בתמונת המצב של OpenRouter לשבוע 20–26 ביולי, MiMo V2.5 של שיאומי עיבדה לפי דיווחים כ־10.5 טריליון טוקנים והובילה חמישייה של מודלים סיניים. MiMo שילבה חלון הקשר של עד מיליון טוקנים והבנה מובנית של תמונה וקול, לצד זמינות ציבורית, תוכניות תמחור מבוססות טוקנים ובהמשך משקלים פתוחים ברישיון MIT.
פורסם על ידינערך באמצעות GPT-5.6 Terraהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How did Xiaomi’s MiMo‑V2.5 become the world’s most-used LLM by token volume by July 2026—reaching 10.5 trillion weekly and 31.2 trillion mon. Article summary: MiMo‑V2.5’s rise appears to be a distribution-and-economics win as much as a model-quality win: Xiaomi paired agent-oriented, native multimodal capability and a 1M-token context window with aggressively accessible API ac. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
דירוג יולי 2026 של OpenRouter סיפק תמונה בולטת של הביקוש המעשי למודלי שפה גדולים: לפי הדיווחים, MiMo-V2.5 של שיאומי הובילה את הפלטפורמה עם כ־10.5 טריליון טוקנים בשבוע שבין 20 ל־26 ביולי, וכל חמשת המקומות הראשונים נתפסו בידי מודלים שפותחו בסין. העלייה של MiMo כנראה לא נבעה מפריצת דרך בודדת, אלא משילוב של יכולות המיועדות לסוכנים, אפשרויות פריסה נגישות וכלכלה שמתאימה לעומסי עבודה גדולים. 8
15
הכותרת מתייחסת לטוקנים שנותבו דרך OpenRouter — פלטפורמה שמאפשרת גישה למודלים ממספר ספקים — ולא לספירה מלאה של כל בקשת LLM בעולם. הנתונים שדווחו ליולי מציבים את MiMo על כ־10.5 טריליון טוקנים בשבוע וכ־31.2 טריליון בחודש; בדיווח אחד חושבה העלייה מכ־1.46 טריליון טוקנים שבועיים במאי לכ־10.46 טריליון ביולי בכ־616%. 15
הנתונים חשובים משום שהם משקפים בחירות של מפתחים בפלטפורמת ניתוב רחבת היקף. אבל טוקנים אינם שקולים למספר קריאות API, למספר המשתמשים, להכנסות או לחשיבות העסקית של שימוש מסוים. מודל שמעבד הקשרים ארוכים או מפעיל סוכנים מרובי שלבים עשוי לצרוך הרבה יותר טוקנים בכל משימה ממודל המשמש לצ'אט קצר.
גם החלוקה המצוטטת לעיתים — 63.5% למודלים סיניים מול 35.5% למודלים אמריקאיים — היא תמונת מצב ייחודית ל־OpenRouter, בתקופה של 28 ימים שהסתיימה ב־26 ביולי. אין לתאר אותה כמפקד אוכלוסין של כלל ההסקה הגלובלית בתחום ה־AI. 15
שיאומי מיצבה את MiMo-V2.5 סביב יכולות סוכנים והבנה רב־אופנית. לפי החברה, המודל תומך בהבנה מובנית של תמונה וקול ובחלון הקשר של עד מיליון טוקנים. 16
הדבר רלוונטי למשימות כמו סוכני תכנות, מחקר המבוסס על מסמכים רבים, ניתוח מדיה ועוזרים המשתמשים בכלים חיצוניים. מערכות כאלה עשויות לקרוא הקשר שוב ושוב, לתכנן צעד הבא, להפעיל כלי, לבחון את התוצאה ולתקן את המענה — תהליך שצורך מטבעו הרבה טוקנים.
MiMo נכנסה לבטא ציבורית ב־23 באפריל 2026, ושיאומי הציעה אותה בתחילה ללא תשלום לתקופה מוגבלת. 3 זמינות מהירה יכולה להיות חשובה לא פחות מתוצאה במדד ביצועים: מפתחים יכולים לבחון מודל בתוך מוצר אמיתי, לשנות כללי ניתוב ולהרחיב שימוש בלי מחזור רכש ארוך.
כאשר כמה מודלים כבר עומדים ברף האיכות של צוות פיתוח, השאלות המכריעות הופכות לתפעוליות: מהי העלות של משימה שהושלמה? האם השירות עומד בעומס? האם הוא מתאים לתשתית הקיימת? והאם הארגון יכול לשלוט בדרך הפריסה?
שיאומי שיווקה במפורש תוכניות תמחור לפי טוקנים ויעילות טוקנים עבור משפחת MiMo. 1 חשוב מכך, היא פרסמה בהמשך את סדרת V2.5 תחת רישיון MIT מתירני, המאפשר פריסת הסקה מסחרית, אימון המשך וכיוונון עדין ללא אישור נוסף.
