Bir Trilyon Parametreli Model Hız Kazanıyor
Xiaomi, MiMo-V2.5-Pro-UltraSpeed hizmet modunun sekiz standart GPU içeren tek bir bilgi işlem düğümünde saniyede 1.000’den fazla token üretebildiğini söylüyor. Canlı gösterimlerde hız saniyede yaklaşık 1.200 tokena ulaştı. Böylece şirketin hız iddiası, genellikle uzmanlaşmış yapay zekâ çipi üreticileriyle özdeşleştirilen bir rekabetin odağına yerleşti.
İçindekiler
- Bir Trilyon Parametreli Model Hız Kazanıyor
- Saniyede 1.000 Token Ne Kadar Hızlı?
- Standart GPU’lar Uzmanlaşmış Çiplere Meydan Okuyor
- Daha Küçük Sayılar Bellek Yükünü Azaltıyor
- Tek Adımda Birden Fazla Token Taslağı
- Yazılım Ajanları En Çok Nasıl Yararlanabilir?
- Sınırlı Deneme 23 Haziran’a Kadar Sürecek
- Daha Yüksek Ücret Daha Hızlı Üretim Sağlıyor
- Açık Erişimli Yayınlar İddianın Daha Geniş Çapta Sınanmasını Sağlıyor
- Öne Çıkanlar
Pazartesi günü yapılan duyuru, tüketicilerin daha çok uygun fiyatlı akıllı telefonlar, elektrikli scooter’lar ve ev tipi hava temizleyicilerle tanıdığı bir şirketten geldi. Hızlandırılmış sistem, daha etkileyici bir hız değeri üretmek için tasarlanmış daha küçük bir model yerine, şirketin amiral gemisi yapay zekâ modeli ve bir trilyon parametreli MiMo-V2.5-Pro’yu çalıştırıyor.
Parametreler, bir yapay zekâ modelinin bilgiyi nasıl işlediğini şekillendiren sayısal ağırlıklardır. Bir trilyon parametreli bir model, metin ve bilgisayar kodundaki karmaşık örüntüleri temsil edebilir. Tokenlar, modelin okuyup yazdığı metin parçalarıdır; boyutları değişse de ortalama olarak bir kelimenin yaklaşık dörtte üçüne karşılık gelir.
Xiaomi, performansı model ve onu çalıştıran yazılım üzerinde eşgüdümlü biçimde yapılan ve çıkarım ortağı TileRT ile geliştirilen değişikliklere bağlıyor. Üç temel bileşen FP4 niceleme, DFlash spekülatif çözümleme ve TileRT çıkarım motoru.
Şirket, bu yaklaşımı uç noktada model-sistem ortak tasarımı olarak tanımlıyor: Her iyileştirmenin diğerlerini desteklemesi için modelin yürütülmesini ve hizmet yazılımını birlikte tasarlamak. Şirketin iddiasına göre yazılım, devasa bir modeli daha önce özel donanımla ilişkilendirilen hız eşiğinin üzerine çıkarabilir.
9 Haziran 2026 itibarıyla bağımsız üçüncü taraf doğrulaması geniş çapta yayımlanmış değil. Xiaomi, sınırlı bir API denemesi başlattı ve araştırmacıların ve geliştiricilerin incelemesi için bir model kontrol noktası yayımladı. Bu testler, performansın farklı görev ve çalışma koşullarında nasıl sonuç verdiğini ortaya koymaya yardımcı olacak.
Saniyede 1.000 Token Ne Kadar Hızlı?
Artificial Analysis’a atfedilen kıyaslama verilerine göre, ChatGPT’deki konuşmaların çoğuna güç verdiği belirtilen GPT-5.5 saniyede yaklaşık 68 token üretiyor. Claude Opus 4.6 saniyede yaklaşık 71, Anthropic’in daha hafif Haiku modeli 98, Google’ın Gemini Flash modeli ise 192 tokena ulaşıyor.
