MiMo-V2.6-Pro ขึ้นแท่นเบอร์หนึ่งฝั่ง Open Weight แต่ยังไม่ใช่จุดสูงสุดของ AI ทั้งตลาด

MiMo-V2.6-Pro ของ Xiaomi น่าสนใจเพราะไม่ได้ชนะเพียงเรื่องคะแนน แต่เสนอแพ็กเกจที่รวม น้ำหนักโมเดลแบบเปิด ราคา API ต่ำ และการเปิดเผยทรัพยากรหลังการฝึก ไว้ด้วยกัน

อย่างไรก็ดี ควรอ่านผลลัพธ์นี้ให้ตรงจุด: MiMo-V2.6-Pro นำในกลุ่ม Open Weight ตามดัชนีหนึ่งที่มีการติดตามอย่างกว้างขวาง ไม่ได้หมายความว่ามันเป็นโมเดล AI ที่เก่งที่สุดโดยรวมในทุกประเภทงาน

อันดับหนึ่งใน Open Weight ไม่ใช่อันดับหนึ่งของทั้งตลาด

Artificial Analysis จัดให้ MiMo-V2.6-Pro เป็นโมเดล Open Weight ที่ได้อันดับสูงสุดบน Intelligence Index ด้วยคะแนน 46 ตามด้วย GLM-5.3 ที่ 45 และ Kimi K3 ที่ 44 31

คะแนนนี้อยู่ในระดับเดียวกับการตั้งค่าหนึ่งของ Grok 4.7 ซึ่งเป็นโมเดลปิดของ xAI แต่ Xiaomi เองก็ยอมรับว่าโมเดลเรือธงของตนยังตามหลังโมเดลปิดที่แข็งแกร่งที่สุด โดยตารางของ Artificial Analysis ระบุว่า Claude Fable 5.1 และ GPT-6 Astra ได้ 53 คะแนน หรือสูงกว่า MiMo อยู่ 7 คะแนน 119

ดังนั้น ความสำเร็จนี้มีนัยสำคัญมากในสนาม Open Weight: น้ำหนักโมเดลสามารถดาวน์โหลดและนำไปปรับใช้เองได้ แต่ยังไม่ใช่หลักฐานว่า MiMo ทำได้เทียบเท่าผู้นำโมเดลปิดในภาพรวม

สิ่งที่ Xiaomi เปลี่ยน: ฝึก RL ครั้งเดียวให้ครอบคลุมหลายโดเมน

Xiaomi เรียกแนวทาง post-training ของตนว่า “You Only RL Once” แทนที่จะฝึกนโยบายแยกสำหรับงานเขียนโค้ด เอเจนต์ทั่วไป งานภาพ และความมั่นคงไซเบอร์ บริษัทนำงานจากหลายโดเมน รวมถึงชุดเครื่องมือหรือ harness สำหรับเอเจนต์หลายแบบ มาฝึกในรอบ reinforcement learning (RL) เดียวกัน 5

แนวคิดคือ ทักษะบางอย่างถ่ายโอนข้ามงานได้ เช่น การรู้ว่าขาดข้อมูลอะไร การเลือกใช้เครื่องมือ การประเมินผลจากเครื่องมือ และการหาทางไปต่อเมื่อความพยายามแรกไม่สำเร็จ

Xiaomi ระบุว่า Pro และ Flash ต่างผ่านการฝึก RL จำนวน 30 ขั้น จากเส้นทางการทำงาน (trajectories) ราว 750,000 ชุด ภายในเวลาไม่ถึง 6 วัน โดยต้นทุนที่บริษัทรายงานคือประมาณ 2.62 ล้านดอลลาร์สหรัฐสำหรับ Pro และ 850,000 ดอลลาร์สหรัฐสำหรับ Flash ตัวเลขเหล่านี้เป็นข้อมูลที่ Xiaomi เปิดเผยเอง ไม่ใช่ต้นทุนที่ผ่านการตรวจสอบอิสระ 10

บริษัทอ้างว่าคะแนนของ Pro เพิ่มขึ้น 20 จุดจาก MiMo-V2.5-Pro 14 แต่ควรมองว่านี่เป็นการเปรียบเทียบในช่วงเปิดตัว ไม่ใช่ข้อพิสูจน์ว่าเหนือกว่าทุกโมเดลในทุกงานใช้งานจริง

ราคา API คืออีกเหตุผลที่ทำให้ Pro ถูกจับตา

ราคา API ที่ระบุสำหรับ MiMo-V2.6-Pro คือ 0.435 ดอลลาร์ต่อ 1 ล้านโทเคนอินพุต และ 0.87 ดอลลาร์ต่อ 1 ล้านโทเคนเอาต์พุต การเปรียบเทียบที่อ้างอิงต้นทุนงานทดสอบของ Artificial Analysis ประเมินว่า Pro มีต้นทุนราว 0.13 ดอลลาร์ต่อหนึ่งงานของ Intelligence Index ขณะที่ Grok 4.7 xHigh อยู่ที่ 3.74 ดอลลาร์ 21

แน่นอนว่าต้นทุนบนเบนช์มาร์กไม่เท่ากับค่าใช้จ่ายจริงในระบบผลิต เพราะยังขึ้นกับความยาวของพรอมป์ต์และคำตอบ การใช้แคช การเรียกเครื่องมือ และการตั้งค่า inference แต่เมื่อจับคู่คะแนน 46 กับราคาโทเคนระดับนี้ Pro จึงเป็นตัวเลือกที่น่าสนใจสำหรับทีมที่ต้องการงานใช้เหตุผลหรือเอเจนต์ในปริมาณมาก

