JawabanDipublikasikan24 sumber
Xiaomi MiMo-V2.6: Apa yang Perlu Dipertimbangkan Perusahaan Sebelum Mengadopsinya
MiMo V2.6 Pro dilaporkan meraih skor 46,32 pada Artificial Analysis Intelligence Index v4.3, sementara tarif API Flash sekitar sepertiga tarif Pro.[23][24] Pro memiliki 1,02 triliun parameter total dengan 42 miliar parameter aktif per token; Flash sekitar 309 miliar parameter total dan 15 miliar parameter aktif.[3]...
Diterbitkan olehDiedit dengan GPT-5.6 TerraGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- MiMo V2.6 Pro dilaporkan meraih skor 46,32 pada Artificial Analysis Intelligence Index v4.3, sementara tarif API Flash sekitar sepertiga tarif Pro.[23][24]
- Pro memiliki 1,02 triliun parameter total dengan 42 miliar parameter aktif per token; Flash sekitar 309 miliar parameter total dan 15 miliar parameter aktif.[3]
- Sikap paling masuk akal saat ini adalah uji coba terkendali pada beban kerja non sensitif, bukan menjadikannya standar produksi tanpa syarat, sampai provenansi model, perlindungan kontraktual, dan evaluasi independen...
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Xiaomi’s September 21–22, 2026 release of the MIT-licensed MiMo‑V2.6 open-weight multimodal models—Pro (1.02 trillion total/42 billi. Article summary: MiMo‑V2.6 is a technically significant open-weight release: Pro appears to be the strongest open-weight model on the available independent aggregate ranking, while Flash offers much of the capability at substantially low. Topic tags: general, general web, user generated, news. 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 w
MiMo-V2.6 dari Xiaomi menawarkan proposisi yang sulit diabaikan bagi tim AI perusahaan: bobot model dapat diunduh dengan lisensi MIT, dukungan input teks, gambar, video, dan audio, konteks yang diklaim hingga 1 juta token, serta harga API yang rendah. Namun, keterbukaan bobot tidak otomatis berarti model tersebut siap menjadi fondasi sistem bisnis penting.
Persoalan utamanya adalah provenansi—riwayat asal data dan keluaran sintetis yang digunakan dalam pelatihan. Tuduhan Anthropic bahwa Xiaomi terlibat dalam distilasi Claude tanpa izin belum merupakan putusan pengadilan maupun audit forensik independen. Meski begitu, tuduhan itu cukup serius untuk mengubah cara perusahaan menilai risiko hukum, kepatuhan, kerahasiaan data, dan validitas benchmark.
Apa saja yang dirilis Xiaomi?
Xiaomi merilis checkpoint MiMo-V2.6-Pro-RL dan MiMo-V2.6-Flash-RL untuk diunduh. Repositori keduanya mencantumkan lisensi MIT. Xiaomi juga merilis MiMo-V2.6-Distill-Qwen-9B, model agen berukuran 9 miliar parameter yang dijelaskan sebagai hasil supervised fine-tuning atas Qwen3.5-9B menggunakan data buatan MiMo. 2
4
5
Dua model besar tersebut diposisikan sebagai sistem omnimodal: menerima teks, gambar, video, dan audio. Keduanya diklaim mendukung jendela konteks hingga 1 juta token—kapasitas yang secara teori berguna untuk menelaah dokumen panjang, basis kode besar, atau alur kerja agen yang panjang. Pro memakai arsitektur sparse mixture-of-experts (MoE), dengan 1,02 triliun parameter total dan 42 miliar parameter aktif per token. Flash memiliki sekitar 309 miliar parameter total dengan 15 miliar parameter aktif per token. 3
Lisensi MIT memberi keleluasaan luas untuk menggunakan dan memodifikasi artefak yang dirilis. Akan tetapi, lisensi itu sendiri bukan bukti bahwa setiap input pelatihan atau keluaran sintetis dalam rantai pengembangan model berasal dari sumber yang tidak bermasalah secara hukum. Lisensi tersebut juga tidak otomatis memberi ganti rugi, jaminan, atau perlindungan terhadap klaim kekayaan intelektual pihak ketiga.
Performa: sinyalnya kuat, tetapi bedakan bukti independen dan klaim vendor
MiMo-V2.6-Pro dilaporkan mencetak 46,32 pada Artificial Analysis Intelligence Index v4.3, setara dengan Grok 4.7 dalam perbandingan tersebut dan berada di puncak peringkat model open-weight yang dikutip. Ini adalah sinyal eksternal yang berarti, tetapi tetap merupakan indeks gabungan—bukan bukti pasti bahwa model akan unggul pada data internal, bahasa, kebutuhan latensi, kebijakan keamanan, atau pekerjaan konteks panjang milik sebuah organisasi. 23
24
Materi teknis Xiaomi juga melaporkan peningkatan besar pada tugas pengodean dan agen. Dalam hasil reinforcement learning (RL) DeepSWE v1.1, nilai average@3 Pro naik dari 58,4 menjadi 72,6, sementara Flash naik dari 48,7 menjadi 65,7. DeepSWE v1.1 mencakup 113 tugas rekayasa perangkat lunak tingkat repositori yang diverifikasi secara fungsional; average@3 berarti rata-rata tingkat keberhasilan dari tiga percobaan sampel. 10
Angka tersebut patut diperhatikan, tetapi statusnya masih merupakan hasil yang dilaporkan vendor sampai direplikasi pihak independen. Keputusan implementasi seharusnya bertumpu pada pengujian buta terhadap data uji privat dan tugas yang menyerupai kondisi produksi—bukan hanya tabel peringkat.
