شیائومی مدل متن‌باز MiMo-V2.6-Pro را با هزینه‌ای بسیار کمتر از رقبا معرفی کرد

در ۲۱ سپتامبر ۲۰۲۶، شیائومی نسل جدید خانواده مدل‌های هوش مصنوعی MiMo را با نام MiMo-V2.6 معرفی و متن‌باز کرد. نسخه پرچم‌دار این خانواده، MiMo-V2.6-Pro، یک مدل استدلالی چندوجهی در مقیاس بیش از یک تریلیون پارامتر است که از متن، تصویر، ویدئو و صوت ورودی می‌گیرد و پنجره زمینه‌ای تا ۱ میلیون توکن دارد.

نکته مهم این معرفی فقط قدرت مدل نیست؛ شیائومی می‌گوید هزینه استفاده از MiMo-V2.6-Pro در API به‌مراتب پایین‌تر از بسیاری از مدل‌های رده‌بالای خارجی است. علاوه بر آن، وزن‌های مدل، گزارش فنی و بخش قابل‌توجهی از زیرساخت و منابع مربوط به آموزش تقویتی نیز منتشر شده‌اند.

MiMo-V2.6-Pro دقیقاً چیست؟

MiMo-V2.6-Pro مدل پرچم‌دار نسل V2.6 شیائومی است که برای کارهای پیچیده و طولانی، برنامه‌نویسی، استفاده از ابزارها، پژوهش، امنیت سایبری و گردش‌کارهای چندعاملی طراحی شده است.

این مدل یک سیستم صرفاً متنی نیست. طبق مشخصات رسمی شیائومی، ورودی‌های متن، تصویر، ویدئو و صوت را پشتیبانی می‌کند و در کنار استدلال عمیق، قابلیت‌هایی مانند فراخوانی ابزار، جست‌وجوی وب، خروجی ساختاریافته و Streaming را ارائه می‌دهد.

مهم‌ترین مشخصات اعلام‌شده:

مشخصات مربوط به مقیاس مدل و معماری از مستندات شیائومی و مدل منتشرشده در Hugging Face به دست آمده‌اند. صفحه رسمی مدل نیز پنجره زمینه یک‌میلیون توکن و حداکثر خروجی ۱۲۸ هزار توکن را اعلام می‌کند.

چرا قیمت MiMo-V2.6-Pro خبرساز شده است؟

یکی از مهم‌ترین بخش‌های این عرضه، قیمت API است. شیائومی برای MiMo-V2.6-Pro قیمت ورودی بدون کش را ۰٫۴۳۵ دلار به ازای هر یک میلیون توکن و قیمت خروجی را ۰٫۸۷ دلار به ازای هر یک میلیون توکن اعلام کرده است. ورودی Cache Hit نیز فقط ۰٫۰۰۳۶ دلار به ازای هر میلیون توکن قیمت دارد.

برای درک بهتر، فرض کنید یک سرویس در مجموع یک میلیون توکن ورودی و یک میلیون توکن خروجی مصرف کند. با نرخ اعلام‌شده، هزینه خام این مقدار استفاده از API حدود ۱٫۳۰۵ دلار خواهد بود؛ البته هزینه واقعی پروژه به میزان مصرف، کش، نوع درخواست و سرویس ارائه‌دهنده بستگی دارد.

شیائومی اعلام کرده قیمت نسل V2.6 نسبت به سری V2.5 تغییر نکرده و در عین حال قابلیت‌های مدل افزایش یافته است. خود شرکت ادعا می‌کند در سطح مشابهی از هوش، هزینه MiMo-V2.6-Pro می‌تواند تنها حدود ۱/۲۰ تا ۱/۶۰ هزینه برخی مدل‌های خارجی باشد؛ این عدد یک ادعای مقایسه‌ای از سوی شیائومی است و نباید آن را به همه مدل‌ها یا همه الگوهای مصرف تعمیم داد.

عملکرد MiMo-V2.6-Pro چقدر است؟

در زمان انتشار، یکی از مهم‌ترین معیارهای عمومی برای ارزیابی این مدل، Artificial Analysis Intelligence Index است. MiMo-V2.6-Pro در نسخه فعلی این شاخص امتیاز حدود ۴۶ گرفته است. صفحه رسمی شیائومی مقدار ۴۶٫۳۲ را اعلام می‌کند و Artificial Analysis نیز امتیاز ۴۶ را در صفحه مدل خود ثبت کرده است.

شیائومی اعلام کرده این نتیجه MiMo-V2.6-Pro را در میان مدل‌های open-weight در بالاترین سطح این شاخص قرار داده است. در عین حال، خود شیائومی نیز تأکید کرده که مدل هنوز با قوی‌ترین مدل‌های بسته فاصله دارد.