Bu değerlerle karşılaştırıldığında Xiaomi’nin saniyede 1.000 token iddiası, GPT-5.5’in hızının yaklaşık 14,7, Claude Opus 4.6’nın hızının ise 14,1 katı. Hesaplama basit: 1.000’i 68’e ya da 71’e bölmek. Karşılaştırma, iddia edilen farkın büyüklüğünü gösteriyor; Xiaomi’nin sistemini değerlendirmek için yine de bağımsız testler gerekiyor.
Daha önceki MiMo Flash modeli saniyede 150 token hızında, yani yaklaşık saniyede 110 kelimeye denk gelen yanıtlar üretebiliyordu. Bu, bir insanın rahatça okuyup konuşabileceğinden daha hızlıydı. UltraSpeed, üretim hızını insanın tüketim temposunun çok daha ötesine taşıyor.
Geleneksel bir dil modeli, yanıtını kendisinden önce gelen metne bakarak bir sonraki tokenı tahmin ederek üretir. Bu sürecin hızı, bir yanıt için ne kadar bekleneceğini belirlemeye yardımcı olur. Tüketici sohbet botlarında alışıldık hızlarda bir paragrafın ekrana gelmesi birkaç saniye sürer. Xiaomi’nin iddia ettiği hızda ise üretim başladıktan sonra bir analiz sayfası neredeyse anında görüntülenebilir.
Tek bir yanıtı okuyan kişi için fayda, daha kısa bekleme süresidir. Çok sayıda yanıt isteyen yazılımlar içinse hız, belirli bir süre içinde ne kadar iş yapılabileceğini belirleyebilir. Sunucunun kaç isteği karşılayabileceğini de etkiler; bu, kapasite için ödeme yapan ve hizmetlerini büyütmeye çalışan işletmeler açısından önemlidir.
Standart GPU’lar Uzmanlaşmış Çiplere Meydan Okuyor
Xiaomi, UltraSpeed sonucunun özel silikon kullanmadan tek bir standart düğümdeki sekiz genel amaçlı GPU’dan elde edildiğini söylüyor. Düğüm, birlikte çalışan birden fazla işlemci içerebilen bir bilgi işlem birimidir. Bu donanım türü büyük bulut sağlayıcıları üzerinden temin edilebildiğinden, Xiaomi’nin yaklaşımı bilgi işlem kaynaklarını kiralayan geliştiriciler için önem taşıyor.
Cerebras, kabaca yemek tabağı büyüklüğündeki plaka ölçekli bir çiple daha hızlı çıkarım sağlamayı hedefledi. Tasarımında, işlem donanımı ile bellek arasında veri taşımaktan kaynaklanan kısıtları azaltmak için çip üzerinde 44 GB bellek bulunuyor. Bu sistem, Meta’nın Llama 3.1 405B modeliyle saniyede 969 tokene ulaştı.
Llama 3.1 405B, MiMo-V2.5-Pro’nun bir trilyon parametresinin yarısından azına, 405 milyar parametreye sahip. Groq’un özel Dil İşleme Birimi mimarisi ise modele bağlı olarak saniyede 300 ila 750 token sağlıyor. Her iki yaklaşım da AWS gibi sağlayıcılardan kiralanabilen standart bulut GPU’ları yerine uzmanlaşmış donanım kullanıyor.
Xiaomi’nin iddia ettiği sonuç, olağanüstü hızlı çıkarımın mutlaka yeni bir çip tasarımına bağlı olduğu fikrine meydan okuyor. Çıkarım, eğitilmiş bir modelin yanıt üretmek için çalıştırılmasıdır; modelin ilk aşamada eğitilmesi değil. Burada şirket ve TileRT, bu sürecin nasıl yürütüldüğüne odaklandı.
