Xiaomi, MiMo’nun standart GPU’larda saniyede 1.000 token üretebildiğini öne sürüyor; bağımsız testler bekleniyor

11 dakikalık okuma
Xiaomi, MiMo’nun standart GPU’larda saniyede 1.000 token üretebildiğini öne sürüyor; bağımsız testler bekleniyor

Bir Trilyon Parametreli Model Hız Eşiğini Aşıyor

Xiaomi, yapay zekâ modelinin standart bulut grafik işlem birimlerinde saniyede 1.000’den fazla token üretebildiğini öne sürerek MiMo V2.5 Pro UltraSpeed’i 8 Haziran 2026’da piyasaya sürdü. Şirket içi gösterimlerde, sekiz GPU ile donatılmış tek bir bilgi işlem düğümünde sürdürülen üretim hızının saniyede yaklaşık 1.200 tokene ulaştığı görüldü.

İçindekiler
  1. Bir Trilyon Parametreli Model Hız Eşiğini Aşıyor
  2. Xiaomi MiMo Serisini Nasıl Geliştirdi?
  3. Hız Diğer Sistemlerle Nasıl Karşılaştırılıyor?
  4. Üretim Hızı Yapay Zekânın Yapabileceklerini Neden Değiştiriyor?
  5. FP4 Sıkıştırması Bellek Trafiğini Azaltıyor
  6. DFlash Modelin Birden Fazla Tokenı Birlikte Denetlemesini Sağlıyor
  7. TileRT GPU İşlemleri Arasındaki Küçük Boşlukları Gideriyor
  8. Deneme Erişimi, Fiyatlar ve Haziran Takvimi
  9. Ürün Çeşitliliği Xiaomi Hisselerini Yükseltmedi
  10. Açık Sürümler İddianın Yeniden Üretilebilirliğini Sınayacak
  11. Öne Çıkanlar

Şirket, bu başarının özel silikon veya donanım kullanılmadan bu ölçekteki bir dil modelinin saniyede 1.000 token eşiğini ilk kez aşması anlamına geldiğini belirtiyor. Tokenlar, modelin işlediği ve ürettiği metin birimleridir. Model bunları ne kadar hızlı üretirse bir yanıt, kod parçası veya akıl yürütme adımları dizisi de o kadar çabuk tamamlanabilir.

MiMo V2.5 Pro, yanıtlarını şekillendiren sayısal değerler olan 1,02 trilyon parametreye ve bir milyon tokenlık bağlam penceresine sahip. Bağlam penceresi, modelin aynı anda ne kadar içeriği değerlendirebileceğini belirliyor. Mixture of Experts mimarisi, model içinde uzmanlaşmış parametre gruplarından yararlanıyor; metin, görüntü, ses ve videoyu tek bir sistemde doğal olarak işliyor.

UltraSpeed, mevcut modelin üzerine eklenen bir sunum modudur. Xiaomi, hızlanmayı temel ağırlıkların veya mimarinin yeniden tasarlanmasına değil, çıkarım optimizasyonuna, yani eğitilmiş modelin çalışma biçimindeki değişikliklere bağlıyor. Sonucu üç uyumlu teknik sağlıyor: seçici FP4 sıkıştırması, DFlash spekülatif kod çözümü ve TileRT GPU çalışma zamanı.

17 Haziran itibarıyla hız rakamları tamamen Xiaomi’nin şirket içi kıyaslamalarına dayanıyor. Bağımsız bir üçüncü taraf doğrulaması yayımlanmış değil. Şimdi temel sınama, diğer geliştiricilerin performansı yaygın bulut GPU örneklerinde yeniden elde edip edemeyeceği ve modelin farklı görevlerdeki kalitesini koruyup koruyamayacağı.

Reklam

Xiaomi MiMo Serisini Nasıl Geliştirdi?

Xiaomi daha çok uygun fiyatlı akıllı telefonları, elektrikli scooterları ve giderek artan ölçüde elektrikli araçlarıyla tanınıyor. Şirket 2026’nın ilk çeyreğinde 33,8 milyon telefon sevk etti ve yalnızca mayıs ayında 30.000’den fazla elektrikli araç teslim etti. Bu tüketici odaklı iş kollarının arkasında, büyük dil modelleri geliştiren özel bir yapay zekâ bölümü bulunuyor.

MiMo ailesi, Nisan 2025’te 7 milyar parametreli kompakt bir akıl yürütme modeliyle başladı. Sonraki on dört ay içinde açık ağırlıklarla erişilebilen rekabetçi bir model serisine dönüştü. Serinin mevcut amiral gemisi MiMo V2.5 Pro, 22 Nisan 2026’da tanıtıldı.

MiMo V2.5 Pro, yazılım mühendisliği değerlendirmelerinde Claude Opus 4.6’ya yakın performans gösterirken token başına standart fiyatı yaklaşık sekizde biri düzeyinde. Bu birleşim, modeli zorlu akıl yürütme ve kodlama işlerinde kullanılan en gelişmiş sistemlerle rekabete sokuyor.

Xiaomi’nin standart fiyatlandırması, önbellek isabetlerinde bir milyon giriş tokenı başına 0,025 yuan, önbellek isabetsizliklerinde bir milyon giriş tokenı başına 3 yuan ve bir milyon çıkış tokenı başına 6 yuan. Önbellek isabeti, daha önce işlenmiş girdinin yeniden kullanılabilmesi anlamına geliyor; bu nedenle bu kategorinin fiyatı, girdiyi baştan işlemeye kıyasla çok daha düşük.

