、端侧模型、企业私有化部署、行业专用模型或工具链绑定。如果这些差异化能力也不存在，那就只能更早退出竞争。
DeepSeek 像一条鲶鱼，它未必让所有模型立刻一起降价，但它让“贵”这件事必须重新被解释。Claude 可以用 coding 和复杂任务处理能力解释自己的价格，GPT 可以用成熟生态、多模态能力和工具链整合解释自己的价格。那么，小米这样尚未形成明显用户规模效应的后来者，又该如何回答这个问题？尤其是目前小米的核心基本盘，并不在一个独立的大模型品牌上，而是在手机、汽车、IoT、HyperOS 和智能硬件生态之中。
所以，MiMo 当前最大的挑战，无论对内还是对外，都是：一个并非开发者默认首选的基础模型，如何先进入开发者的大模型候选名单？
这一次，MiMo 显然决定抓住 DeepSeek 这根“价格稻草”，在价格层面进行像素级对标——这或许已经是最现实的机会。它必须借着 DeepSeek 设定的市场标准，才有可能真正坐上牌桌。只有把 API 价格打到与 DeepSeek 同一档位，开发者才可能愿意尝试。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。尤其是在 Agent、Coding、长上下文等高频调用场景中，一次任务往往就是几十轮模型调用。只要价格比 DeepSeek 高出一截，开发者甚至还没来得及体验模型差异，就已经先被账单劝退了。
而另一侧的压力其实也来自小米内部：MiMo 需要尽快证明，自己到底能不能成长为小米生态里的 AI 基础能力。对小米来说，大模型 API 业务未必是终点。它真正想进入的，不只是开发者控制台，而是自家完整的智能生态场景。但模型要进入这些场景，不能只靠发布会或参数表。它需要足够多的真实调用，需要开发者在真实任务中反复测试，也需要用户在长对话、代码生成、Agent、知识库、车机交互和设备控制等应用场景中持续使用。只有当这些真实使用数据不断回流，模型才能知道哪些能力真正有价值，哪些场景值得持续优化，哪些接口设计需要重构。
于是，哪怕罗福莉前不久刚提出模型不能“盲目降价”，今天 MiMo 也必须主动发起这场价格战。而罗福莉最新的推文，也对这一点做了进一步解释：“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。”
在刚刚降价一天的时间节点上，这样的描述看起来更像一个理想化假设。如果做成了，MiMo 就真正站上了牌桌；如果做不成，那就会是另一个完全不同的故事。