به همین دلیل بهتر است به‌جای جمله‌ای مثل «MiMo از تمام مدل‌های دنیا بهتر است»، نتیجه را دقیق‌تر بیان کنیم:

MiMo-V2.6-Pro در زمان انتشار، یکی از قدرتمندترین مدل‌های open-weight در ارزیابی Artificial Analysis بود؛ اما یک امتیاز واحد نمی‌تواند تمام تفاوت‌های بین مدل‌ها، کاربردها و بنچمارک‌ها را نشان دهد.

شیائومی برای آموزش مدل چقدر هزینه کرده است؟

این بخش یکی از جالب‌ترین قسمت‌های عرضه MiMo-V2.6 است.

شیائومی فرایند Reinforcement Learning یا RL مدل را به‌صورت عمومی مستندسازی کرده و اعلام کرده آموزش RL کمتر از شش روز طول کشیده است. در این فرایند، نسخه Flash و Pro هرکدام ۳۰ مرحله آموزشی را پشت سر گذاشته‌اند و مجموعاً حدود ۷۵۰ هزار trajectory تولید شده است.

هزینه اعلام‌شده توسط شیائومی برای این مرحله نیز مشخص است:

• MiMo-V2.6-Flash: حدود ۸۵۰ هزار دلار
• MiMo-V2.6-Pro: حدود ۲٫۶۲ میلیون دلار

این ارقام مربوط به مرحله آموزش RL اعلام‌شده هستند و نباید آنها را با کل هزینه توسعه مدل، پژوهش پایه، پیش‌آموزش یا هزینه زیرساختی تمام پروژه یکی دانست.

در واقع، جذابیت این بخش فقط مقدار هزینه نیست؛ شیائومی بخشی از مسیر آموزش و منابع آن را نیز در اختیار جامعه پژوهشی قرار داده است.

چه چیزهایی از پروژه MiMo-V2.6 متن‌باز شده‌اند؟

شیائومی در این عرضه فراتر از انتشار صرف وزن مدل رفته است. طبق مستندات رسمی، وزن‌های MiMo-V2.6-Pro و MiMo-V2.6-Flash به همراه گزارش فنی منتشر شده‌اند و منابع دیگری برای بازتولید پژوهش RL نیز در دسترس قرار گرفته‌اند.

از مهم‌ترین موارد منتشرشده می‌توان به این‌ها اشاره کرد:

• بیش از ۷ هزار محیط و وظیفه RL برای حوزه‌هایی مانند مهندسی نرم‌افزار، بازتولید آسیب‌پذیری، کارهای دانش‌محور و توسعه وب
• چارچوب end-to-end برای آموزش تقویتی
• منابع مربوط به محیط‌های آموزشی و ارزیابی
• harnessهای سبک و قابل ترکیب برای آزمایش گردش‌کارهای مختلف
• گزارش فنی مدل
• وزن‌های MiMo-V2.6-Pro و MiMo-V2.6-Flash
• مدل MiMo-V2.6-Distill-Qwen-9B و منابع پژوهشی مرتبط با RL

شیائومی همچنین گزارش کرده که در آزمایش‌های مربوط به مدل Distill-Qwen-9B، استفاده از RL باعث افزایش امتیازهایی مانند SWE-bench Verified از ۶۱٫۱ به ۶۶٫۲ و Terminal Bench 2.1 از ۳۷٫۱ به ۵۲٫۸ شده است. این اعداد مربوط به آزمایش‌های خود پروژه هستند و نباید بدون توجه به شرایط ارزیابی، مستقیماً با نتایج مدل‌های دیگر مقایسه شوند.

برای پژوهشگران، این بخش شاید به‌اندازه خود مدل اهمیت داشته باشد؛ زیرا امکان بررسی روش‌های آموزش و محیط‌های RL را فراهم می‌کند.

MiMo-V2.6-Pro برای چه کارهایی ساخته شده است؟

MiMo-V2.6-Pro بیشتر از یک چت‌بات معمولی طراحی شده و تمرکز آن روی کارهای طولانی، چندمرحله‌ای و agentic است.

برنامه‌نویسی و مهندسی نرم‌افزار

پنجره زمینه یک‌میلیون توکنی می‌تواند برای پروژه‌های بزرگ کدنویسی مفید باشد؛ مخصوصاً زمانی که مدل باید فایل‌های متعدد، مستندات، لاگ‌ها و خروجی ابزارها را در یک گردش‌کار طولانی دنبال کند.