MiMo-V2.6-Flash: รุ่นรองที่เน้นต้นทุนและปริมาณงาน

MiMo-V2.6-Flash คือรุ่นที่ Xiaomi วางตำแหน่งให้สมดุลด้านประสิทธิภาพและต้นทุน ใช้สถาปัตยกรรม sparse mixture-of-experts (MoE) ที่มีพารามิเตอร์รวม 309 พันล้านตัว แต่มีพารามิเตอร์ทำงานต่อครั้ง 15 พันล้านตัว เทียบกับ Pro ที่รายงานพารามิเตอร์รวม 1.02 ล้านล้านตัว และทำงานจริง 42 พันล้านตัว 4

ทั้งสองรุ่นรองรับหน้าต่างบริบทขนาด 1 ล้านโทเคน และรับอินพุตได้ทั้งข้อความ ภาพ วิดีโอ และเสียง 4

สำหรับ Flash นั้น Xiaomi ตั้งราคาไว้ที่ 0.14 ดอลลาร์ต่อ 1 ล้านโทเคนอินพุตแบบไม่ใช้แคช และ 0.28 ดอลลาร์ต่อ 1 ล้านโทเคนเอาต์พุต ส่วนอินพุตที่แคชไว้คิด 0.0028 ดอลลาร์ต่อ 1 ล้านโทเคน 310

ผลเปรียบเทียบเบนช์มาร์กที่ Xiaomi เผยแพร่เองวาง Flash ไว้ต่ำกว่า Pro ใน DeepSWE v1.1 แต่ชูจุดเด่นด้านงานบริบทยาวและงานหลายโมดัล ข้อมูลเหล่านี้มีประโยชน์ต่อการดูตำแหน่งผลิตภัณฑ์ของ Xiaomi แต่ทีมที่นำไปใช้จริงควรทดสอบกับเวิร์กโหลดของตนเองและการวัดผลอิสระ

มุมมองแรก ๆ จากผู้ใช้งาน

Tim Dettmers ระบุว่า Flash ให้ความรู้สึกเหมือนเป็น “โมเดลที่ดีที่สุดในกลุ่ม 300B ถึง 550B” และกล่าวว่าจากการใช้งานของเขา มันทำได้ดีกว่า DeepSeek V4.1 กับ GLM-5.3 Flash เขายังชื่นชมการย่อบริบทอัตโนมัติในการใช้งานที่ยาวเกิน 3 ล้านโทเคน และรายงานความเร็วราว 250 โทเคนต่อวินาทีสำหรับการสร้างคำตอบ กับ 2.6k โทเคนต่อวินาทีในช่วง prefill 44

ข้อสังเกตนี้น่าสนใจสำหรับเวิร์กโฟลว์เขียนโค้ดที่ทำงานต่อเนื่องยาวนาน แต่เป็นรายงานจากผู้ปฏิบัติงานเพียงรายเดียว ไม่ใช่เบนช์มาร์กอิสระหรือการรับประกันผลบนฮาร์ดแวร์และระบบเสิร์ฟโมเดลอื่น

Xiaomi เปิดอะไรบ้าง

การเปิดตัวไม่ได้มีแค่น้ำหนักโมเดล Pro และ Flash ภายใต้สัญญาอนุญาต MIT Xiaomi ระบุว่าได้เปิด technical report, สภาพแวดล้อมงาน RL มากกว่า 7,000 รายการ, เฟรมเวิร์ก RL แบบครบกระบวนการ และ mini-harness ที่นำไปประกอบต่อได้ นอกจากนี้ยังมีแดชบอร์ดที่ดึงข้อมูลจากบันทึกของตัวฝึกสำหรับรอบ RL ของทั้งสองโมเดล 462

ความโปร่งใสในขั้นตอนหลังการฝึกระดับนี้ช่วยให้นักวิจัยตรวจสอบแนวทางและต่อยอดจากสภาพแวดล้อมงานได้มากกว่าการปล่อยน้ำหนักเพียงอย่างเดียว แต่ยังไม่เท่ากับชุดสำหรับทำซ้ำการพัฒนาโมเดลทั้งหมด เพราะข้อมูลที่ให้มาไม่ได้ยืนยันว่ามีการเปิดชุดข้อมูล pretraining โครงสร้างพื้นฐาน หรือรายละเอียดการฝึกครบทุกส่วน

นัยต่อการแข่งขัน Open Weight

MiMo-V2.6-Pro เพิ่มน้ำหนักให้กับข้อสรุปว่าแล็บ AI จีนแข่งขันได้สูงมาก และกำลังนำใน การจัดอันดับ Open Weight ของดัชนีนี้ คะแนนของมันสูงกว่า GLM-5.3 และ Kimi K3 ขณะที่ใบอนุญาต MIT ทำให้แตกต่างอย่างมีนัยสำคัญจากโมเดลปิดที่ใช้ได้ผ่าน API เท่านั้น 3136

แต่ไม่ควรขยายผลไปเป็นข้อสรุปว่าจีนเหนือกว่าสหรัฐฯ ใน AI ทุกด้าน เพราะดัชนีเดียวกันยังจัดให้ Claude Fable 5.1 และ GPT-6 Astra ซึ่งเป็นโมเดลปิด อยู่ที่ 53 คะแนน 19

บทสรุปสำหรับผู้เลือกใช้โมเดลจึงค่อนข้างชัด: AI แบบ Open Weight กำลังขยับเข้าใกล้ระบบ proprietary ที่มีราคาแพงในเบนช์มาร์กนี้ และ MiMo-V2.6-Pro เป็นตัวเลือกสำคัญสำหรับทีมที่ให้ความสำคัญกับน้ำหนักที่นำไปติดตั้งเองได้ ค่า inference ต่ำ อินพุตหลายรูปแบบ และงานเอเจนต์ที่ต้องใช้บริบทยาว