2
משקלים פתוחים אינם מבטיחים אימוץ, אך הם מרחיבים את מרחב הבחירה של הלקוחות. צוות יכול להשתמש ב־API מתארח, לארח את המודל בעצמו, לבצע כיוונון עדין או לשמור חלופת פריסה. הגמישות הזו משמעותית במיוחד ביישומים עתירי נפח, שבהם העלות ליחידה והתלות בספק עלולות להפוך לשיקולים מהותיים.
לתקופה 20–26 ביולי, דיווחים שהתבססו על נתוני OpenRouter הציבו את MiMo-V2.5 במקום הראשון, ואחריה את DeepSeek V4 Flash, Tencent HY3, Zhipu GLM-5.2 ו־DeepSeek V4 Pro. 8 דיווחים נוספים מיולי תיארו באופן דומה מודלים ממקור סיני כאחראים ליותר מ־60% מהתעבורה המנותבת בפלטפורמה.
19
26
המסקנה המעשית אינה שמודלים סיניים עקפו באופן סופי כל מודל אמריקאי בכל מדד. הדירוג מראה, במקום זאת, שהתחרות על אימוץ בשכבת ההסקה — כלומר, השימוש במודלים בתוך יישומים — הפכה פתוחה מאוד. מודלים שהם טובים מספיק, זולים להפעלה וקלים לשילוב יכולים לצבור נפח שימוש עצום גם כאשר שאלת ההובלה במודלי קצה עדיין נתונה לוויכוח.
יש גם עדות לביקוש חוצה גבולות: CNBC דיווחה כי חלקם של הטוקנים שחברות אמריקאיות הפנו למודלים סיניים דרך OpenRouter נשאר מעל 30% בכל שבוע מאז 8 בפברואר, והגיע בשיאו ל־46%. 23 לכן קשה להסביר את המגמה בשימוש מקומי בסין בלבד.
ההובלה הקצרה של MiMo ממחישה הבדל חשוב בשוק ה־AI:
התחרות השנייה מתגמלת קשת רחבה יותר של תכונות: יחס מחיר־ביצועים, קיבולת הקשר, קלט רב־אופני, אפשרויות אינטגרציה ותנאים מסחריים. MiMo חיברה כמה מהמרכיבים האלה, ובמקביל אקוסיסטם המודלים בסין סיפק חלופות רבות המתחרות על אותם עומסי עבודה של מפתחים.
זה אינו מבטל את עוצמתן של ארצות הברית ומעבדותיה במודלי קצה סגורים, ונפח טוקנים אינו מודד בטיחות, אמינות, רווחיות או חשיבות ארגונית. אבל הוא כן מראה שמוקד הכובד של הסקה מנותבת בהיקפים גדולים עשוי לזוז במהירות כאשר מודלים בעלי יכולת זמינים בתנאי מחיר ופריסה נוחים.
את המקום הראשון של MiMo-V2.5 ביולי כדאי להבין כאבן דרך בהפצה ובכלכלה, לא כהכרעה מוחלטת במרוץ ה־AI. כ־10.5 טריליון הטוקנים השבועיים שדווחו שיקפו הצעה שנבנתה לעומסי עבודה של סוכנים ורב־אופניות, עם חלון הקשר של מיליון טוקנים, השקה נגישה ובהמשך רישיון מסחרי פתוח. 2
8
16
לכן, החמישייה הסינית בצמרת היא בעיקר עדות לכך שאימוץ LLM בעולם האמיתי מתגמל יותר ויותר מערכות שקל לפרוס ושעלותן מודעת לנפח — ולא הוכחה לכך שמדינה אחת כבר הכריעה את המאבק הרחב יותר על ההובלה בבינה מלאכותית.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
בתמונת המצב של OpenRouter לשבוע 20–26 ביולי, MiMo V2.5 של שיאומי עיבדה לפי דיווחים כ־10.5 טריליון טוקנים והובילה חמישייה של מודלים סיניים.
בתמונת המצב של OpenRouter לשבוע 20–26 ביולי, MiMo V2.5 של שיאומי עיבדה לפי דיווחים כ־10.5 טריליון טוקנים והובילה חמישייה של מודלים סיניים. MiMo שילבה חלון הקשר של עד מיליון טוקנים והבנה מובנית של תמונה וקול, לצד זמינות ציבורית, תוכניות תמחור מבוססות טוקנים ובהמשך משקלים פתוחים ברישיון MIT.
נפח טוקנים מושפע ממחיר, מהקשרים ארוכים ומלולאות פעולה של סוכנים; לכן הוא אינו מדד ישיר להכנסות, משתמשים ייחודיים, בטיחות או הובלה מחקרית.
