定价逻辑锚点：1亿credit = 1¥
我们拉个表对比一下API的人民币定价和Credit/Token换算关系
| API价格 ¥/M | x100 | Credit/Token | |
|---|---|---|---|
| V2.5命中缓存 | 0.020 | 2 | 2 |
| V2.5未命中 | 1 | 100 | 100 |
| V2.5输出 | 2 | 200 | 200 |
| Pro命中缓存 | 0.025 | 2.5 | 2.5 |
| Pro未命中 | 3 | 300 | 300 |
| Pro输出 | 6 | 600 | 600 |
规律非常明显：credit/token = API价格(¥/M) x 100，也就是1¥1亿credit。这么定的好处在于，套餐中的credit可以很轻松的换算成等值的API余额，例如lite plan定价39¥买到41亿credit，也就是白送你两块钱，各个档位优惠力度如下表，基本就是买的越大折扣越大。
| 档位 | Plan 价 | 等价 API 用量 | 便宜 |
|---|---|---|---|
| Lite | ¥39 | ¥41 | ~5% |
| Standard | ¥99 | ¥110 | ~10% |
| Pro | ¥329 | ¥380 | ~13% |
| Max | ¥659 | ¥820 | ~20% |
为什么说比旧套餐“用量提升5-8倍”？
首先新老套餐 Credit 的锚点不同，缓存计价逻辑也不同，不能简单的算 Credit 翻了多少倍来计算价值。为什么旧套餐包括我在内的很多人觉得消耗太快不耐用？因为当时的 Token Plan 是不区分有无缓存一视同仁的，而5-8倍用量这个值就是在引入缓存计费之后带来的提升。
以我个人的使用情况来看，最近都是运维类工作比较多，编码偏少，缓存命中率有93.5%，接近官方计算口径中的95%
为什么非得用这个 Credit 来定价不直接用 token？
一个核心的原因就是：token的价格是不定的。 V2.5 命中缓存 ¥0.02、未命中 ¥1、输出 ¥2，命中和未命中差 50 倍；Pro 是 ¥0.025 / ¥3 / ¥6，命中和未命中差 120 倍。如果直接"按 token 数"卖套餐，一个 token 该值多少钱呢？很显然这并不方便计算，所以在这层 token 之上规定了一个 Credit 来统一计费。
降价背后的隐藏逻辑
在官方宣传文章的末尾有这样一段话：
本次价格调整背后，离不开小米技术团队在推理系统上的持续优化。
我们基于 SGLang HiCache 完整支持 SWA（Sliding Window Attention），将 KV Cache 在 GPU 显存、CPU 内存、SSD 等多级存储之间的数据搬运量降低至优化前的近 1/7 ，并将可缓存 token 数量提升至优化前的近 5 倍 ，显著提升了缓存命中率和推理效率。
同时，我们通过优化专家并行方案、输入长度分桶策略等，进一步提升了集群输入吞吐能力，从而在保障服务质量的前提下持续降低单位 token 服务成本。
后续我们将发布更加详细的推理优化技术 Blog，敬请期待。
结合之前罗福莉在访谈中对MIMO架构的介绍：
大家对MiMo第一代Flash，哪怕是Pro的感觉是——Flash能做到100-150TPS，Pro现在也能做到，看成本，基本上能做到60-100。100TPS肯定会更贵一些。所以大家用MiMo不管是Flash还是Pro的感觉是：哇好快。这就是这个结构，尤其是针对Long Context efficient的结构，带来的优势。同时，成本也够低。因为Hybrid Attention（混合注意力机制），包括在Pro这一代上，我们给它拉到一个更极致的Hybrid比例。Full Attention跟Sliding Window层的比例更极致，达到了7:1。所以它更省KV Cache。我们基本上是在这一代结构上实现了通过Sliding Window层去减少KV Cache，让它在长文上效果更能够支持更长的长上下文。同时通过MTP把Sliding Window Attention节省的算力，用MTP给它填上。这样能达到实际推理时访存跟计算的很好平衡。同时又兼顾了长上下文成本，以及推理速度。
闭环是这样的： 7:1 Hybrid 压扁 KV footprint → HiCache 多级 offload 收割小 footprint、命中缓存边际成本趋零 → 敢标 ¥0.02 命中价 → MTP 补回吞吐保证速度和单位成本。公告只讲了中间那层（HiCache），合起来才是完整的因果链。
最后，希望大家在论坛中的讨论可以理性一些，少一些主观情绪的输出， 真诚 、友善 、团结 、专业 ，共建你我引以为荣之社区。
34
9
2