شیائومی همچنین در فرایند آموزش RL روی وظایف مهندسی نرم‌افزار و Agent تمرکز کرده است.

کار با تصویر، ویدئو و صوت

چندوجهی بودن MiMo-V2.6-Pro باعث می‌شود ورودی محدود به متن نباشد. کاربر می‌تواند از مدل برای تحلیل تصویر، ویدئو یا صوت در کنار متن استفاده کند.

کار با ابزارها و Agentها

Tool Calling، جست‌وجوی وب و پشتیبانی از گردش‌کارهای چندعاملی باعث می‌شود مدل بتواند بخشی از یک سیستم Agentic بزرگ‌تر باشد، نه صرفاً یک رابط پرسش‌وپاسخ.

پژوهش و کارهای طولانی

شیائومی نمونه‌هایی از استفاده MiMo-V2.6-Pro در پژوهش علمی، طراحی مواد، تحلیل ادبیات علمی و حتی رسمی‌سازی یک قضیه ریاضی در Lean 4 را ارائه کرده است. این موارد نمونه‌های ارائه‌شده توسط خود شیائومی هستند و بیشتر برای نشان دادن ظرفیت‌های مدل‌اند، نه تضمین عملکرد یکسان در همه پروژه‌ها.

ساخت محصول و محتوای دیجیتال

شیائومی می‌گوید MiMo-V2.6 در تولید رابط‌های وب، طرح‌های Figma، اسلایدها، SVG، ویدئو و موسیقی نیز آزمایش شده است. این موضوع مدل را به سمت یک ابزار عمومی‌تر برای تولید و اجرای پروژه‌های چندرسانه‌ای می‌برد.

یک نکته مهم درباره معماری و اندازه مدل

عبارت «بیش از یک تریلیون پارامتر» ممکن است در نگاه اول بسیار بزرگ به نظر برسد، اما تعداد کل پارامترها به‌تنهایی معیار مناسبی برای مقایسه مدل‌ها نیست.

MiMo-V2.6-Pro یک مدل بزرگ در مقیاس MoE است و طبق مشخصات منتشرشده حدود ۴۲ میلیارد پارامتر فعال دارد. این یعنی در هر مرحله از پردازش، تمام پارامترهای کل مدل لزوماً فعال نمی‌شوند و همین موضوع به کاهش هزینه محاسباتی نسبت به یک مدل Dense با اندازه مشابه کمک می‌کند. مشخصات منتشرشده قبلی شیائومی نیز برای نسل MiMo-V2-Pro همین مقیاس بیش از یک تریلیون پارامتر کل و ۴۲ میلیارد پارامتر فعال را گزارش کرده بود.

بنابراین وقتی درباره «مدل یک تریلیون پارامتری» صحبت می‌کنیم، باید میان Total Parameters و Active Parameters تفاوت قائل شویم.

MiMo-V2.6-Pro در برابر نسخه‌های دیگر خانواده MiMo

شیائومی هم‌زمان با Pro، نسخه MiMo-V2.6-Flash را نیز معرفی کرده است. Flash برای استفاده‌های پرتعداد و کم‌هزینه‌تر طراحی شده و نسخه دیگری با نام MiMo-V2.6-Pro-UltraSpeed نیز برای سناریوهایی که سرعت پاسخ اهمیت زیادی دارد ارائه شده است.

UltraSpeed همان مدل پرچم‌دار Pro را با تمرکز روی سرعت ارائه می‌کند و شیائومی برای آن حداکثر سرعت خروجی ۲۰ برابر نسخه عادی Pro را تبلیغ کرده است. این ادعا را باید به‌عنوان مشخصه اعلام‌شده توسط خود شیائومی در نظر گرفت، نه یک نتیجه مستقل از بنچمارک عمومی.

آیا می‌توان MiMo-V2.6-Pro را روی سیستم شخصی اجرا کرد؟

از نظر فنی، وزن مدل در دسترس قرار گرفته و برای اجرای آن ابزارها و راهنماهای مربوط به Transformers و SGLang منتشر شده‌اند؛ بنابراین این مدل صرفاً یک API بسته نیست.

اما اجرای محلی یک مدل در مقیاس بیش از یک تریلیون پارامتر با اجرای یک مدل کوچک چند میلیارد پارامتری کاملاً متفاوت است. نیاز سخت‌افزاری، حافظه GPU، کوانتیزه‌سازی، parallelism و تنظیمات inference می‌توانند بسیار سنگین باشند.

برای بیشتر کاربران عادی، استفاده از API یا سرویس‌های میزبانی‌شده احتمالاً عملی‌تر از تلاش برای اجرای کامل مدل روی یک کامپیوتر شخصی است.

