Xiaomi MiMo, Trilyon Parametreli Yapay Zeka Modelini 1.000 Token/Saniye Hızına Çıkardı: Fiyatı 3 Kat, Deneyimi 10 Kat

UltraSpeed modu, yeni bir model sınıfı değil; 1,02 trilyon parametreli, 42 milyar aktif parametreye ve 1 milyon token bağlam penceresine sahip uzmanların karışımı (MoE - Mixture of Experts) mimarisindeki MiMo-V2.5-Pro modelinin üzerine inşa edilmiş, mühendislik odaklı bir hizmet modudur .

Hızın Ardındaki Üç Kritik Teknik

Xiaomi’nin resmi dokümanları, çıktı hızını 1.000 token/saniyenin üzerine taşımak için model-sistem ortak tasarımı (co-design) yaklaşımıyla birleştirilmiş üç temel mühendislik adımını tarif ediyor .

1. FP4 Karma Hassasiyetli Niceleme (Quantization)

Sadece MoE (Uzmanların Karışımı) uzman katmanları FP4 hassasiyetine nicelenirken (kuantize edilirken), modelin geri kalan tüm katmanları orijinal hassasiyetini koruyor . Niceleme farkındalıklı eğitim (QAT - Quantization-Aware Training) ile modelin bellek ayak izi ve bant genişliği baskısı azaltılırken, kalitenin neredeyse kayıpsız seviyede tutulması hedefleniyor . Bu seçici yaklaşım, hassasiyet kaybına daha duyarlı olan uzman olmayan bileşenlerin bozulmasını engelliyor.

2. DFlash Spekülatif Kod Çözme (Decoding)

DFlash, geleneksel otoregresif taslak oluşturma yöntemini, blok seviyesinde maskelenmiş paralel tahmin ile değiştiriyor . Taslak modeli, hesaplama maliyetini dizi uzunluğuyla ölçeklendirmek yerine kayar pencere dikkati (SWA - Sliding-Window Attention) ile neredeyse sabit tutuyor . Muon optimize edici ve öz damıtma (self-distillation) yöntemleri, kabul oranlarını artırarak bu kazancı doğrudan çıkarım hızına yansıtıyor . Kodlama senaryolarında, doğrulama adımı başına kabul edilen ortalama token uzunluğunun 6.30 token civarında olduğu rapor ediliyor .

3. TileRT Kalıcı Çekirdek Motoru ve İş Paylaşımı (Warp Specialization)

TileRT sistemi, geleneksel operatör bazlı çekirdek başlatma modelini terk ederek, hesaplama hattının GPU üzerinde sürekli aktif kaldığı kalıcı bir çekirdek motoru kullanıyor . Tam boru hattı ön getirme (full-pipeline prefetching) ile veri taşıma ve hesaplama işlemleri üst üste bindirilerek GPU’nun boşta kalma süreleri dramatik şekilde azaltılıyor . Sistem ayrıca iletişim, veri hareketi ve tensör hesaplamalarını farklı iş kümelerine (warp) atayarak GPU’yu sürekli akan, heterojen bir yürütme sistemine dönüştürüyor .

Fiyatlandırma: “3 Kat Fiyat, 10 Kat Çıktı Deneyimi”

UltraSpeed API deneme fiyatı, standart MiMo-V2.5-Pro çıktı fiyatının tam olarak 3 katı olarak belirlendi .

• Standart katman: Çıktı başına her 1 milyon token için 0,87 $ (uluslararası) veya 6 ¥ (yurt içi Çin)
• UltraSpeed deneme: Çıktı başına her 1 milyon token için 2,61 $ (uluslararası) veya 18 ¥ (yurt içi)

Girdi fiyatlandırması da aynı 3 kat çarpanı takip ediyor. Önbellek isabetli (cache-hit) girdi 0,0108 $ / milyon token, isabetsiz (cache-miss) girdi ise 1,305 $ / milyon token olarak ücretlendiriliyor . Xiaomi, 3 kat token maliyetine karşılık yaklaşık 10 kat işlem hacmi kazancıyla bunu "3 Kat Fiyat, 10 Kat Çıktı Deneyimi" olarak pazarlıyor .

Kısıtlı Deneme Süreci ve Erişim Kuralları

UltraSpeed deneme süresi net bir şekilde zaman sınırlı: 9 Haziran - 23 Haziran 2026, saat 23:59 . Yüksek hızlı çıkarım kaynaklarının kısıtlı olması nedeniyle erişim başvuru esasına dayalı. Öncelik, kurumsal ve profesyonel geliştirici kullanım senaryolarına verilecek .

Onaylanan kullanıcılar, iki haftalık süreçte ücretsiz sohbet deneyimi kazanıyor. Ancak adil kullanım kuralları devrede: Her hesap için günde en fazla 10 başarılı kuyruk giriş hakkı, 30 dakikalık oturum sınırı ve 5 dakikalık boşta kalma sonrası kaynakların otomatik serbest bırakılması şartı bulunuyor . Xiaomi, inceleme süreleri veya onay oranları konusunda bir garanti vermiyor .

Açık Kaynak Yayını

MiMo-V2.5-Pro-FP4-DFlash olarak adlandırılan temel model, UltraSpeed duyurusu ile eş zamanlı olarak açık kaynak olarak yayınlandı . FP4 ile nicelenmiş ağırlıklar ve DFlash model kontrol noktaları (checkpoint), Hugging Face üzerinden erişilebilir durumda. Bu durum, Xiaomi’nin FP4 niceleme ve DFlash spekülatif kod çözmeyi sistemin temel taşları olarak tanımlayan dokümantasyonu ile de uyumlu .

Bu Geliştiriciler İçin Ne Anlama Geliyor?

UltraSpeed modu, trilyon parametre seviyesindeki modellerin özel silikon çiplere ihtiyaç duymadan, herkesin erişebileceği standart GPU altyapısında, etkileşimli hızlarda çalışabileceğini kanıtlıyor. Bu, sektördeki genel özel donanım eğiliminden önemli bir sapmayı temsil ediyor . Gecikme sürelerine duyarlı yapay zeka ajan uygulamaları, araç çağırma işlevleri (tool-calling pipelines) veya gerçek zamanlı kod üretimi geliştirenler için yüksek işlem hacmi ve 1 milyon token’lık dev bağlam penceresinin birleşimi, sınırlı deneme penceresine erişebilmeleri halinde daha hızlı ve yetenekli üretim sistemlerine giden pratik bir yolun sinyallerini veriyor.