DeepSeek-V4.1-Flash-1017,小米的 mimo-v2.6-flash。都是各自家族里主打速度的小杯,都在同一段时间的真实请求里跑出了自己的数字。
01 三个数字
吞吐 182 tok/s 对 64 tok/s,差 2.8 倍。首字 0.5 秒对 4.8 秒,差近 10 倍。成功率两边都是 100%。
同样一段时间里,DeepSeek 处理了 7.68M tokens,MiMo 处理了 2.47M。请求数 16 对 12,量级差不多,活不轻。
差距最扎眼的在首字。0.5 秒的体感是「回车就有」,4.8 秒的体感是「它是不是卡了」。人在对话里的耐心就几秒钟,这 4.3 秒的差额,足够决定一个产品敢不敢把模型放在用户面前。
02 首字是分水岭
对交互类产品来说,首字延迟比跑分重要得多。
聊天窗口、代码补全、agent 循环,这些场景每隔几秒就要等模型开一次口。首字 0.5 秒,用户觉得工具在手边。首字 4.8 秒,用户开始切到别的窗口。
吞吐慢一倍,长任务多等一会儿,忍得了。首字慢十倍,体验当场碎掉。这两种慢不是一个性质的慢。
03 差距有多少来自模型本身
OpenRouter 的全网统计可以当个参照。MiMo-V2.6-Flash 在上面的吞吐中位数是 65 tok/s,和面板里的 64 几乎重合。这说明 64 不是某条链路的偶然,它的常规速度就停在这个档位。
DeepSeek V4.1 Flash 是 552B 参数的 MoE,因果编码器解码器结构,输入激活约 8B,输出激活约 16B,官方标称 1M 上下文。小米没有公开 mimo-v2.6-flash 的参数规模,结构层面暂时对不了账。
首字 4.8 秒里,也未必全是模型的账。中转链路、排队、超长上下文,都会把第一个字拖后。但吞吐是长期指标,182 对 64 反复出现,这个差距赖不掉。
04 怎么选
判断标准就两条。
交互场景,看首字,选快的那个。批量场景,长文档、离线任务,看吞吐,能等就等。
Flash 档的竞争已经翻篇了。聪明的门槛大家都迈过去,剩下的比拼是谁更快、谁更稳、谁的第一口气来得早。这张表给的答案很直接:这一轮,DeepSeek 把速度拉开了。
参考资料: Xiaomi MiMo 官方发布文章(mimo.xiaomi.com/mimo-v2-6/article) DeepSeek API 文档(api-docs.deepseek.com) OpenRouter 模型对比页(openrouter.ai)
#AI模型 #DeepSeek #小米MiMo