Pro vs. Flash: kemampuan melawan biaya
| Model | Skala arsitektur | Tarif API yang dipublikasikan per 1 juta token input | Tarif API yang dipublikasikan per 1 juta token output | Peran praktis |
|---|---|---|---|---|
| MiMo-V2.6-Pro | 1,02T total / 42B aktif | US$0,435 | US$0,87 | Evaluasi agen dan rekayasa yang paling menuntut kemampuan tinggi |
| MiMo-V2.6-Flash | Sekitar 309B total / 15B aktif | US$0,14 | US$0,28 | Eksperimen bervolume tinggi dan beban kerja yang sensitif terhadap biaya |
Tarif Flash yang dipublikasikan kira-kira sepertiga tarif Pro, baik untuk token input baru maupun output. 20 Karena itu, Flash adalah kandidat awal yang lebih praktis bila volume penggunaan lebih penting daripada mengejar peningkatan terakhir pada benchmark.
Namun, perhitungan berubah bila perusahaan melakukan self-hosting. Bobot terbuka dapat memberi portabilitas dan kontrol data yang lebih ketat, tetapi perusahaan harus menanggung kapasitas GPU, penyimpanan, operasi inferensi, pemantauan, pembaruan keamanan, serta dukungan teknis. Harga token paling rendah belum tentu berarti biaya kepemilikan total paling rendah.
Biaya RL yang diungkap Xiaomi
Xiaomi menyertakan checkpoint publik dan laporan teknis. Pelaporan mengenai proses RL yang diungkap Xiaomi menyebut kedua model besar menjalankan 30 langkah RL dengan sekitar 750.000 trajektori. Xiaomi melaporkan biaya sekitar US$2,62 juta untuk proses RL Pro dan US$850.000 untuk Flash, atau sekitar US$3,47 juta secara gabungan. 18
29
Angka itu tidak boleh dibaca sebagai biaya penuh pengembangan model. Pelaporan yang dikutip menyatakan angka tersebut hanya mencakup tahap RL, sedangkan biaya prapelatihan tidak diungkapkan. 29 Jadi, angka itu memberi gambaran efisiensi pada satu tahap pascapelatihan, bukan total investasi untuk menciptakan model.
Mengapa tuduhan distilasi Claude perlu diperhitungkan
Pada 10 September, Anthropic menyatakan telah mengidentifikasi dan menghentikan dugaan kampanye distilasi tidak sah terhadap Claude yang dikaitkan dengan tujuh laboratorium berbasis di Tiongkok, termasuk Xiaomi. Anthropic mendefinisikan distilasi ilegal sebagai upaya terselubung dalam skala industri untuk mengekstrak kemampuan sebuah model dan menirunya tanpa izin. 47
Pelaporan atas tuduhan itu menyebut Xiaomi merekam percakapan yang melibatkan model MiMo dan mengirimkannya ke Claude untuk menghasilkan data pelatihan. Ringkasan sekunder atas laporan Anthropic menyebut aktivitas Xiaomi melampaui 400.000 permintaan melalui lebih dari 1.500 akun; ringkasan itu juga menyatakan Anthropic tidak melihat respons Claude disajikan kepada pengguna langsung. 44 Untuk kampanye yang lebih luas, angka yang sering dilaporkan adalah sekitar 190 juta hingga hampir 200 juta pertukaran di sejumlah operasi yang dituduhkan.
33
38
Penting untuk membedakan dugaan dari fakta yang telah diputuskan: ini adalah tuduhan Anthropic, bukan kesimpulan pengadilan atau audit independen. Materi yang tersedia tidak membuktikan bahwa checkpoint MiMo-V2.6 tertentu memuat konten turunan Claude, bahwa data pelanggan tertentu dikirimkan, atau bahwa benchmark yang dipublikasikan telah terkontaminasi.
Tetap saja, tuduhan tersebut memunculkan pertanyaan uji tuntas yang nyata:
- Rantai penguasaan data pelatihan: Pembeli perusahaan perlu mengetahui apakah keluaran model eksternal, interaksi pengguna, atau jejak sintetis tertentu berkontribusi pada checkpoint yang dirilis.
- Paparan pemrosesan data: Bila percakapan pelanggan atau pengguna diteruskan ke layanan eksternal, persoalannya tidak lagi terbatas pada IP model. Ada aspek persetujuan, kerahasiaan, retensi, transfer lintas negara, dan kewajiban pemrosesan data.
