小米 MiMo Token Plan 上线：订阅制打包多模型，国产大模型在“计费模型”上再试新路径

在大模型竞争逐渐从“能力比拼”转向“产品与商业模式”的阶段，小米选择从另一个维度切入——重新设计模型的使用与计费方式。

近日，小米推出 MiMo Token Plan，采用订阅制打包模型调用能力，最低 39 元/月起，覆盖从轻度体验到高频开发的不同需求层级。与主流按量计费（token-based billing）不同，这一方案更接近“模型能力套餐化”的思路。

这不仅是一次价格策略调整，也反映出国产大模型厂商在开发者生态与商业化路径上的探索。

导语：从“按 token 付费”到“按能力订阅”

当前主流大模型服务（如 OpenAI、Anthropic 等）普遍采用按 token 使用量计费，其优点是灵活透明，但也存在明显问题：

• 成本不可预期（尤其是长上下文与 Agent 场景）
• 开发者难以做预算控制
• 高频调用场景成本迅速放大

MiMo Token Plan 则尝试提供另一种解法：

• 按月订阅
• 解锁固定能力范围
• 不再以单次调用精细计费为核心

这一模式，本质上是将“算力与模型能力”产品化为类似 SaaS 的订阅服务。

产品结构：四档订阅 + 三模型统一入口

MiMo Token Plan 设计了四个价格梯度：

• Lite：39 元/月
• Standard：99 元/月
• Pro：329 元/月
• Max：659 元/月

与传统“按模型分别计费”不同，该方案的关键在于：
一次订阅，即可调用 MiMo 家族三大核心模型。

三大模型能力组合

• MiMo-V2-Pro：偏重复杂推理与工程能力，适用于代码生成、逻辑分析等场景
• MiMo-V2-Omni：多模态通用模型，覆盖文本、图像等多场景交互
• MiMo-V2-TTS：语音合成模型，支持自然语音生成

这一组合意味着，开发者无需在不同模型之间分别购买额度，而是获得一个统一的能力池。

技术与工程视角：这套方案改变了什么？

从 AI 工程角度来看，MiMo Token Plan 的影响并不只是“更便宜”或“更贵”，而是对系统设计方式产生潜在改变。

1. 降低多模型调用的集成成本

在传统模式下：

• 不同模型对应不同计费与接口策略
• 多模态应用需要分别管理预算与调用频率

而在统一订阅下：

• 开发者可以更自由地在不同模型之间切换
• 更容易构建多模型协同（multi-model pipeline）

例如：

• 文本分析 → 图像理解 → 语音输出
  可以在同一订阅框架内完成，而无需单独核算每一步成本。

2. 推动 Agent 架构向“资源池化”演进

订阅制意味着：

• 成本从“按调用”转为“按周期”
• 优化目标从“减少 token”转为“最大化利用额度”

这会影响 Agent 设计：

• 更倾向于多轮推理（multi-step reasoning）
• 更敢于使用复杂策略（如 tree-of-thought）
• 更容易引入自我反思（reflection loop）

换句话说，当边际调用成本趋近于零时，系统复杂度会自然上升。

3. 成本模型从 O(调用次数) → O(时间周期)

这对企业与团队尤为重要：

• 更容易做预算规划（固定月费）
• 避免调用峰值带来的成本波动
• 更适合内部工具与长期运行任务

但同时也带来新问题：

• 是否存在隐性限流或配额？
• 高负载场景下性能是否稳定？

这些将直接影响开发者体验。

与行业主流模式的对比

MiMo 的订阅制，与当前主流路径形成明显对照：

按量计费（Usage-based）

代表：OpenAI、Anthropic
特点：

• 精细计费
• 高度弹性
• 成本与使用强绑定

适合：

• 精细控制成本的企业
• 请求量波动较大的应用

订阅制（Subscription-based）

代表：MiMo Token Plan（以及部分 SaaS AI 工具）
特点：

• 成本可预测
• 使用更自由
• 鼓励高频调用

适合：

• 持续高频使用场景
• Agent / 自动化流程

可以预见，未来可能出现混合模式：

• 基础订阅 + 超额按量计费
• 或不同模型采用不同计费策略

战略意图：小米在 AI 生态中的位置选择

从更宏观的角度看，MiMo Token Plan 体现了小米在 AI 生态中的一个关键选择：

不直接卷“最强模型”，而是优化“可用性与成本”

相比顶级模型能力竞赛，小米更侧重：

• 降低使用门槛
• 提供一体化能力组合
• 优化开发者体验

这更接近“平台层”而非“模型层”的竞争。

争夺中小开发者与应用层市场

低价订阅（39 元起）意味着：

• 更容易吸引个人开发者
• 有利于教育与实验场景
• 可能快速扩大生态规模

这与云厂商早期的“低价换增长”策略类似。

潜在挑战：订阅制能否持续？

尽管方案具有吸引力，但仍存在几个关键不确定性：

成本压力

如果用户高频调用：

• 是否会对后端算力造成压力？
• 是否需要通过限流或优先级调度控制成本？

用户体验一致性

在高负载情况下：

• 响应延迟是否增加？
• 模型性能是否波动？

与 API 生态的兼容

开发者通常需要：

• 稳定的 SLA
• 清晰的调用限制
• 可预测的性能

订阅制需要在“自由使用”与“工程可控”之间找到平衡。

结语：计费模式，正在成为 AI 竞争的新变量

MiMo Token Plan 的推出，说明一个趋势正在显现：

在大模型能力逐渐趋同的背景下，“如何收费”正在成为新的差异化手段。

对于 AI 技术社区而言，这一变化的意义在于：

• 工程优化目标可能改变（从节省 token 到提升利用率）
• Agent 设计空间被放大
• 多模型协同的门槛进一步降低

当模型能力不再是唯一变量时，产品形态与商业模式本身，也开始成为 AI 系统设计的一部分。