MiMo-V2.5 ของ Xiaomi ขึ้นอันดับ 1 บน OpenRouter ได้อย่างไร และตัวเลขนี้บอกอะไรเกี่ยวกับการใช้ AI จริง

ข้อมูลจัดอันดับของ OpenRouter ในเดือนกรกฎาคม 2026 ให้ภาพที่น่าสนใจของอุปสงค์ LLM ในการใช้งานจริง: Xiaomi MiMo-V2.5 มีรายงานว่าขึ้นนำด้วยปริมาณราว 10.5 ล้านล้านโทเค็น ในสัปดาห์ 20–26 กรกฎาคม ขณะที่โมเดลที่พัฒนาในจีนครอง 5 อันดับแรกทั้งหมด 815

การขึ้นมาของ MiMo จึงน่าจะไม่ได้เกิดจากความก้าวหน้าด้านใดด้านหนึ่งเพียงอย่างเดียว แต่เป็นผลของความสามารถสำหรับงานเอเจนต์ ทางเลือกในการนำไปใช้งานที่เข้าถึงได้ และต้นทุนที่เหมาะกับเวิร์กโหลดปริมาณสูง

อ่านตัวเลขให้ถูกก่อน

พาดหัวนี้พูดถึง โทเค็นที่วิ่งผ่าน OpenRouter ซึ่งเป็นแพลตฟอร์มที่รวมการเข้าถึงโมเดลหลายราย ไม่ใช่ยอดรวมคำขอ LLM ทั้งหมดทั่วโลก รายงานระบุว่า MiMo ใช้ราว 10.5 ล้านล้านโทเค็นต่อสัปดาห์ และ 31.2 ล้านล้านโทเค็นต่อเดือน อีกทั้งมีการคำนวณว่าปริมาณรายสัปดาห์เพิ่มจาก 1.46 ล้านล้านโทเค็นในเดือนพฤษภาคมเป็น 10.46 ล้านล้านโทเค็นในเดือนกรกฎาคม หรือประมาณ 616% 15

ตัวเลขเหล่านี้มีความหมาย เพราะสะท้อนสิ่งที่นักพัฒนาเลือกใช้บนแพลตฟอร์มการส่งต่อคำขอขนาดใหญ่ แต่จำนวนโทเค็นไม่ใช่จำนวน API call, ผู้ใช้, รายได้ หรือระดับความสำคัญต่อธุรกิจ โมเดลที่ใช้ประมวลผลบริบทยาว หรือใช้ในเอเจนต์ที่ทำงานหลายขั้นตอน อาจสร้างโทเค็นต่อหนึ่งงานมากกว่าโมเดลสำหรับแชตสั้น ๆ อย่างมาก

สัดส่วนโมเดลจีน 63.5% เทียบกับสหรัฐฯ 35.5% ที่ถูกอ้างถึงบ่อย ก็เป็นภาพเฉพาะของ OpenRouter ในช่วง 28 วันที่สิ้นสุด 26 กรกฎาคมเช่นกัน ไม่ควรตีความว่าเป็นการสำรวจการประมวลผล AI ทั่วโลกทั้งหมด 15

เหตุใด MiMo-V2.5 จึงเหมาะกับงานที่ใช้โทเค็นสูง

Xiaomi วางตำแหน่ง MiMo-V2.5 ให้เด่นด้านความสามารถแบบเอเจนต์และความเข้าใจข้อมูลหลายรูปแบบ โดยระบุว่าโมเดลเข้าใจภาพและเสียงได้โดยตรง และรองรับบริบทสูงสุด 1 ล้านโทเค็น 16

คุณสมบัตินี้เหมาะกับงาน เช่น เอเจนต์เขียนโค้ด การค้นคว้าจากเอกสารจำนวนมาก การวิเคราะห์สื่อ และผู้ช่วยที่เรียกใช้เครื่องมือ ระบบลักษณะนี้อาจอ่านบริบท วางแผนขั้นถัดไป เรียกเครื่องมือ ตรวจผลลัพธ์ แล้วปรับคำตอบซ้ำหลายรอบ จึงใช้โทเค็นมากโดยธรรมชาติ

MiMo เริ่มทดสอบสาธารณะเมื่อ 23 เมษายน 2026 และ Xiaomi เปิดให้ใช้งานฟรีในช่วงเวลาจำกัดช่วงแรก 3 การเข้าถึงได้รวดเร็วมีความสำคัญไม่แพ้ผลทดสอบมาตรฐาน เพราะช่วยให้นักพัฒนาลองใช้กับแอปจริง ปรับกติกาการเลือกโมเดล และขยายการใช้งานได้โดยไม่ต้องผ่านกระบวนการจัดซื้อที่ยาวนาน

ต้นทุนและความยืดหยุ่นในการติดตั้ง ช่วยเปลี่ยนความสนใจให้กลายเป็นการใช้งาน

เมื่อหลายโมเดลมีคุณภาพถึงเกณฑ์ที่ทีมต้องการ คำถามชี้ขาดมักกลายเป็นเรื่องการปฏิบัติการ: งานหนึ่งงานที่เสร็จสมบูรณ์มีต้นทุนเท่าไร บริการรองรับภาระงานได้หรือไม่ เข้ากับระบบเดิมหรือเปล่า และองค์กรควบคุมรูปแบบการติดตั้งได้เพียงใด

Xiaomi ทำตลาดตระกูล MiMo ด้วยราคาแบบ Token Plan และประสิทธิภาพการใช้โทเค็น 1 ที่สำคัญกว่านั้น บริษัทเปิดซอร์สชุด V2.5 ภายใต้สัญญาอนุญาต MIT ซึ่งอนุญาตให้นำไปใช้อนุมานเชิงพาณิชย์ ฝึกต่อ และปรับจูนได้โดยไม่ต้องขออนุญาตเพิ่มเติม 2

