Xiaomi הרחיבה משמעותית את פעילות ה-AI שלה עם MiMo-V2.6, משפחת מודלים חדשה הכוללת את MiMo-V2.6-Pro ואת MiMo-V2.6-Flash.
בניגוד להכרזה שמסתפקת בדמו, Xiaomi פרסמה גם משקלים, API, דוח טכני וחומרי reinforcement learning, והמודלים זמינים דרך AI Studio, MiMo Code, MiMo Desktop ו-OpenRouter.
החברה מציגה תמיכה בטקסט, תמונות, וידאו ואודיו וחלון הקשר של עד מיליון טוקנים.
ההשקה מעניינת במיוחד משום שהיא משלבת שלושה דברים שלא תמיד מגיעים יחד: מודלים גדולים, מחירי API נמוכים יחסית ופתיחה של חלק משמעותי ממשאבי האימון לציבור.
Pro, Flash ו-UltraSpeed
Xiaomi מציעה כמה אפשרויות שימוש.
MiMo-V2.6-Flash הוא הדגם הזול יותר. מחיר הקלט ללא cache מתחיל ב-0.14 דולר למיליון טוקנים והפלט ב-0.28 דולר.
MiMo-V2.6-Pro עולה 0.435 דולר למיליון טוקני קלט ו-0.87 דולר לפלט.
קיימת גם אפשרות UltraSpeed, שמגיעה למחירים גבוהים משמעותית של 4.35 דולר לקלט ו-8.70 דולר לפלט למיליון טוקנים.
Xiaomi טוענת שמצב UltraSpeed יכול לספק קצב פלט גבוה עד פי 20 תוך שמירה על אותה איכות.
זו טענת חברה שעדיין דורשת בדיקה עצמאית בתרחישי שימוש שונים.
מה באמת נפתח לציבור
אחד ההיבטים המעניינים בהשקה הוא שהחברה לא הסתפקה במתן API.
משקלי MiMo-V2.6-Pro-RL ו-MiMo-V2.6-Flash-RL פורסמו ב-Hugging Face, לצד דוח טכני ומשאבי reinforcement learning.
החומרים מוצעים ברישיון MIT.
לפי הפרטים שפורסמו ב-Hugging Face, Pro-RL הוא מודל של 524 מיליארד פרמטרים ו-Flash-RL של 159 מיליארד.
בנוסף קיים MiMo-V2.6-Distill-Qwen-9B, מודל קטן בהרבה שנועד לתרחישים סוכניים ונגיש יותר מבחינת דרישות חומרה.
"פתוח" לא אומר שאפשר להריץ הכול על לפטופ
עצם העובדה שמשקלי המודל זמינים אינה הופכת מודל של מאות מיליארדי פרמטרים לקל להרצה.
מודלים כמו 159B ו-524B דורשים תשתית משמעותית, במיוחד כאשר רוצים ביצועים טובים וזמן תגובה סביר.
לכן עבור רוב המשתמשים והעסקים, ה-API יהיה כנראה מסלול פשוט יותר מהרצה עצמית של הדגמים הגדולים.
לעומת זאת, גרסת 9B יכולה להיות מעניינת יותר עבור מי שרוצה להתנסות בפריסה מקומית או בסביבת חומרה מוגבלת.
מה אפשר לעשות עם MiMo-V2.6
Xiaomi מציגה את הסדרה כמשפחת מודלים רב-מודאלית שיכולה לעבוד עם טקסט, תמונה, וידאו ואודיו.
החברה מציגה גם תרחישים של computer use, יצירת תוכן, משימות תלת-ממד, מוזיקה, וידאו ומחקר.
אבל רשימת יכולות ארוכה אינה אומרת שכל היכולות ברמה זהה.
מי ששוקל את המודל לצורך עסקי צריך לבדוק את המשימה הספציפית שלו.
מודל שמצטיין בקוד אינו בהכרח הטוב ביותר לניתוח תמונות, ומודל עם חלון הקשר גדול אינו בהכרח משתמש בכל ההקשר באותה יעילות בכל משימה.
מיליון טוקנים הם נתון חשוב, אבל לא כל הסיפור
Xiaomi מצהירה על חלון הקשר של עד מיליון טוקנים.
זה יכול להיות שימושי בניתוח מאגרי קוד, מסמכים גדולים או תהליכים שבהם רוצים להכניס הרבה מידע לאותה שיחה.
אבל גודל חלון ההקשר לבדו אינו מבטיח שהמודל ישמור על אותה רמת דיוק לאורך כל הטקסט.
גם העלות יכולה להשתנות משמעותית כשעובדים עם כמויות כאלה של טוקנים.
לכן חשוב לבדוק לא רק אם המודל "תומך במיליון", אלא מה קורה לאיכות, לזמן ולעלות כאשר באמת משתמשים בחלק משמעותי מהחלון.
ומה אומרים המדדים
Xiaomi מציגה את Pro כאחד המודלים הפתוחים החזקים ביותר במדדים שעליהם היא מסתמכת.
לפי החברה, הוא קיבל 46.32 ב-Artificial Analysis Index v4.3.
החברה פרסמה גם נתונים על עלויות וזמן האימון ב-RL.
כל הנתונים האלה מעניינים, אבל עדיין אין מספיק בדיקות בלתי תלויות כדי לקבוע כיצד MiMo-V2.6 מתפקד בעולם האמיתי מול מגוון רחב של מודלים.
צריך גם לבדוק באילו תנאים נערכה כל השוואה: שימוש בכלים, רמת reasoning, מספר ניסיונות והגדרות נוספות יכולים לשנות את התוצאה.
ומה לגבי עברית
נכון לעכשיו אין בתחקיר אימות שמאפשר לקבוע שמדובר במודל חזק במיוחד בעברית.
עצם העובדה שמודל רב-לשוני יכול לקבל טקסט בעברית אינה אומרת שהאיכות זהה לזו של אנגלית או סינית.
חברות ישראליות ששוקלות להשתמש בו צריכות לבדוק בעצמן כתיבה, הבנת הוראות, מסמכים עסקיים, שמות ישראליים ושילוב עברית ואנגלית.
למה ההשקה מעניינת
MiMo-V2.6 ממחיש עד כמה התחרות בשוק המודלים כבר אינה מוגבלת ל-OpenAI, Anthropic ו-Google.
חברות סיניות מציעות מודלים גדולים, API במחירים אגרסיביים ומשקלים פתוחים שמאפשרים למפתחים לבחור בין שירות ענן לבין פריסה עצמית.
למי שבוחן מודל חדש, השאלה אינה אם Xiaomi פרסמה מספר מרשים בטבלה.
השאלה היא אם המודל מספק איכות, יציבות ועלות שמתאימות לתהליך העבודה האמיתי.