小米Token Plan深度实测：用「西游取经团」挑战复杂科研，真便宜了吗？

导语：小米 MiMo Token Plan用Credit流量包重新定义AI计费，我们让‘唐僧师徒’多Agent协作跑完全流程科研，测出真实成本，并为你揭开1M上下文窗口的价值。

大模型计费，又有了新玩法。4月3日，小米发布了全新的 MiMo Token Plan，彻底告别按月订阅的固定收费模式，转而以 Credit 为中间计量单位，对不同模型按 Token 消耗量差异化折算。这套“按字儿收费”的流量包方案，到底是让开发者更自由，还是带来了新的账单焦虑？我们搭建了一支「西游取经团」多智能体协作系统，用真实的复杂任务测给你看。

从订阅制到流量包：Credit 如何重新定义 Token 价值

传统大模型服务多采用订阅制或按调用次数计费，前者用固定月费打包权益，后者按请求次数明码标价。但两种方式都存在缺陷：订阅制下平台难以预测成本，用户会被加诸使用时间、请求次数等隐性限制；按次计费则无法区分简单闲聊与复杂编程的成本差异，专业开发者的开销实际上被轻度用户均摊。

小米 MiMo Token Plan 另辟蹊径。用户购买含有固定 Credit 额度的套餐，不同模型在消耗 Token 时，按设定比例换算 Credit：MiMo-V2-Omni 256k 上下文为 1:1，MiMo-V2-Pro 256k 为 1:2，Pro 256k~1M 长上下文为 1:4，TTS 模型则暂时免费。更关键的是，这套方案取消了业界常见的“5 小时滚动窗口”限制，允许用户集中消耗 Token，不再因高频调用而被中途掐断。

这种计费逻辑本质上将 AI 服务从固定消费变成了随任务难度调整的弹性消耗，直接计量文本处理量，理论上更公平。但普通用户很难预估一项任务的 Token 消耗量，尤其在多轮调试、长代码交付等场景下，Token 用量会呈指数级上涨，用户可能再次陷入“账单冲击”的担忧。那么，小米的流量包到底贵不贵？我们决定用真实任务来检验。

核心实测：多 Agent 协同作战，挑战架构级开发与全流程科研

我们在 OpenClaw 框架下，基于 MiMo V2 Pro 搭建了一套多角色协作系统，将科研流程拆解为五个职能 Agent，分别对应《西游记》中的经典角色：

唐僧：科研战略与方向规划（想清楚要去哪）
孙悟空：算法开发和工程落地（把事干出来）
猪八戒：学术写作与表达（把话说清楚）
沙僧：文献整理与知识管理（把信息理顺）
白龙马：数据处理与流程自动化（把基础打好）

两个任务被分别派给悟空和团队全体，用来考察 MiMo V2 Pro 在复杂代码工程与多智能体协同中的真实能力。

悟空独挑大梁：小样本文本分类基线系统

首个任务要求孙悟空 Agent 基于公开文本分类数据集，完成一个“小样本垂直领域文本分类基线系统”的开发。3 到 4 小时后，悟空交出了一份结构完整、工程化规范的答卷：同时实现了 TF-IDF+LogReg 传统机器学习路线和 BERT fine-tuning 深度学习路线，覆盖从数据下载、清洗、划分到训练、评估的全流程闭环，并提供 train.py 和 evaluate.py 标准入口。更难得的是，输出结果不仅包含模型性能对比表格，还附有优劣分析，展现了 MiMo V2 Pro 不只是能跑通代码，更懂得阐释结果。

取经团齐上阵：轻量化 LLM 蒸馏科研项目

第二个任务更具挑战性——五名 Agent 协同完成一个面向垂直领域 LLM 的轻量化蒸馏研究，产出从课题立项到可投稿初稿的完整闭环。任务下达后，MiMo V2 Pro 没有直接“张口就来”，而是立即进行了角色分离：唐僧定义研究方向，沙僧检索文献，悟空设计实验，白龙马规划数据处理流程，最后所有中间结果汇聚给八戒撰写初稿。这种有向无环图式的依赖结构被模型自动识别，表明它对 Agent 协作边界有清晰认知。

在实际执行中，唐僧首先确立了“医疗+金融，≤3B 小模型蒸馏”的目标；沙僧后续的文献调研覆盖了 DDK、MiniLLM、GKD 等 SOTA 方法；作为协调中枢，唐僧还执行了两轮协作反馈，特别是在第三阶段察觉悟空和白龙马交付延迟后，果断启动补救机制，并建议将迭代周期缩短至 3 天 checkpoint。这种长程任务中的复盘与调整能力，正是 MiMo V2 Pro 在执行复杂工程时不可或缺的特质。

成本揭晓：一次科研，吃掉 Lite 套餐六成额度

两次交付表现均在水准之上，那价格是多少？答案约为一个 Lite 套餐额度的 60%。

小米 MiMo Token Plan 提供四档套餐：Lite（¥39/月，60M Credits）、Standard（¥99/月，200M Credits）、Pro（¥329/月，700M Credits）和 Max（¥659/月，1600M Credits），分别对应约 120 到 3200 个中等~复杂任务。这种多档位流量包的设计带来了新的困惑：用户很难估算一次 Coding 任务会消耗多少 Token，多轮调试会不会花光整个套餐。长期以来，用户对 Token 消耗缺乏可靠直觉，小米的 Credit 换算有可能变成一笔“糊涂账”。

但抛开心智负担，小米真的更贵吗？对比各家厂商面向专业用户的 Pro 版本，单看价格，小米似乎不占优势。但区别在于模型能力——MiMo V2 Pro 原生支持 1M 上下文窗口，而主流竞品大多限制在 256K 以下。在 Agent 多轮规划、长链推理等场景中，历史对话、工具返回和长代码都会迅速撑满上下文，1M 超长上下文恰是对付这类瓶颈的核心武器。小米的 Credit 计费，本质上是让用户为上下文窗口本身付费，将超长上下文从成本负担变成了价值锚点。便宜与否，完全取决于你的任务是否真正“用满”了那 1M 窗口。

Token 的账单从未消失，只是换了马甲

小米的“流量包”计费虽然新颖，但市面上主流的订阅制方案也并非真正的无限 Token。火山方舟的 Coding Plan 标称每 5 小时 6,000 次请求，实际会根据单次请求的 Token 消耗量折算为多次请求，不同模型还设有隐藏倍率。阿里云百炼的 Coding Plan 同样会在输入超长时直接报错，推荐精简输入或切换到更长的上下文窗口。这些限制说明，算力成本压力让“无限”套餐不得不套上隐性的经济约束。小米的 Token Plan，无非是把这种约束从幕后推到了台前，用 Credit 明码标价。

神经计算引擎创业者梅一凡认为，OpenAI、Anthropic 采用的“订阅制+超量按 Token 计费”混合方案更显高明——订阅部分降低用户心智成本，超额计费保障单位经济回正。小米的模式更像一个带封顶的 API Plan，但核心问题始终是模型强度与成本能否打平。而小米的不同之处在于，其生态和用户数据构成了天然护城河，人车家全生态为 MiMo 提供了巨大的应用空间。统一计费方案，可能是内部生态即将全面发力的信号——未来所有接入小米生态的 AI 功能，或许都会使用同一套 Token Plan。那么小米这次的定价实验，就不仅仅是卖模型，更是在铺设通向未来的第一块砖。