MiMo-V2.6-Pro چرا برای بازار مدل‌های AI مهم است؟

اهمیت این عرضه فقط به امتیاز ۴۶ یا تعداد پارامترها محدود نمی‌شود. ترکیب چند عامل، این مدل را به یک انتشار قابل توجه تبدیل کرده است:

1. وزن‌های مدل منتشر شده‌اند.
2. مدل ورودی چندوجهی دارد.
3. پنجره زمینه یک‌میلیون توکنی ارائه می‌کند.
4. قیمت API نسبتاً پایین است.
5. شیائومی بخشی از فرایند RL و محیط‌های آموزشی را نیز منتشر کرده است.
6. تمرکز مدل روی Agent، کدنویسی و کارهای طولانی است.
7. نتایج آن در Artificial Analysis در زمان انتشار در سطح بسیار بالایی قرار گرفته است.

این ترکیب می‌تواند برای توسعه‌دهندگانی که به مدل‌های قدرتمند اما قابل‌دسترسی‌تر نیاز دارند اهمیت زیادی داشته باشد.

محدودیت‌هایی که نباید نادیده گرفت

با وجود مشخصات جذاب، MiMo-V2.6-Pro را نباید صرفاً بر اساس یک جدول امتیازات به‌عنوان جایگزین قطعی همه مدل‌های دیگر در نظر گرفت.

مهم‌ترین محدودیت‌ها عبارت‌اند از:

• نتایج بنچمارک به نوع آزمون و روش ارزیابی وابسته‌اند.
• بخشی از نتایج و نمونه‌های کاربردی منتشرشده توسط خود شیائومی هستند.
• open-weight بودن الزاماً به معنی انتشار تمام داده‌های آموزشی و تمام جزئیات فرایند توسعه نیست.
• اجرای محلی چنین مدل بزرگی برای کاربران عادی ساده نیست.
• قیمت API ممکن است در طول زمان تغییر کند.
• کیفیت واقعی در یک پروژه مشخص می‌تواند با رتبه کلی مدل در بنچمارک‌ها متفاوت باشد.

بنابراین اگر قصد استفاده جدی از MiMo-V2.6-Pro را دارید، بهتر است آن را روی چند وظیفه واقعی خودتان آزمایش کنید و سپس درباره مهاجرت یا جایگزینی مدل فعلی تصمیم بگیرید.

چگونه MiMo-V2.6-Pro را امتحان کنیم؟

شیائومی هم‌زمان با عرضه V2.6، MiMo Studio و سرویس API خود را نیز به‌روزرسانی کرده است. در MiMo Studio امکان تجربه مدل‌های V2.6-Pro و V2.6-Flash وجود دارد و API نیز برای توسعه‌دهندگان ارائه شده است.

برای مشاهده مستندات رسمی مدل و قیمت‌های فعلی می‌توانید از صفحه رسمی MiMo استفاده کنید:

صفحه رسمی MiMo-V2.6-Pro

همچنین وزن‌ها و منابع متن‌باز خانواده MiMo در Hugging Face منتشر شده‌اند:

صفحه XiaomiMiMo در Hugging Face

جمع‌بندی

MiMo-V2.6-Pro یکی از مهم‌ترین عرضه‌های مدل‌های open-weight در سپتامبر ۲۰۲۶ است. شیائومی مدلی در مقیاس بیش از یک تریلیون پارامتر، با ورودی چندوجهی، کانتکست یک‌میلیون توکنی و قابلیت‌های Agentic را در دسترس قرار داده و هم‌زمان قیمت API را در سطح پایینی نگه داشته است.

نکته مهم‌تر این است که شیائومی بخشی از زیرساخت و منابع مربوط به آموزش تقویتی را نیز منتشر کرده است. هزینه اعلام‌شده برای مرحله RL نسخه Pro حدود ۲٫۶۲ میلیون دلار بوده؛ عددی که با توجه به مقیاس پروژه قابل توجه است، اما نباید با کل هزینه ساخت مدل اشتباه گرفته شود.

برای توسعه‌دهندگان، پژوهشگران و سازندگان ابزارهای AI، MiMo-V2.6-Pro یک گزینه جدید برای بررسی است؛ مخصوصاً در پروژه‌هایی که استدلال، استفاده از ابزار، ورودی چندوجهی، context طولانی و هزینه پایین inference اهمیت دارند. بهترین روش برای قضاوت درباره مناسب بودن آن نیز آزمایش مستقیم روی وظایف واقعی پروژه است، نه اتکا به یک رتبه یا امتیاز واحد.