MiMo 上手：省 token 是真的，别的呢

作为一个对小米这套模型体系完全不懂的人，我试了一下 MiMo。先交个底，我不是第一次用大模型，OpenAI 那边用了两个月，DeepSeek Harness 大概一个月，端侧模型也摸了一个月。但小米的 MiMo 确实头一回上手，所以这篇只讲我自己踩到的和看到的，不替谁背书。\n\n入口有两条，一条网页版直接对话，一条 API 接入。我两条都走了一遍。网页版没门槛，进去就是一个输入框，跟大多数对话产品长得差不多，不用配置。API 那条费点事，要先加凭证，再确认模型 ID 有没有出现在当前配置里。我在这儿卡了一下，模型目录更新比发布慢半拍，得自己确认目标 ID 挂上没有。\n\n> MiMo V2.5 Pro 有一点很不错：它似乎是目前 token 效率最高的开源模型。\n\n这是 InfoQ 评测里的说法。我拿它跑了几个长文本任务，感受差不多。它思考的时候话不多，不绕圈子。同样一段材料，它给出的答案比我惯用的那几个短一截，关键点没漏。\n\n先说长上下文。V2.5 系列标称支持 100 万 token 上下文，这个量我一次喂不进去，但一份长报告加几份附件丢进去，它没崩，也没开始胡编。做尽调的人知道这意味着什么，招股书加研报，可以一次过。\n\n再说 token 效率。按 ClawEval 的测试，V2.5-Pro 每条轨迹大约消耗 7 万 token，拿到 64% 的 Pass^3，比 Claude Opus 4.6、Gemini 3.1 Pro 和 GPT-5.4 少用大约四到六成 token。这个数我复现不了，但我自己记账的感觉对得上，跑同样的活，账单确实低。\n\n开源也算一条。MIT 协议，1T 总参数、42B 激活参数，这个组合意味着想自己部署的团队有得选，不用被 API 价格锁死。它还有文本、视觉、语音的多模态版本，走的是另一条上下文规格。MiMo 也不只是云端模型，它是要塞进手机、小爱同学和汽车座舱的。内部我看不到，但逻辑上，端侧推理一旦跑通，成本结构跟纯云端是两回事。\n\n缺点也有。编程不是它最强的地方，有评测跑了前端逻辑、APP 全栈、Java 后端，结论是有能力，但不是顶尖那一档。我拿它写了几段脚本，能用，复杂重构我会换回平时用的工具。文档和生态也还在追，模型 ID 目录滞后这种小事，第一次接的人就会卡住，工具链、SDK、周边集成的成熟度，跟 OpenAI 那边不是一个量级。版本节奏还快，V2.5、V2.6、Pro、Flash，命名和版本叠得密，选型的人容易看花眼。\n\n所以我的判断是看情况。适合已经在小米生态里的团队，适合预算敏感、跑长程 agent 任务、对 token 成本敏感的人，也适合想自己部署的开源派。不适合把编程能力当唯一标准的人，也不适合工具链已经绑死在别家生态上、迁移成本大于收益的人。\n\n趋势上，开源模型的下一个分水岭是 token 效率，不是参数。谁的模型能在一个任务上少花一半的钱，谁就能进企业的采购清单。模型公司的估值逻辑，会从「多大」转向「每个任务多少钱」，端侧这条线会先把这个账算清楚。