Uzmanlaşmış çipler ciddi sermaye, uzun tasarım süreçleri ve özel üretim gerektiriyor. Genel amaçlı GPU’lar ise yüksek üretim hacminden, yaygın bulunabilirlikten ve NVIDIA dâhil üreticilerin sürdürdüğü gelişmelerden yararlanıyor. Performans bağımsız olarak doğrulanırsa Xiaomi’nin yaklaşımı, tanıdık altyapı üzerinden çok daha fazla kuruluşun yüksek hızlı çıkarımdan yararlanmasını sağlayabilir.
Özel yapay zekâ çipi geliştirme çalışmalarına yüz milyonlarca dolarlık yatırım yapıldığı düşünüldüğünde bu karşılaştırma özellikle dikkat çekici. Xiaomi, bu yatırımlarla hedeflenen hızlara ulaşmanın başka bir yolu olarak eşgüdümlü yazılım mühendisliğini öne çıkarıyor.
Daha Küçük Sayılar Bellek Yükünü Azaltıyor
FP4 niceleme, Xiaomi’nin hızlandırma stratejisinin ilk bileşeni. Niceleme, bir modelin sayısal değerlerini daha az bit kullanarak saklar; böylece gereken bellek miktarını ve makine içinde taşınması gereken veri hacmini düşürür.
Birçok büyük model 16 bit ya da 8 bit sayısal hassasiyet kullanıyor. Bu seviyelerde bir parametre sırasıyla iki ya da bir bayt yer kaplıyor. Xiaomi, MiMo-V2.5-Pro’nun uzman katmanlarını 4 bite sıkıştırırken modelin geri kalanını tam hassasiyette bırakıyor.
Modelin bir trilyon parametresinin çoğu uzman katmanlarda bulunuyor. Dolayısıyla sistemin bu bölümünü sıkıştırmak, bellek ihtiyacının büyük kısmını karşılıyor. Daha az verinin saklanması ve aktarılması gerekiyor; bu da üretimi yavaşlatabilen bant genişliği baskısını hafifletiyor.
Daha düşük hassasiyetin bir riski var: Sayısal değerler daha az kesin biçimde temsil edildiğinde modelin akıl yürütmesi ya da yanıt kalitesi bozulabilir. Xiaomi, uzman katmanları seçici biçimde bu işleme tabi tutmanın kalite kaybını sıfıra yakın tuttuğunu söylüyor. Şirket, UltraSpeed’i daha az yetenekli bir modelin yerine geçecek bir seçenek olarak değil, amiral gemisi modelin hızlandırılmış sürümü ve zekâsını koruyan bir sistem olarak sunuyor.
Temel fikir basit. Büyük bir yapay zekâ sistemi, ihtiyaç duyduğu sayıları hesaplamakla kalmaz, onları taşımak için de zaman harcar. Bu sayıların çoğunu küçültmek, işlemcilerin veriyi daha hızlı almasına yardımcı olabilir. Xiaomi bu tasarrufu, tek başına sıkıştırmaya bel bağlamak yerine token üretimi ve GPU yürütmesindeki değişikliklerle birleştiriyor.
Tek Adımda Birden Fazla Token Taslağı
DFlash spekülatif çözümleme, ikinci teknik. Geleneksel spekülatif çözümleme, sıradaki birkaç tokenı tahmin etmek için daha küçük bir taslak model kullanır. Daha büyük model bu tahminleri birlikte kontrol eder ve kabul edilen metnin, her seferinde tek token üreten olağan sürece kıyasla daha hızlı ilerlemesini sağlar.
DFlash, taslak hazırlama sürecini değiştiriyor. Her taslak tokenı sırayla üretmek yerine, tek bir ileri geçişte maskelenmiş konumların tamamını dolduruyor. İleri geçiş, tahmin üretmek için model hesaplamalarının bir kez çalıştırılmasıdır. Ardından daha büyük model önerilen tokenları doğruluyor.
Xiaomi, kodlama görevlerinde büyük modelin her doğrulama turunda önerilen sekiz tokenın ortalama 6,3’ünü kabul ettiğini bildiriyor. Böylece, olağan üretimin bir token ilerlediği bir adımda yaklaşık altı token ilerletilebiliyor. Bildirilen kabul oranı, bu tekniğin hız iddiasına neden bu kadar büyük katkı sağladığını açıklamaya yardımcı oluyor.
