【小米MiMo首次公开模型推理系统全链路优化技术细节】
小米正式公开MiMo-V2.5系列模型的推理系统全链路优化方案。据小米方面介绍，团队围绕Hybrid SWA+MoE+多模态的复合架构，系统性重构了从KVCache管理、分级缓存、前缀缓存到调度策略与Prefill/Decode链路的完整推理栈，KVCache存储压缩至同级方案的约1/7，在长序列场景下推理成本大幅下降——这是本次降价的核心技术基础。5月27日，MiMo-V2.5系列API完成永久降价，最高降幅达99%，不区分输入长度。（界面）
来源：华尔街见闻