בתמונת המצב של OpenRouter לשבוע 20–26 ביולי, MiMo V2.5 של שיאומי עיבדה לפי דיווחים כ־10.5 טריליון טוקנים והובילה חמישייה של מודלים סיניים. MiMo שילבה חלון הקשר של עד מיליון טוקנים והבנה מובנית של תמונה וקול, לצד זמינות ציבורית, תוכניות תמחור מבוססות טוקנים ובהמשך משקלים פתוחים ברישיון MIT.
פורסם על ידינערך באמצעות GPT-5.6 Terraהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How did Xiaomi’s MiMo‑V2.5 become the world’s most-used LLM by token volume by July 2026—reaching 10.5 trillion weekly and 31.2 trillion mon. Article summary: MiMo‑V2.5’s rise appears to be a distribution-and-economics win as much as a model-quality win: Xiaomi paired agent-oriented, native multimodal capability and a 1M-token context window with aggressively accessible API ac. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
דירוג יולי 2026 של OpenRouter סיפק תמונה בולטת של הביקוש המעשי למודלי שפה גדולים: לפי הדיווחים, MiMo-V2.5 של שיאומי הובילה את הפלטפורמה עם כ־10.5 טריליון טוקנים בשבוע שבין 20 ל־26 ביולי, וכל חמשת המקומות הראשונים נתפסו בידי מודלים שפותחו בסין. העלייה של MiMo כנראה לא נבעה מפריצת דרך בודדת, אלא משילוב של יכולות המיועדות לסוכנים, אפשרויות פריסה נגישות וכלכלה שמתאימה לעומסי עבודה גדולים. 8
15
הכותרת מתייחסת לטוקנים שנותבו דרך OpenRouter — פלטפורמה שמאפשרת גישה למודלים ממספר ספקים — ולא לספירה מלאה של כל בקשת LLM בעולם. הנתונים שדווחו ליולי מציבים את MiMo על כ־10.5 טריליון טוקנים בשבוע וכ־31.2 טריליון בחודש; בדיווח אחד חושבה העלייה מכ־1.46 טריליון טוקנים שבועיים במאי לכ־10.46 טריליון ביולי בכ־616%. 15
הנתונים חשובים משום שהם משקפים בחירות של מפתחים בפלטפורמת ניתוב רחבת היקף. אבל טוקנים אינם שקולים למספר קריאות API, למספר המשתמשים, להכנסות או לחשיבות העסקית של שימוש מסוים. מודל שמעבד הקשרים ארוכים או מפעיל סוכנים מרובי שלבים עשוי לצרוך הרבה יותר טוקנים בכל משימה ממודל המשמש לצ'אט קצר.
גם החלוקה המצוטטת לעיתים — 63.5% למודלים סיניים מול 35.5% למודלים אמריקאיים — היא תמונת מצב ייחודית ל־OpenRouter, בתקופה של 28 ימים שהסתיימה ב־26 ביולי. אין לתאר אותה כמפקד אוכלוסין של כלל ההסקה הגלובלית בתחום ה־AI. 15
שיאומי מיצבה את MiMo-V2.5 סביב יכולות סוכנים והבנה רב־אופנית. לפי החברה, המודל תומך בהבנה מובנית של תמונה וקול ובחלון הקשר של עד מיליון טוקנים. 16
הדבר רלוונטי למשימות כמו סוכני תכנות, מחקר המבוסס על מסמכים רבים, ניתוח מדיה ועוזרים המשתמשים בכלים חיצוניים. מערכות כאלה עשויות לקרוא הקשר שוב ושוב, לתכנן צעד הבא, להפעיל כלי, לבחון את התוצאה ולתקן את המענה — תהליך שצורך מטבעו הרבה טוקנים.
MiMo נכנסה לבטא ציבורית ב־23 באפריל 2026, ושיאומי הציעה אותה בתחילה ללא תשלום לתקופה מוגבלת. 3 זמינות מהירה יכולה להיות חשובה לא פחות מתוצאה במדד ביצועים: מפתחים יכולים לבחון מודל בתוך מוצר אמיתי, לשנות כללי ניתוב ולהרחיב שימוש בלי מחזור רכש ארוך.
כאשר כמה מודלים כבר עומדים ברף האיכות של צוות פיתוח, השאלות המכריעות הופכות לתפעוליות: מהי העלות של משימה שהושלמה? האם השירות עומד בעומס? האם הוא מתאים לתשתית הקיימת? והאם הארגון יכול לשלוט בדרך הפריסה?
שיאומי שיווקה במפורש תוכניות תמחור לפי טוקנים ויעילות טוקנים עבור משפחת MiMo. 1 חשוב מכך, היא פרסמה בהמשך את סדרת V2.5 תחת רישיון MIT מתירני, המאפשר פריסת הסקה מסחרית, אימון המשך וכיוונון עדין ללא אישור נוסף.