Üçüncü bileşen TileRT. Çıkarım motoru, bilgi işlem hattının GPU içinde sürekli çalışır durumda kalmasını sağlıyor. Standart hizmet sistemleri tek tek operatörleri, yani bilgi işlem işlemlerini, art arda başlatabiliyor ve aralarında küçük boşluklar bırakabiliyor.
TileRT, bu tekil işlemlerin başlatılmasından kaynaklanan ek yükü ortadan kaldırıyor ve verinin hat boyunca akmasını sağlıyor. Sıkıştırma veri yükünü azaltıyor, DFlash her doğrulama adımında daha fazla metni ilerletiyor, TileRT ise yürütmedeki kesintileri azaltıyor.
Xiaomi, bu üç bileşenin birleşik etkisiyle üretim hızının saniyede 1.000 tokenın üzerine çıktığını söylüyor. Sonucu tek başına bu tekniklerin hiçbiri açıklamıyor. Eşgüdüm, UltraSpeed’in arkasındaki temel mühendislik iddiası ve şirketin yaklaşımı model-sistem ortak tasarımı olarak tanımlamasının nedeni.
Yazılım Ajanları En Çok Nasıl Yararlanabilir?
Zor kodlama problemlerinde yapay zekâ kullanan geliştiriciler genellikle tek bir yanıt ister, yanıtın tamamlanmasını bekler ve ardından işe yarayıp yaramadığını kontrol eder. Daha hızlı üretim, otomatik bir sisteme aynı süre içinde onlarca akıl yürütme yolunu deneme, olası çözümleri karşılaştırma ve hataları düzeltme olanağı sağlayabilir.
Bu, kullanılabilir bekleme süresinin nasıl değerlendirildiğini değiştirir. Kodlama ajanı, tek bir denemeye zaman ayırmak yerine bu süreyi birkaç deneme ve doğrulama için kullanabilir. Yazılımın tekrar tekrar durumu gözlemleyip ne yapacağına karar verdiği ve harekete geçtiği otonom ajan döngüleri için bu yaklaşım özellikle çekici.
Dolandırıcılık tespiti ve alım satım sinyali üretimi, bu teknoloji için belirlenen diğer uygulamalar. Dolandırıcılık sistemlerinin işlemleri milisaniyeler içinde değerlendirmesi gerekebilir; canlı piyasa sinyallerini işleyen sistemler ise birkaç saniyelik gecikmeleri kaldıramaz. Daha hızlı metin üretimi, bu işlem sürelerinin bir bölümünü kısaltmaya yardımcı olabilir.
Hasta verilerinin hızla analiz edilmesini gerektiren sağlık uygulamaları ve canlı piyasa akışlarını işleyen yatırım platformları da olası kullanıcılar arasında. Bunlar, deneme sürümüyle birlikte duyurulmuş kullanımlar değil, daha hızlı yanıt vermenin sağlayabileceği olası faydalar.
Gündelik kodlama açısından faydayı kavramak daha kolay. Üretilen kodu bekleyen bir geliştirici, metnin ekrana gelişini izlemeye daha az, sonucu kontrol etmeye ya da kullanmaya daha çok zaman ayırabilir. Üretim hızı saniyede 1.000 tokene yaklaştığında veya bu hızı aştığında etkileşim, gerçek zamanlı iş birliğine daha çok benzeyebilir.
Çok sayıda otomatik görev yürüten işletmelerin ilgilenmek için farklı bir nedeni var. Daha hızlı çıktı, katı zaman sınırları içinde daha fazla akıl yürütme ve kontrol yapılmasını sağlayabilir. Dolayısıyla Xiaomi’nin sunduğu şey bir sohbet botunu daha hızlı hissettirmekten ibaret değil; yazılımın bir son tarihe kadar ne kadar işi deneyebileceğiyle ilgili.
