开源权重可下推理模型单卡可跑已被替代可商用 · MIT
MiMo-7B
小米 MiMo · 7B · Xiaomi 小米 · 发布 2025-04-30 · 已被替代 → MiMo-V2.5
小米首个开源推理模型，7B 数学超 o1-mini。
参数
7B
DENSE
上下文
32K
价格 / 1M tok
自建
无官方 API
最低可跑
RTX 3060
FP8 · 9.1 GB · ≈30 tok/s
Arena Elo—
AA 综合指数—
竞赛编程57.8
2025-04-30
GPQA 推理54.4
2025-04-30
架构简图
- 类型
- Dense
- 注意力
- GQA（32 Q 头 / 8 KV 头）
- 层数
- 36
- 隐藏维
- 4096
- 词表
- 151,680
从零预训练 25T token + MTP；推理 RL；上下文 32K。
完善中
| 精度 | 权重大小 | 说明 |
|---|---|---|
| BF16 | 15 GB估 | 官方精度 |
| FP8 | — | 暂无 |
| Q8 | 7.7 GB估 | |
| Q4 | 4.2 GB估 | GGUF Q4_K_M 或等效 |
- 消费级 24GB
- BF16 14.6 GB 单卡可跑
- 单卡 80GB
- 高并发
- 8×80GB 节点
- 过剩
KV Cache：144 KiB/token。 ≈ 144 KiB/token
⚠ 能加载 ≠ 能在满上下文 / 高并发下舒服跑。标「估」的数字来自 计算器 公式或社区量化文件大小。
完善中
硬件配置与预估吞吐
最低可跑（8K 上下文）
RTX 3060 12GB
≈¥2,000 · 合计 ≈¥2,000 · 消费级
量化
FP8
解码
30 tok/s
最大上下文
50K
推荐配置（≥Q8 · 32K 上下文 · ≥15 tok/s）
RTX 3060 12GB
≈¥2,000 · 合计 ≈¥2,000 · 消费级
量化
FP8
解码
24 tok/s
最大上下文
50K
| 配置 | 量化 | 占用 / 显存 | 解码 tok/s | 预填充 tok/s | 最大上下文 |
|---|---|---|---|---|---|
| RTX 3060 12GB消费级 | FP8估 | 9.1 GB / 12 GB | 30 | 771 | 50K |
| RTX 4060 Ti 16GB消费级 | FP8估 | 9.1 GB / 16 GB | 24 | 678 | 107K |
| RTX 3090 24GB消费级 | BF16 | 17 GB / 24 GB | 38 | 2188 | 58K |
| RTX 4070 Ti Super 16GB消费级 | FP8估 | 9.1 GB / 16 GB | 55 | 1356 | 107K |
| RTX 5070 Ti 16GB消费级 | FP8估 | 9.1 GB / 16 GB | 74 | 2712 | 107K |
| RTX 4080 Super 16GB消费级 | FP8估 | 9.1 GB / 16 GB | 61 | 1603 | 107K |
| RTX 5080 16GB消费级 | FP8估 | 9.1 GB / 16 GB | 79 | 3452 | 107K |
| RTX 4090 24GB消费级 | BF16 | 17 GB / 24 GB | 41 | 5086 | 58K |
| RTX 5090 32GB消费级 | BF16 | 17 GB / 32 GB | 74 | 6473 | 115K |
| L4 24GB工作站 | BF16 | 17 GB / 24 GB | 12 | 1849 | 58K |
| RTX A6000 48GB工作站 | BF16 | 17 GB / 48 GB | 32 | 2373 | 229K |
| RTX 6000 Ada 48GB工作站 | BF16 | 17 GB / 48 GB | 39 | 2805 | 229K |
| L40S 48GB工作站 | BF16 | 17 GB / 48 GB | 36 | 2805 | 229K |
| RTX PRO 6000 Blackwell 96GB工作站 | BF16 | 17 GB / 96 GB | 74 | 7705 | 570K |
| A10 24GB数据中心 | BF16 | 17 GB / 24 GB | 25 | 1911 | 58K |
| A100 40GB数据中心 | BF16 | 17 GB / 40 GB | 64 | 9616 | 172K |
| A100 80GB数据中心 | BF16 | 17 GB / 80 GB | 84 | 9616 | 457K |
| H20 96GB数据中心 | BF16 | 17 GB / 96 GB | 164 | 2281 | 570K |
| 昇腾 Ascend 910B 64GB数据中心 | BF16 | 17 GB / 64 GB | 66 | 8630 | 343K |
| H100 80GB PCIe数据中心 | BF16 | 17 GB / 80 GB | 82 | 23301 | 457K |
| H100 80GB SXM数据中心 | BF16 | 17 GB / 80 GB | 138 | 30483 | 457K |
| AMD MI300X 192GB数据中心 | BF16 | 17 GB / 192 GB | 218 | 40284 | 1.2M |
| H200 141GB数据中心 | BF16 | 17 GB / 141 GB | 197 | 30483 | 890K |
| B200 192GB数据中心 | BF16 | 17 GB / 192 GB | 329 | 69349 | 1.2M |
| Mac M4 Pro 64GB统一内存 | BF16 | 17 GB / 56 GB | 8.6 | 524 | 286K |
| DGX Spark 128GB统一内存 | BF16 | 17 GB / 120 GB | 8.6 | 1911 | 741K |
| Mac M4 Max 128GB统一内存 | BF16 | 17 GB / 120 GB | 17 | 1048 | 741K |
| Mac Studio M3 Ultra 256GB统一内存 | BF16 | 17 GB / 240 GB | 26 | 1757 | 1.6M |
| Mac Studio M3 Ultra 512GB统一内存 | BF16 | 17 GB / 490 GB | 26 | 1757 | 3.3M |
单流（batch=1）估算：解码 ≈ 显存带宽 × 效率 ÷ 每 token 读取字节（激活参数 × 量化位宽 + KV）；预填充 ≈ FP16 算力 × 0.45 ÷ (2 × 激活参数)。多卡按张量并行、带宽求和 × 0.55。实际受引擎、驱动、PCIe 影响，误差 ±30%。反向查：我的卡能跑谁 →
编程LiveCodeBench v5 57.8%（官方）。
推理GPQA Diamond 54.4%（官方）。
数学AIME 2025 55.4%（官方）。
逻辑能力
7B 中推理最强档：AIME 2025 55.4%、GPQA 54.4%、LCB v5 57.8%（官方 RL 版）。
亮点
- 1.AIME 2025 55.4%、LiveCodeBench v5 57.8%（官方）超 o1-mini
- 2.MIT 许可，从零预训练而非蒸馏
- 3.MTP 层可加速推理
坑
- 1.通用对话与知识弱（推理专精）
- 2.上下文 32K
- 3.思考链长，7B 优势被抵消
适合：边缘数学 / 代码推理 · 推理 RL 研究
不适合：通用助手 · 知识问答
| 基准 | 分数 | 来源 | 日期 | 证据 |
|---|---|---|---|---|
| LiveCodeBench竞赛编程 | 57.8% | MiMo-7B-RL 模型卡（LiveCodeBench v5） | 2025-04-30 | 厂商公布 |
| GPQA Diamond研究生级科学问答 | 54.4% | MiMo-7B-RL 模型卡（LiveCodeBench v5） | 2025-04-30 | 厂商公布 |
| AIME 2025美国数学邀请赛 | 55.4% | MiMo-7B-RL 模型卡（LiveCodeBench v5） | 2025-04-30 | 厂商公布 |
更新 2026-08-28 · 排名供选型参考，基准会饱和、会泄漏、会过时。