Beatingによると、Xiaomiは、DeepSeekに合わせた最近の値下げの後、MiMo-V2.5 API向けの中核となる最適化手法を明らかにした。同社の高負荷推論エンジンは、ハイブリッドな注意（attention）アーキテクチャと階層型KVキャッシュの最適化により、収益性を維持している。
Xiaomiの推論フレームワークは、スライディングウィンドウ注意（SWA）に対する階層型最適化を導入することで、キャッシュコストを80%削減し、トークン容量を5倍に引き上げた。70層のMiMo-V2.5-Proモデルは、グローバル注意（GA）層とSWA層の間で1:7の疎（sparse）比率を用い、伝統的な10層のグローバルGQAモデルと同等のプリフィル計算を実行することで、推論コストを大幅に下げている。