Sınırlı Deneme 23 Haziran’a Kadar Sürecek
Xiaomi’nin API denemesi 9 Haziran’da başlayıp 23 Haziran 2026’ya kadar sürecek. API, başka bir yazılımın modele istek gönderip yanıt almasını sağlar; geliştiricilerin UltraSpeed’i kendi iş akışlarında denemesinin yolu budur.
Erişim için başvuru gerekiyor ve onay garantisi yok. Somut iş gereksinimleri olan kurumsal kullanıcılar ve profesyonel geliştiricilere öncelik veriliyor. Xiaomi, yüksek hızlı çıkarım kaynakları sınırlı olduğu için katılımı kısıtlıyor.
Her hesap günde en fazla 10 kez sıraya girebiliyor. Oturumlar en fazla 30 dakika sürüyor; beş dakikadan uzun süre boşta kalan oturum otomatik olarak sonlandırılıyor. Bu sınırlar, kesintisiz ve kısıtlamasız kullanım sağlamak yerine deneme süresindeki erişimi düzenliyor.
Başlıca tarihler ve erişim aşamaları şöyle:
- Nisan 2026: MiMo-V2.5-Pro piyasaya sürüldü; performansının çoğu kodlama kıyaslamasında Claude Opus’la eşleştiği belirtildi.
- 9 Haziran tarihli haberden önceki pazartesi: Xiaomi, UltraSpeed hizmet modunu ve hız iddialarını duyurdu.
- 9 Haziran 2026: Sınırlı API denemesi başladı.
- 23 Haziran 2026: Duyurulan deneme süresi sona eriyor.
Deneme, onaylanan kullanıcılara daha hızlı üretimin yürüttükleri görevleri iyileştirip iyileştirmediğini inceleme olanağı sunuyor. Sıra ve oturum kuralları da hızlandırılmış hizmete erişimin bu ilk dönemde kısıtlandığını gösteriyor.
Daha Yüksek Ücret Daha Hızlı Üretim Sağlıyor
UltraSpeed’in fiyatı standart MiMo-V2.5-Pro ücretinin üç katı; üretim hızı ise yaklaşık 10 kat. Bu, Xiaomi’nin kendi hizmeti içinde bekleme süresini kısaltmaya yüksek değer veren kullanıcılara yönelik üst segment bir seçenek.
Aktarılan standart MiMo-V2.5-Pro fiyatları, milyon girdi tokenı başına yaklaşık 0,43 dolar ve milyon çıktı tokenı başına 0,87 dolar. Girdi tokenları modele gönderilen metin, çıktı tokenlarıysa modelin yanıt olarak ürettiği metin.
Bu ücretlerin üç katına denk gelen tutarlar, milyon girdi tokenı başına yaklaşık 1,29 dolar ve milyon çıktı tokenı başına 2,61 dolar olur. Bu değerler, belirtilen standart fiyatlar ile UltraSpeed çarpanından hesaplanıyor.
Karşılaştırma amacıyla aktarılan Claude Opus fiyatları, milyon girdi tokenı başına 5 dolar ve milyon çıktı tokenı başına 25 dolar. Bu rakamlara göre Xiaomi’nin hızlandırılmış seçeneği bile token başına oldukça ucuz kalıyor. Standart MiMo hizmetinin fiyatı Opus’tan zaten çok daha düşük.
İşletmeler için karar, fiyat ile zamanı birlikte değerlendirmeyi gerektiriyor. Üretim yaklaşık 10 kat hızlanıyorsa ve bir görevin hızla tamamlanması gerekiyorsa token başına üç kat fazla ödemek cazip olabilir. Ek hıza ihtiyaç duymayan bir kullanıcının bu farkı ödemek için daha az nedeni olabilir.
