@_LuoFuli：MiMo API 透過架構優化與推論引擎升級，實現最高 99% 的快取輸入大幅降價。 核心技術優化 Fuli Luo 指出，此次價格調整主要歸功於推論架…

MiMo API 透過架構優化與推論引擎升級，實現最高 99% 的快取輸入大幅降價。 核心技術優化 Fuli Luo 指出，此次價格調整主要歸功於推論架構的重大突破，特別是針對「Input (Cache Hit)」的費用調降了 99%。關鍵技術改進包括： 支援「SWA (Sliding Window Attention)」的分層 KV 快取最佳化，經生產環境測試，此舉使快取 token 容量提升 5 倍，相當於快取成本降低 80%。 結合混合模型中多個「Full Attention」模組間的「Cache Read Overlap」，進一步壓低實際營運成本。 採用 1:7 的「Full:SWA」極致稀疏比例，使得 70 層的「MiMo-V2.5-Pro」模型在預填充（prefill）階段的運算量，僅相當於 10 層的「GQA」模型。 定價策略與市場觀點 由於架構優勢，MiMo 原本的推論成本已遠低於業界平均，並保有 2 倍至 3 倍的利潤空間。Fuli Luo 強調，此次將「Input (Cache Miss)」與「Output」價格調降 60% 至 80%，是將結構性的成本效率直接回饋給開發者。他同時對業界提出警示，呼籲 LLM 公司切勿「盲目降價」，因為若缺乏底層架構與推論基礎設施的支撐，API 營運極易陷入虧損。 產業長遠影響 Fuli Luo 認為，平價且高效能的模型 API 將成為推動 AI 產業發展的戰略支點： 透過 API 帶動的持續性、大規模推論需求，將向上拉動整個 AI 基礎設施供應鏈的發展，涵蓋晶片、伺服器、光收發器、PCB、液冷技術、電力、儲能及資料中心。 這種成本結構的優化將形成正向循環，為訓練與推論流程注入更具經濟效益的算力，進而加速全球 AGI 在不同區域與技術路徑上的平行演進。 後續資訊 針對此次技術細節，官方將於後續發布詳細的技術部落格文章，讀者可持續關注 MiMo 官方網站 以獲取最新資訊。 原文：https://easyvibecoding.app/curated/1595