Xiaomi MiMo v2.6: 3 Milyon Dolarlık Canlı RL ile Gelen En İyi Açık Model İddiası

Açık modellerin sınıra yetiştiği cümlesi bu kez bir basın bülteninden değil, Xiaomi’nin MiMo v2.6 sunumundan geliyor; videoyu anlatan isim uzun süredir Xiaomi modellerini takip etmediğini ama bu serinin canlı pekiştirmeli öğrenme yayınıyla dikkatini çektiğini söylüyor. İddia yalın: Pro ve Flash adlı iki yeni model, GPT-5.6 seviyesine göz kırpan skorlarla ve ağırlıklarla birlikte eğitim kodunu da açarak geliyor; faturası ise yaklaşık 3 ila 3,5 milyon dolar olarak ekran paylaşımıyla gösteriliyor. Hikâye, Çin açık kaynak ekosisteminin ölçeklendiğini hissettiren nadir anlardan biri — çünkü skor tek başına değil, skorun nasıl üretildiğini canlı izleyebilmek de ürünün parçası haline gelmiş.

6 günde canlı antrenman: neden bu kadar konuşuldu?

MiMo ekibi, pekiştirmeli öğrenmenin tamamını perde arkasında tutup sonuç açıklama alışkanlığını kırmış ve 6 günlük RL koşusunu canlı loglarla paylaşmış; videoda performans eğrisinin günlere yayılan yükselişi izlenebiliyor. Arkasında yarım yıllık temel araştırma ve mühendislik deneme-yanılmasının biriktiği vurgulanıyor; ekip, yerli açık modeller arasında bu ölçekte işlem gücü ayrılan nadir çalışmalardan biri olduğunu söylüyor. Bu şeffaflık, 3,5 milyon dolarlık harcamanın abartıdan çok laboratuvar defteri gibi okunmasını sağlıyor — tıpkı bir maratonun kilometre taşlarını canlı tabelada görmek gibi, sürecin kendisi kanıta dönüşüyor.

Aile, iki yerli çok modlu modelle kuruluyor: Pro ve Flash. Videoda aktarılan donanım çerçevesine göre Pro yaklaşık 1 trilyon toplam parametre ve token başına 2 milyar aktif parametreyle kurumsal ölçeğe, Flash ise 310 milyar toplam ve 15 milyar aktif parametreyle daha erişilebilir bir banda konumlanıyor (resmî MiMo mimari notları önceki nesilde 1 trilyon/42 milyar aktif ve 1 milyon bağlam gibi ölçekleri aynı MoE — uzman karışımı, her soruda beynin tamamı değil ilgili uzmanların çalışması — mantığıyla anlatmıştı). Hugging Face koleksiyonunda açık ağırlıklar, OpenRouter’da üç varyant ve ek olarak 9 milyar parametrelik damıtılmış bir kodlama modeli (Quinn 9B) eşlik ediyor; yani çekirdek aileyi hafif bir saha modeli tamamlıyor.

Mimari ve donanım: neden hâlâ ağır?

MoE mimarisi (uzman karışımı) sayesinde toplam parametre büyük görünse de her token için yalnızca küçük bir alt küme ateşleniyor; bu, tıpkı büyük bir orkestrada her eserde yalnızca ilgili bölümün çalması gibi bir verimlilik demek. Hibrit dikkat (hybrid attention — yerel kayan pencere ile seyrek küresel dikkatin birleşimi) 128 bin bağlamın KV önbelleğini şişirmeden taşımasına yardım ediyor; yine de önbellek büyüdükçe VRAM ihtiyacı artıyor çünkü hem ağırlıklar hem de bağlam izleri aynı bellekte tutuluyor. Videoda Claude yardımıyla çıkarılan bir tabloya göre Flash tam nicemlemede iki DGX kutusuna sığabilirken, trilyon ölçekli Pro tam hassasiyette 8 adet H100 gerektiriyor — nicemleme (quantization, sayıları daha az bitle paketleme) ise ihtiyacı Virginia ince bir bavula sıkıştırır gibi azaltıyor ama kalite-pürüz dengesini de birlikte getiriyor.

Performans cephesinde anlatıcı tek bir skora yaslanmıyor; Artificial Analysis Intelligence Index’te Pro’nun 46 puanla mevcut en güçlü açık model olarak Kimi K3 ve Qwen3 Max’i geride bıraktığı, ancak en kapalı rakiplerin hâlâ önünde olduğu aktarılıyor. Daha doymamış bir ajan barometresi olarak Terminal-Bench 4.0 öne çıkarılıyor ve hem Pro hem Flash’in burada GPT-5.6 Sol düzeyine yakın durduğu söyleniyor. Maliyet/performans düzleminde ise Pro’nun Pareto sınırında konumlanması vurgulanıyor; llm-stats karşılaştırmalarına göre giriş $0,43 ve çıkış $0,87 (milyon token başına) seviyeleri, rakiplerin birkaç kat altında kalarak aynı zekâ başına daha düşük fatura ima ediyor.