Xiaomi’nin rakamları fiyat teklifini somutlaştırıyor: Standart hizmetinden pahalı, şirketin hesabına göre daha hızlı ve aktarılan rakip öncü model fiyatlarının altında. Gerçek harcama, her uygulamanın ne kadar metin gönderip aldığına bağlı olacak.
Açık Erişimli Yayınlar İddianın Daha Geniş Çapta Sınanmasını Sağlıyor
Xiaomi, MiMo-V2.5-Pro-FP4-DFlash kontrol noktasını Hugging Face’te açık kaynaklı olarak yayımladı. Kontrol noktası, belirli bir sürümü yükleyip incelemek için gereken model verilerini içerir. TileRT de seçili modüllerini GitHub’da yayımladı.
Bu yayınlar araştırmacılara ve geliştiricilere özel donanım satın almadan ya da kurumsal lisans edinmeden temel çalışmayı inceleme, test etme ve uyarlama olanağı sunuyor. Ayrıca daha geniş bir topluluğun, tekniklerin başka modellere ve kullanım alanlarına aktarılıp aktarılamayacağını araştırmasına imkân veriyor.
Önümüzdeki haftalarda hız iddiasını değerlendirmede topluluk testleri belirleyici olacak. API denemesi Xiaomi’nin hizmet sistemine erişim sunarken kontrol noktası ve seçili yazılım modülleri, mühendislik çalışmalarının bazı bölümlerini şirket dışından incelemeye açıyor.
Xiaomi’nin tüketici elektroniği alanındaki kimliği, duyurunun neden dikkat çektiğini açıklamaya yardımcı oluyor. Şirket dünya pazarlarında milyonlarca akıllı telefon, scooter ve hava temizleyici sattı; yapay zekâ bölümü ise daha sessiz biçimde büyüdü. MiMo-V2.5-Pro’nun nisandaki lansmanı, kodlama performansını çoğu kıyaslamada Claude Opus’un yanına yerleştirmişti.
UltraSpeed, daha az yetenekli yeni bir alternatif duyurmak yerine bu modelin üzerine inşa ediliyor. Xiaomi, amiral gemisi modelin mevcut yeteneklerini çok daha hızlı hizmet ve aktarılan Opus fiyatlarının altında kalan ücretlerle birleştirmeye çalışıyor.
Bağımsız testler sonucu doğrularsa bu başarı, standart donanımda yazılım optimizasyonunun önde gelen çıkarım performansına ulaşmanın bir yolu olduğu tezini güçlendirecek. Ayrıca Pekin merkezli tüketici elektroniği şirketini, özel bir çip mimarisi yerine model ve hizmet tasarımını eşgüdümlü biçimde geliştirerek rekabet eden bir yapay zekâ altyapı sağlayıcısı konumuna daha güçlü biçimde taşıyacak.
Öne Çıkanlar
- Xiaomi, MiMo-V2.5-Pro-UltraSpeed’in saniyede 1.000’den fazla token ürettiğini, canlı gösterimlerde hızın yaklaşık 1.200 tokene çıktığını öne sürüyor.
- Bir trilyon parametreli model, sekiz standart GPU içeren tek bir düğümde çalışıyor.
- FP4 niceleme, DFlash spekülatif çözümleme ve TileRT çıkarım motoru birlikte çalışarak üretimi hızlandırıyor.
- Xiaomi, kodlama görevlerinde her doğrulama turunda taslak tokenların sekiz üzerinden ortalama 6,3’ünün kabul edildiğini bildiriyor.
- API denemesi başvuru, sıra ve oturum sınırlarıyla 9-23 Haziran 2026 tarihleri arasında yürütülüyor.
- UltraSpeed, standart MiMo ücretinin üç katına yaklaşık 10 kat üretim hızı sunuyor.
- FP4-DFlash kontrol noktası Hugging Face’te, seçili TileRT modülleri ise GitHub’da erişime açık.
- 9 Haziran itibarıyla bağımsız üçüncü taraf doğrulaması geniş çapta yayımlanmış değil.