2
משקלים פתוחים אינם מבטיחים אימוץ, אך הם מרחיבים את מרחב הבחירה של הלקוחות. צוות יכול להשתמש ב־API מתארח, לארח את המודל בעצמו, לבצע כיוונון עדין או לשמור חלופת פריסה. הגמישות הזו משמעותית במיוחד ביישומים עתירי נפח, שבהם העלות ליחידה והתלות בספק עלולות להפוך לשיקולים מהותיים.
לתקופה 20–26 ביולי, דיווחים שהתבססו על נתוני OpenRouter הציבו את MiMo-V2.5 במקום הראשון, ואחריה את DeepSeek V4 Flash, Tencent HY3, Zhipu GLM-5.2 ו־DeepSeek V4 Pro. 8 דיווחים נוספים מיולי תיארו באופן דומה מודלים ממקור סיני כאחראים ליותר מ־60% מהתעבורה המנותבת בפלטפורמה.
19
26
המסקנה המעשית אינה שמודלים סיניים עקפו באופן סופי כל מודל אמריקאי בכל מדד. הדירוג מראה, במקום זאת, שהתחרות על אימוץ בשכבת ההסקה — כלומר, השימוש במודלים בתוך יישומים — הפכה פתוחה מאוד. מודלים שהם טובים מספיק, זולים להפעלה וקלים לשילוב יכולים לצבור נפח שימוש עצום גם כאשר שאלת ההובלה במודלי קצה עדיין נתונה לוויכוח.
יש גם עדות לביקוש חוצה גבולות: CNBC דיווחה כי חלקם של הטוקנים שחברות אמריקאיות הפנו למודלים סיניים דרך OpenRouter נשאר מעל 30% בכל שבוע מאז 8 בפברואר, והגיע בשיאו ל־46%. 23 לכן קשה להסביר את המגמה בשימוש מקומי בסין בלבד.
ההובלה הקצרה של MiMo ממחישה הבדל חשוב בשוק ה־AI:
התחרות השנייה מתגמלת קשת רחבה יותר של תכונות: יחס מחיר־ביצועים, קיבולת הקשר, קלט רב־אופני, אפשרויות אינטגרציה ותנאים מסחריים. MiMo חיברה כמה מהמרכיבים האלה, ובמקביל אקוסיסטם המודלים בסין סיפק חלופות רבות המתחרות על אותם עומסי עבודה של מפתחים.
זה אינו מבטל את עוצמתן של ארצות הברית ומעבדותיה במודלי קצה סגורים, ונפח טוקנים אינו מודד בטיחות, אמינות, רווחיות או חשיבות ארגונית. אבל הוא כן מראה שמוקד הכובד של הסקה מנותבת בהיקפים גדולים עשוי לזוז במהירות כאשר מודלים בעלי יכולת זמינים בתנאי מחיר ופריסה נוחים.
את המקום הראשון של MiMo-V2.5 ביולי כדאי להבין כאבן דרך בהפצה ובכלכלה, לא כהכרעה מוחלטת במרוץ ה־AI. כ־10.5 טריליון הטוקנים השבועיים שדווחו שיקפו הצעה שנבנתה לעומסי עבודה של סוכנים ורב־אופניות, עם חלון הקשר של מיליון טוקנים, השקה נגישה ובהמשך רישיון מסחרי פתוח. 2
8
16
לכן, החמישייה הסינית בצמרת היא בעיקר עדות לכך שאימוץ LLM בעולם האמיתי מתגמל יותר ויותר מערכות שקל לפרוס ושעלותן מודעת לנפח — ולא הוכחה לכך שמדינה אחת כבר הכריעה את המאבק הרחב יותר על ההובלה בבינה מלאכותית.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
בתמונת המצב של OpenRouter לשבוע 20–26 ביולי, MiMo V2.5 של שיאומי עיבדה לפי דיווחים כ־10.5 טריליון טוקנים והובילה חמישייה של מודלים סיניים.
בתמונת המצב של OpenRouter לשבוע 20–26 ביולי, MiMo V2.5 של שיאומי עיבדה לפי דיווחים כ־10.5 טריליון טוקנים והובילה חמישייה של מודלים סיניים. MiMo שילבה חלון הקשר של עד מיליון טוקנים והבנה מובנית של תמונה וקול, לצד זמינות ציבורית, תוכניות תמחור מבוססות טוקנים ובהמשך משקלים פתוחים ברישיון MIT.
נפח טוקנים מושפע ממחיר, מהקשרים ארוכים ומלולאות פעולה של סוכנים; לכן הוא אינו מדד ישיר להכנסות, משתמשים ייחודיים, בטיחות או הובלה מחקרית.