Erişim tarafı, açık söylemin pratiğe değdiği yer: ağırlıklar Hugging Face koleksiyonunda, API ise düşük fiyatla OpenRouter ve Xiaomi Open Platform’da; çağırırken küçük harfli `mimo-v2.6-pro` / `flash` adları kullanılıyor. Fiyatlandırma V2.5 ile aynı bırakılmış, Pro için UltraSpeed modu 20 kata kadar çıkarım hızı vaat ediyor ve önbellek isabetinde giriş maliyeti binde bire kadar düşebiliyor. Videoda 1 milyon token bağlam ve 128 bin çıkış penceresi, planlarda aylık/yıllık token paketleriyle birlikte anılıyor — yani toplu işler için parti çıkarımı (batch) da aynı fiyat şemsiyesi altında tutulmuş.

Test sahası: DeepSeek koşumunda doğrulama döngüsü

Anlatıcının favori sahne testlerinden biri DeepSeek koşumu (harness — modellerin araç kullanırken izlendiği standartlaştırılmış deneme düzeneği) içinde yapılıyor; modelden kendisi hakkında araştırma yapıp bir lansman sayfası üretmesi ve her adımı doğrulaması isteniyor. Bu döngüde yaklaşık 45 milyon token harcanıyor, fakat %98’i önbellekten geldiği için fatura şişmiyor — tıpkı kütüphanede daha önce fotokopisi alınmış sayfaları yeniden kopyalamamak gibi. Orta ayarda çok modlu (metin+görsel) davranışla model, araştırma, ekran görüntüsü alma ve doğrulama üçlüsünü ısrarla işletiyor; ilk geçişte hem Pro hem Flash için hazırlanan sayfa, kaynak görselleri doğru tema ve animasyonlarla yansıtmasıyla alkış alıyor, tek çekim yerine doğrulamalı döngünün gerçek yazılım pratiğini taklit ettiği vurgulanıyor.

Videonun ortasındaki sponsorlu bölüm, kod için arama meselesini ikiye ayırıyor: klasik web araması özet odaklıyken Firecrawl’ın geliştirici indeksi canlı GitHub sorunları, birleştirilmiş çekme istekleri ve değişiklik günlüklerini indeksleyerek birincil kaynağı getiriyor. Örnekte XM 7’den 8’e geçişte genel arama tek bloktan ikincil bir kaynaktan düzeltmeyi yakalarken, geliştirici indeksi aynı sözdizimi değişimini birleştirilmiş PR’larla derinleştiriyor ve joker değişiminde yanlış sürüme sabitleyen blog tuzaklarını da ele veriyor. Sunucu tarafında MCP üzerinden 500 ücretsiz krediyle deneme imkânı anılırken, mesaj net: kod aramasında özet değil, kaynağın kendisi gerekiyor ve ajan bu primeri gördüğünde daha derin ve doğru yama üretiyor.

Yetenek demoları ajanın tek atış illüzyonunu kırma üzerine kurulu: canlı API ile Uluslararası Uzay İstasyonu’nun konumu harita üzerinde doğru izleniyor, arka planda yıldızlar yerine yörünge izini vurgulayan dama deseni dikkat çekiyor; model doğrulama sırasında istasyonun görsellerini indirip Blender ile 3B varlık üretmeyi bile deniyor. 3D tarafında Blender varlıkları kodla canlandırılıyor, 3GS ile prosedürel sahne üretimi makul bulunuyor ama uzamsal akıl yürütmede DeepSeek 4.1 Flash’in gerisinde kalabildiği not ediliyor. Tek atış yerine araç döngüsü (tool loop) içinde doğrulamalı üretim, modern yazılım pratiğine yakın sınama olarak çerçeveleniyor; oyun ve görsel üretim ise artık sürpriz değil, beklenen minimum olarak anılıyor.

Videonun final vurgusu bilimsel yardımcı rolü: deneyler, alana özgü pekiştirmeli öğrenme olmadan da matematiksel formülasyonların Lean ile çözülebildiğini, malzeme bilimi ve biyokimyada erken sinyaller görüldüğünü söylüyor. Anlatıcı bu kısımlarda uzman olmadığını peşinen belirtiyor ama çerçeve net: kodlama artık çoğu modelin yetebildiği bir zemin, asıl yeni cephe fiziksel dünya ve araştırma. Açık ağırlıkların bu iki cephede işe yarar hale gelmesi, eğer modeller gerçekten açık kalırsa, heyecan verici bir patikaya işaret ediyor — çünkü açık kalmak, yalnızca lisans değil, topluluğun deneyi tekrarlayabilmesi demek.