En mobiltillverkare har just ritat om kartan
Xiaomi släppte den 22 september tre nya AI-modeller under namnet MiMo-V2.6, och flaggskeppet är ingen telefonfunktion. MiMo-V2.6 Pro är en resonemangsmodell med en biljon parametrar, byggd som en gles mixture-of-experts-arkitektur som aktiverar omkring 42 miljarder av dessa parametrar för varje enskilt svar, och Xiaomi släppte de fullständiga vikterna och träningskoden under en MIT-licens.
En mindre systermodell, MiMo-V2.6 Flash, använder 309 miljarder parametrar totalt och 15 miljarder aktiva, avsedd för hög volym till lägre kostnad. Båda läser och genererar text, bilder, video och ljud, och båda bedömdes av den oberoende utvärderaren Artificial Analysis: Pro fick 46 poäng på dess Intelligence Index, före Kinas egna modeller Kimi K3 (44) och GLM-5.3 (45), medan de ledande stängda modellerna fortfarande ligger före med omkring 53 poäng.
Vad 2,6 miljoner dollar köpte
Xiaomi nöjde sig inte med att publicera modellen, företaget livesände själva träningen. Xiaomi uppger att MiMo-V2.6 Pro slutförde 30 reinforcement-learning-steg på under sex dagar, fördelat på 750 000 uppgiftstrajektorier, med en metod som kallas Group Relative Policy Optimization, till en uppgiven kostnad på omkring 2,6 miljoner dollar; Flash kostade ytterligare omkring 850 000 dollar, totalt 3,5 miljoner dollar för båda modellerna.
Den siffran är värd att jämföra med vad branschen själv har sagt att dess toppmodeller kostar. Jämförelsen nedan använder vanliga branschuppskattningar, inte Xiaomis egna siffror, för varje stängd modell.
| Modell | Uppskattad träningskostnad | Vikter tillgängliga |
|---|---|---|
| Xiaomi MiMo-V2.6 Pro | cirka 2,6 miljoner dollar | Ja, MIT-licens |
| GPT-4 (OpenAI) | 78 till 100 miljoner dollar | Nej |
| Gemini Ultra 1.0 (Google) | cirka 192 miljoner dollar | Nej |
| Llama 3.1 405B (Meta) | cirka 170 miljoner dollar | Ja, community-licens |
Suveränitetskalkylen har just ändrats
Europas debatt om digital suveränitet har mest handlat om infrastruktur: bygga en suverän molnregion, finansiera en chipfabrik, lägga år och miljarder på att sluta gapet till amerikanska och kinesiska hyperscalers. MiMo-V2.6 pekar på en kortare väg som inte kräver något av detta. En myndighet eller ett stort företag kan i dag ladda ner de fullständiga vikterna, köra dem på egna eller hyrda GPU:er inom EU, och aldrig skicka en enda förfrågan till ett amerikanskt eller kinesiskt API.
Den vägen bär på sina egna olösta frågor. Ingen utanför Xiaomi har granskat vilka data MiMo-V2.6 tränades på, eller om den bär de innehållsbegränsningar som är vanliga i kinesiska modeller, samma förbehåll som redan följer andra suveräna lösningar byggda på kinesiska vikter. Att sköta driften själv tar bort beroendet av leverantören, inte kontrollplikten; en organisation som laddar ner vikterna ärver därmed det kontrollarbete som en betald API-leverantör annars hade utfört.
Vad detta betyder om du själv driver AI-infrastruktur
Ett inköps- eller infrastrukturteam som just nu förhandlar ett flerårigt avtal om suverän molntjänst har nu ett verkligt tredje alternativ att jämföra med: köp GPU:erna, ladda ner vikterna, och driv modellen helt internt, med en engångskostnad för hårdvara i stället för en löpande API-räkning. Pro-modellen med sin biljon parametrar behöver fortfarande ett riktigt GPU-kluster för att svara med användbar hastighet, så det här alternativet passar realistiskt sett stora företag, universitet och myndigheter före ett litet företag.
Innan man byter bör man budgetera för det arbete som en leverantör som OpenAI eller Anthropic i dag utför osynligt: säkerhetsjustering, anpassning till innehållspolicyer och en granskning av vad modellen får och inte får säga till en kund. Xiaomi lämnade över vikterna och träningskoden. Företaget lämnade inte över någon ansvarsstruktur, och att bygga en är nu köparens uppgift, inte säljarens.
Läs vidare: När e-postsäkerhet blir en jurisdiktionsfråga | Moonshot Förhandlar, USA Överväger Förbud
