Технологический гигант Xiaomi представил общественности свою новую разработку в сфере ИИ — нейросеть MiMo-V2-Flash. По заверениям компании, эта модель способна на равных конкурировать с передовыми системами от OpenAI, Anthropic, DeepSeek и Moonshot AI.
Инструмент уже доступен для интеграции через API, а также на платформах Hugging Face и MiMo Studio. Разработчики подчеркивают, что архитектура MiMo-V2-Flash оптимизирована для решения сложных логических задач, написания программного кода и проектирования автономных агентов, оставаясь при этом эффективным универсальным ассистентом для рутинных операций.
Ло Фули (Luo Fuli), авторитетный эксперт в области машинного обучения, ранее работавший в DeepSeek и ныне развивающий проект MiMo в Xiaomi, отметил в социальной сети X, что релиз MiMo-V2-Flash знаменует собой «важнейшую веху на пути к созданию сильного искусственного интеллекта (AGI)». Под AGI подразумевается гипотетическая система, чьи когнитивные способности эквивалентны человеческим или превосходят их.
Ключевым преимуществом новинки стала её феноменальная производительность. Xiaomi заявляет о скорости обработки данных в 150 токенов в секунду. При этом стоимость эксплуатации установлена на крайне низком уровне: $0,1 за миллион входных и $0,3 за миллион выходных токенов, что делает модель одним из самых экономически выгодных решений в своем классе.
Согласно результатам тестов, MiMo-V2-Flash демонстрирует показатели в области логического вывода, сопоставимые с DeepSeek V3.2 Thinking и Moonshot AI Kimi K2 Thinking. В то же время нейросеть сохраняет высокую планку качества при генерации текстового контента общего назначения.
В задачах по анализу длинных контекстов разработка Xiaomi опережает Kimi K2 Thinking. Особенных успехов модель достигла в бенчмарке SWE-Bench Verified, где она набрала 73,4%, оставив позади все аналоги с открытым исходным кодом и вплотную приблизившись к результатам GPT-5-High. В сегменте программирования MiMo-V2-Flash выступает на уровне Claude 4.5 Sonnet, признанного эталона индустрии, предлагая сопоставимое качество при значительно меньших затратах.
Источник: iXBT
