Xiaomi prezentuje MiMo-V2.6: nowy otwarty model AI dominuje w benchmarkach
Xiaomi wprowadziło na rynek nowe modele open-source AI, MiMo-V2.6 Pro i Flash, które zajęły czołowe miejsca wśród modeli otwartych przy znacznie niższych kosztach w porównaniu z międzynarodowymi flagowcami.
Xiaomi wypuszcza MiMo-V2.6
Chiński gigant technologiczny Xiaomi udostępnił swoje najnowsze modele AI, MiMo-V2.6 Pro oraz Flash, wykazując się imponującymi wynikami wydajności.
Aby osiągnąć ten sukces, Xiaomi zainwestowało 130 godzin obliczeniowych, przetworzyło 75 miliardów tokenów i wydało 2,6 miliona dolarów na uczenie ze wzmocnieniem (Reinforcement Learning, RL), skutecznie wywindowując MiMo-V2.6 Pro na pierwsze miejsce wśród modeli otwartych.
Wydajność i ceny
Wynik modelu MiMo-V2.6 Pro w indeksie AA Intelligence Index wynosi 46,32, co przewyższa wyniki Kimi K3 oraz Qwen3.8 Max. Co istotne, cennik pozostaje bez zmian w stosunku do poprzedniej wersji, V2.5.
Przy porównywalnym poziomie inteligencji koszt pojedynczego żądania stanowi zaledwie od 1/20 do 1/60 ceny międzynarodowych modeli flagowych:
- MiMo-V2.6 Pro: $0,435 / $0,87
- MiMo-V2.6 Flash: $0,14 / $0,28 (około jedna trzecia ceny wersji Pro)
- DeepSeek V4 Pro: ~$0,66–1,32 / $1,98–3,96 (Pro jest ~2–5x tańszy)
- GLM-5.3: ~$1,40 / $4,40 (Pro jest ~3–5x tańszy)
- Qwen3.8 Max: ~$2 / $6 (Pro jest ~5–7x tańszy)
- Gemini 3.5 Flash: ~$1,50 / $9 (Pro jest ~3–10x tańszy)
- Gemini 3.1 Pro: ~$2 / $12 (Pro jest ~5–14x tańszy)
- GPT-5.6 Sol: ~$4–5 / $20 (Pro jest ~10–23x tańszy)
- Claude Opus 5: ~$5 / $25 (Pro jest ~12–29x tańszy)
- Claude Fable 5: ~$10 / $50 (Pro jest ~23–58x tańszy)
Koszt wykonania jednego zadania wynosi około $0,13.
Transparentność
Cały proces treningu był transmitowany na żywo, a koszty oraz incydenty były publikowane online. Razem z modelem udostępniono również wagi, kod RL oraz środowiska treningowe.
Dlaczego to ważne
AnalizaPremiera MiMo-V2.6 przesuwa granice możliwości w świecie otwartego oprogramowania AI, oferując wydajność klasy flagowej ułamku jej tradycyjnego kosztu. To znacząco demokratyzuje dostęp do zaawansowanych narzędzi sztucznej inteligencji dla szerszego grona deweloperów i przedsiębiorstw.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Część II. Architektura agentów AI: od modelu do pamięci i narzędzi
Głęboka analiza inżynierska: tokenizacja, cache KV, determinizm próbkowania, stos treningowy, kwantyzacja, inżynieria kontekstu, stos bezpieczeństwa, produkcyjny RAG, ReAct oraz systemy multiagentowe typu swarm.
Modele Frontier
Najsilniejsza klasa sztucznej inteligencji na czele światowych badań (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), wyznaczająca granice współczesnych możliwości w zakresie rozumowania, autonomii i programowania.
LLM (Large Language Model - Duży Model Językowy)
Fundamentalna klasa architektur sieci neuronowych opartych na autoregresyjnym transformatorze, która przewiduje rozkład prawdopodobieństwa kolejnych tokenów i wykazuje emergentne właściwości abstrakcyjnego myślenia, syntezy kodu oraz wnioskowania logicznego.
Thinking Machines wypuszcza Inkling 2 Small: model MoE 594B, który potrafi dostrajać inne modele
Thinking Machines zaprezentowało Inkling 2 Small — model MoE o 594B parametrów, który prowadzi wśród modeli otwartych w wielu zadaniach i samodzielnie dostrajał Qwen3.5-4B.