น้ำหนักโมเดลแบบเปิดไม่ได้รับประกันว่าจะมีผู้ใช้จำนวนมาก แต่เพิ่มทางเลือกให้ลูกค้า ทีมหนึ่งอาจใช้ API แบบโฮสต์ ติดตั้งเอง ปรับจูนโมเดล หรือคงทางเลือกการติดตั้งอื่นไว้ได้ ความยืดหยุ่นนี้มีค่ามากเป็นพิเศษสำหรับแอปที่มีปริมาณใช้งานสูง เพราะต้นทุนต่อหน่วยและการพึ่งพาผู้ให้บริการรายเดียวอาจมีผลอย่างมีนัยสำคัญ

การกวาด 5 อันดับแรกของโมเดลจีน บอกอะไรได้จริง

สำหรับช่วง 20–26 กรกฎาคม รายงานที่อ้างอิงข้อมูล OpenRouter ระบุ 5 อันดับแรกว่าได้แก่ MiMo-V2.5, DeepSeek V4 Flash, Tencent HY3, Zhipu GLM-5.2 และ DeepSeek V4 Pro 8 รายงานอื่นในเดือนกรกฎาคมก็อธิบายว่าโมเดลจากจีนมีสัดส่วนทราฟฟิกที่ส่งผ่านแพลตฟอร์มมากกว่า 60% 1926

ข้อสรุปเชิงปฏิบัติไม่ใช่ว่าโมเดลจีนเหนือกว่าโมเดลสหรัฐฯ ทุกตัวในทุกตัวชี้วัด แต่เป็นหลักฐานว่าการยอมรับโมเดลในชั้นการประมวลผลหรือ inference แข่งขันกันได้อย่างเข้มข้น โมเดลที่มีความสามารถเพียงพอ ต้นทุนใช้งานต่ำ และเชื่อมเข้าระบบได้ง่าย สามารถดึงปริมาณการใช้งานจริงมหาศาลได้ แม้ข้อถกเถียงเรื่องผู้นำโมเดลแนวหน้ายังไม่จบ

ยังมีหลักฐานของอุปสงค์ข้ามพรมแดนด้วย: CNBC รายงานว่าสัดส่วนโทเค็นที่บริษัทสหรัฐฯ ใช้กับโมเดลจีนผ่าน OpenRouter สูงกว่า 30% ทุกสัปดาห์นับตั้งแต่ 8 กุมภาพันธ์ และเคยขึ้นสูงสุดถึง 46% 23 จึงอธิบายการเปลี่ยนแปลงนี้ด้วยการใช้งานในจีนเพียงอย่างเดียวได้ยาก

บทเรียนใหญ่: การยอมรับในตลาด inference ไม่ใช่การแข่งขันเดียวกับ AI แนวหน้า

การขึ้นนำช่วงสั้น ๆ ของ MiMo ชี้ให้เห็นความต่างสำคัญในตลาด AI:

• ความสามารถระดับแนวหน้า คือโมเดลทำงานยากและทำคะแนนการประเมินได้ดีเพียงใด
• การยอมรับในการประมวลผลจริง คือโมเดลใดที่นักพัฒนาเลือกส่งเข้าแอปพลิเคชันในระดับปริมาณมาก

การแข่งขันแบบหลังให้รางวัลกับปัจจัยที่หลากหลายกว่า ได้แก่ ความคุ้มค่าระหว่างราคาและประสิทธิภาพ ขนาดบริบท ข้อมูลนำเข้าหลายรูปแบบ ตัวเลือกการเชื่อมต่อ และเงื่อนไขเชิงพาณิชย์ MiMo รวบรวมคุณสมบัติเหล่านี้ไว้หลายด้าน ขณะที่ระบบนิเวศโมเดลของจีนมีตัวเลือกหลายรายที่แข่งขันกันตอบโจทย์เวิร์กโหลดของนักพัฒนาเดียวกัน

เรื่องนี้ไม่ได้ลบจุดแข็งของสหรัฐฯ ในโมเดลปิดระดับแนวหน้า และปริมาณโทเค็นก็ไม่ได้วัดความปลอดภัย ความน่าเชื่อถือ ความสามารถทำกำไร หรือความสำคัญในองค์กรโดยตรง แต่แสดงให้เห็นว่าแรงโน้มถ่วงของ inference ปริมาณสูงสามารถเปลี่ยนได้รวดเร็ว เมื่อมีโมเดลที่ใช้งานได้จริงพร้อมเงื่อนไขด้านต้นทุนและการติดตั้งที่เอื้อ

สรุป

อันดับของ MiMo-V2.5 ในเดือนกรกฎาคมควรถูกมองว่าเป็นหมุดหมายด้านการกระจายการเข้าถึงและเศรษฐศาสตร์การใช้งาน ปริมาณราว 10.5 ล้านล้านโทเค็นต่อสัปดาห์สะท้อนข้อเสนอที่ออกแบบมาสำหรับงานเอเจนต์และมัลติโหมด มีหน้าต่างบริบท 1 ล้านโทเค็น เปิดให้เข้าถึงได้รวดเร็ว และต่อมาใช้สัญญาอนุญาตเชิงพาณิชย์แบบเปิด 2816

ผลที่โมเดลจีนครอง 5 อันดับแรกจึงเป็นหลักฐานว่า การยอมรับ LLM ในโลกจริงให้ความสำคัญกับระบบที่ติดตั้งได้และคำนึงถึงต้นทุนมากขึ้น ไม่ใช่ข้อพิสูจน์ว่าประเทศใดประเทศหนึ่งชนะการแข่งขันด้านผู้นำ AI ในทุกมิติแล้ว