小米 MiMo-V2.5 點解衝上 OpenRouter 榜首？睇清 AI 採用轉向「抵用、易部署」

OpenRouter 喺 2026 年 7 月嘅排行榜，提供咗一個幾搶眼嘅訊號：小米 MiMo-V2.5 據報喺 7 月 20 至 26 日一周內處理約 10.5 萬億 token，位列榜首，而頭五位都係中國開發嘅大語言模型。815

不過，呢件事唔應簡化成「邊個國家嘅 AI 贏咗」。更值得睇嘅係：當模型能力去到夠用甚至相當強嘅水平，開發者實際將工作負載交畀邊個模型，往往取決於代理能力、每項任務成本、上下文長度、整合難易度同部署自主權。

先搞清楚：10.5 萬億 token 代表乜

呢個數字計嘅係經 OpenRouter 路由嘅 token。OpenRouter 係一個讓開發者接入多個模型嘅平台，所以它反映嘅係該平台上嘅選用情況，唔係全球所有 AI 推論請求嘅完整普查。

報道指 MiMo-V2.5 當時每周約有 10.5 萬億 token、每月約 31.2 萬億 token；另有估算指，其周 token 用量由 5 月約 1.46 萬億升至 7 月約 10.46 萬億，兩個月增長約 616%。15

但 token 唔等於 API 請求次數、獨立用戶數、營收，亦唔等於任務有幾關鍵。一個處理超長文件、又不停規劃及調工具嘅 AI 代理，每次任務用嘅 token，可以遠高過普通短對話。

同樣地，常被引用嘅「中國模型佔 63.5%、美國模型佔 35.5%」數字，係截至 7 月 26 日前 28 日、OpenRouter 平台內嘅一個份額快照；唔可以當成全世界 AI 推論市場嘅普查結果。15

MiMo-V2.5 點解特別啱「食 token」嘅工作？

小米將 MiMo-V2.5 定位為着重代理式能力（agentic capability）同多模態理解嘅模型。公司指它原生支援視覺及音訊理解，上下文長度最多可達 100 萬 token。16

呢類規格特別適合幾種本身 token 消耗好大嘅工作：

• 寫程式同軟件代理；
• 要讀大量文件嘅研究或知識整理；
• 圖像、音訊等媒體分析；
• 會使用外部工具嘅助理系統。

代理型系統通常唔係「問一句、答一句」咁簡單：它可能要重複讀取背景資料、規劃下一步、呼叫工具、檢視工具結果，再修訂答案。每一輪都會增加 token 用量。

MiMo-V2.5 喺 2026 年 4 月 23 日開始公開測試，小米最初亦提供限時免費使用。3 對開發團隊嚟講，能夠快啲試用、改路由規則，再擴大實際用量，有時比單一基準測試分數更影響採用速度。

真正推高用量嘅，仲有價格同部署彈性

當多個模型都已經達到團隊要求嘅品質門檻，大家問嘅問題就會變得好實際：完成一項工作實際要幾錢？服務頂唔頂得住？同現有系統夾唔夾？日後會唔會被供應商綁死？

小米有為 MiMo 系列推廣 token 計劃定價及 token 效率。1 更重要係，公司之後將 V2.5 系列以寬鬆嘅 MIT 授權開放權重，容許商業推論部署、二次訓練同微調，毋須額外授權。2

開放權重當然唔保證一定多人用，但會擴闊用家選擇：團隊可以用託管 API、自己部署、微調模型，或者至少保留替代方案。對高用量應用而言，單位成本同對單一供應商嘅依賴，分分鐘都係真金白銀。

中國模型包辦頭五，實際說明咗乜？

按 7 月 20 至 26 日嘅 OpenRouter 數據報道，MiMo-V2.5 排第一，之後依次為 DeepSeek V4 Flash、騰訊 HY3、智譜 GLM-5.2 同 DeepSeek V4 Pro。8 其他 7 月報道亦指，中國來源模型佔該平台逾六成路由流量。1926

最合理嘅解讀唔係「中國模型已經喺每一方面壓過所有美國模型」。呢個排名反而顯示，喺實際推論採用呢一層，競爭已經非常激烈：模型只要夠強、運行成本有吸引力、又易接入，就可以吸引極大量正式工作負載，即使最尖端模型嘅領先地位仍有爭論。

而且，需求唔只來自中國本土。CNBC 報道指，美國公司經 OpenRouter 使用中國模型嘅 token 份額，自 2 月 8 日起每周都高過 30%，最高曾達 46%。23 呢點令「純粹由本地市場推高」嘅解釋站唔住腳。

前沿研究領先，同大規模採用，係兩場唔同嘅比賽

MiMo-V2.5 短暫領先，正好突顯 AI 市場一個重要分野：

• 前沿能力：模型喺高難度任務、基準測試上表現有幾強；
• 推論採用：開發者實際喺產品同服務中，大規模將流量路由去邊個模型。

後者考慮嘅因素更多：性價比、上下文容量、多模態輸入、整合方式，同商業授權條款。MiMo 將其中幾項條件放埋一齊，而中國模型生態亦提供咗多個競逐同類工作負載嘅選擇。

呢個趨勢唔代表美國喺封閉式前沿模型嘅優勢消失；token 用量亦量度唔到安全性、可靠性、盈利能力或企業任務重要性。但它的確顯示：當有能力嘅模型以有利成本同靈活部署方式供應，高用量推論嘅重心可以轉得好快。

結論

MiMo-V2.5 喺 7 月登頂，更似係一次分發能力與經濟效益嘅里程碑。其據報約 10.5 萬億周 token，反映咗一個面向代理及多模態工作、具 100 萬 token 上下文、早期易於試用，並在其後提供開放商業授權嘅產品組合。2816

中國模型包辦頭五，最值得帶走嘅訊息係：現實世界嘅 LLM 採用，愈來愈獎勵可部署、成本敏感、整合方便嘅系統；而唔係證明任何一方已經為整場 AI 領導權之爭蓋棺定論。