- Keabsahan benchmark: Paparan terhadap soal benchmark, solusi, atau variasi yang dihasilkan model pengajar dapat membuat nilai yang dilaporkan tampak lebih tinggi dari kemampuan sebenarnya. Tidak ada bukti kontaminasi benchmark dalam sumber yang ditinjau, tetapi audit independen menjadi lebih penting dalam konteks tuduhan tersebut.
- Pembagian risiko komersial: Lisensi terbuka tidak otomatis mencakup indemnitas, garansi, kewajiban pemberitahuan insiden, atau jalur pemulihan hukum yang memadai bila ada klaim pihak ketiga.
Kerangka adopsi yang lebih pragmatis
Untuk saat ini, MiMo-V2.6 lebih tepat diperlakukan sebagai kandidat pilot, bukan fondasi strategis otomatis, selama pertanyaan tentang provenansi belum terjawab memadai.
Penggunaan yang relatif masuk akal sekarang
- Riset dan evaluasi internal dengan data non-sensitif
- Prototipe terisolasi yang di-self-host ketika portabilitas bernilai penting
- Eksperimen pengodean, retrieval, pemrosesan dokumen, dan multimodal yang peka biaya
- Tim yang mampu menjalankan pengujian keamanan, keandalan, dan red-team sendiri
Penggunaan yang sebaiknya ditunda
- Keputusan teregulasi atau berdampak tinggi
- Beban kerja dengan data pelanggan yang sangat rahasia, data kesehatan, keuangan, pemerintahan, atau pertahanan
- Pembuatan kode berisiko tinggi tanpa mekanisme peninjauan dan pemulihan
- Implementasi yang mewajibkan jaminan asal data pelatihan, indemnitas, hak audit, atau komitmen respons insiden yang jelas
Uji tuntas minimum sebelum produksi
- Minta pengungkapan provenansi secara tertulis. Tanyakan apakah keluaran Claude, interaksi pengguna yang diteruskan, atau keluaran model eksternal lain dipakai dalam pelatihan maupun pascapelatihan.
- Tetapkan perlindungan kontraktual. Perjelas indemnitas, notifikasi pelanggaran, retensi data, subprosesor, lokasi penyimpanan data, serta keterlacakan artefak untuk setiap versi model.
- Lakukan evaluasi independen. Gunakan data uji privat dan tugas yang tahan terhadap kontaminasi. Uji retrieval konteks panjang, perilaku multibahasa, penggunaan alat, tingkat halusinasi, ketahanan terhadap prompt injection, dan kecenderungan memorisasi.
- Gunakan arsitektur implementasi terkendali. Untuk self-hosting, batasi akses jaringan keluar, terapkan kontrol identitas dan akses yang ketat, catat penggunaan model, dan siapkan jalur kembali ke model lain yang telah divalidasi.
- Jauhkan data sensitif dari API yang belum disetujui. Jangan mengirim data pelanggan ke endpoint eksternal sebelum ketentuan pemrosesan data dan kontrol teknis memenuhi standar internal.
Kesimpulan
MiMo-V2.6 menawarkan kombinasi yang sangat kompetitif: bobot model yang dapat diunduh dengan lisensi MIT, konteks multimodal hingga 1 juta token menurut klaim Xiaomi, performa benchmark yang dilaporkan kuat, serta tarif inferensi rendah. Pro layak dievaluasi untuk kemampuan maksimum, sedangkan Flash lebih ekonomis untuk eksperimen luas. 3
20
23
Namun, ketersediaan terbuka bukanlah sinonim dari kesiapan perusahaan. Sampai Xiaomi dapat memberi bukti yang memadai mengenai provenansi, tata kelola, dan pembagian risiko, perusahaan sebaiknya memandang MiMo-V2.6 sebagai keluarga model berpotensi tinggi untuk pilot yang terkendali—dan tetap mensyaratkan validasi independen sebelum menggunakannya untuk data sensitif atau proses bisnis yang kritis.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Xiaomi MiMo-V2.6: Apa yang Perlu Dipertimbangkan Perusahaan Sebelum Mengadopsinya"?
MiMo V2.6 Pro dilaporkan meraih skor 46,32 pada Artificial Analysis Intelligence Index v4.3, sementara tarif API Flash sekitar sepertiga tarif Pro.[23][24]
Apa poin penting yang harus divalidasi terlebih dahulu?
MiMo V2.6 Pro dilaporkan meraih skor 46,32 pada Artificial Analysis Intelligence Index v4.3, sementara tarif API Flash sekitar sepertiga tarif Pro.[23][24] Pro memiliki 1,02 triliun parameter total dengan 42 miliar parameter aktif per token; Flash sekitar 309 miliar parameter total dan 15 miliar parameter aktif.[3]
Apa yang harus saya lakukan selanjutnya dalam latihan?
Sikap paling masuk akal saat ini adalah uji coba terkendali pada beban kerja non sensitif, bukan menjadikannya standar produksi tanpa syarat, sampai provenansi model, perlindungan kontraktual, dan evaluasi independen...