Temel model kontrol noktası, MIT açık kaynak lisansıyla yayımlandı. Geliştiriciler modeli kendi sunucularında çalıştırabilir, ince ayar yapabilir ve lisans ücreti ödemeden ticari olarak kullanabilir. UltraSpeed, aynı amiral gemisi modeli sunmanın daha hızlı bir yolunu ekleyerek odağı model boyutunu yeniden artırmak yerine yazılım performansına yöneltiyor.

Hız Diğer Sistemlerle Nasıl Karşılaştırılıyor?

Karşılaştırmada belirtilen kamuya açık kıyaslama rakamlarına göre OpenAI’ın GPT 5.5 modeli saniyede yaklaşık 68, Claude Opus 4.6 yaklaşık 71, Google Gemini Flash ise 192 token üretiyor. Xiaomi’nin saniyede 1.000’den fazla token iddiası, standart ChatGPT deneyiminin üretim hızının yaklaşık on beş katına karşılık geliyor.

Özel çip şirketleri benzer hızlara farklı donanımlarla ulaşmaya çalıştı. Cerebras, yaklaşık yemek tabağı boyutundaki, çip üzerinde 44 gigabayt belleğe sahip gofret ölçekli bir çip geliştirdi. Tasarım, geleneksel GPU çıkarımını yavaşlatan bellek bant genişliği kısıtlarını ortadan kaldırmayı amaçlıyor. Sistem, MiMo V2.5 Pro’nun parametre sayısının yarısından azına sahip Meta Llama 3.1 405B’de saniyede yaklaşık 969 token hızına ulaştı.

Groq, modele bağlı olarak saniyede 300 ila 750 token üreten kendi Dil İşlem Birimi mimarisini geliştirdi. Ne bu platform ne de Cerebras sistemi, standart bulut kiralama hizmetleri üzerinden sunulan donanımlarda çalışıyor.

Reklam

Xiaomi’nin sonucu ise kiralanabilen, yaygın kullanıma açık GPU’lardan yararlanıyor. Sekiz GPU içeren standart bir düğüme erişimi olan bir geliştirici teorik olarak aynı sonucu elde edebilir. Bunun uygulamada gerçekleşip gerçekleşmeyeceği, bağımsız testlerin yanıtlaması gereken sorulardan biri.

Ticari açıdan riskler, sohbet yanıtlarını daha hızlı üretmenin ötesine uzanıyor. Özel çip üreticileri bu tür bir performansa ulaşmak için yüz milyonlarca dolar yatırım yaptı. Xiaomi’nin iddialarının doğrulanması, çoğu zaman yeni donanım üzerinden yürütülen rekabette yazılım ve algoritma tasarımının rolünü güçlendirebilir.

Üretim Hızı Yapay Zekânın Yapabileceklerini Neden Değiştiriyor?

Saniyede 68 token üreten bir model, insanların kendi hızlarında okuduğu sohbet arayüzlerinde iyi çalışabilir. Ancak neredeyse anında karar verilmesini gerektiren uygulamaların ihtiyacı farklıdır: Uzun bir token dizisinin üretilmesini beklemek tüm süreci aksatabilir.

Gerçek zamanlı dolandırıcılık tespiti, yüksek frekanslı alım satım sinyalleri ve otonom kodlama ajanları, bu gecikmenin ciddi bir kısıta dönüştüğü görevler arasında. Bir kodlama ajanının plan üretmesi, kod yazması ve ardından birkaç akıl yürütme adımını daha tamamlaması gerekebilir. Daha hızlı çıktı, bu adımlar arasındaki beklemeyi azaltır.

Xiaomi’nin öne sürdüğü performans, paralel akıl yürütmeyi de daha uygulanabilir kılıyor. Best of N akıl yürütmesinde sistem, birden fazla çözüm adayı üretip bunlar arasından seçim yapıyor. Ağaç araması, yanıta giden dallanan yolları inceliyor. Daha yüksek hızlarda, daha yavaş bir modelin tek bir yol için ihtiyaç duyacağı sürede bu akıl yürütme yollarından onlarcası çalıştırılabilir.

Gecikmeler insanların kolayca fark edemeyeceği düzeyin altına indiğinde alım satım sinyali üretimi, dolandırıcılık girişimlerinin engellenmesi ve canlı diyalog sistemleri bundan yararlanabilir. Pratik değer, token üretiminin kısıtlarından yalnızca biri olduğu karar döngüsünün tamamının ne kadar hızlı çalıştığına bağlı.

Xiaomi’nin kamuya açık gösterimleri, çıktı hızıyla sınırlı görevlere odaklandı. Tam işlevli bir Snake oyunu yaklaşık on saniyede, macOS arayüzünün prototipi ise yaklaşık bir dakikada üretildi. Her iki örnekte de gereken kodu hızla üretmek gösterimin temelini oluşturdu.

FP4 Sıkıştırması Bellek Trafiğini Azaltıyor

UltraSpeed’in ilk bileşeni, sayısal değerleri daha az bit kullanarak temsil etme yöntemi olan FP4 nicemlemesidir. Standart çıkarımda model ağırlıkları genellikle 16 bit veya 8 bit hassasiyetle saklanır. Bir trilyon parametre ölçeğinde bu değerlerin bellekten işlem çekirdeklerine taşınması, üretim hızını sınırlayan bir trafik sıkışıklığı yaratır.

Xiaomi, Mixture of Experts mimarisindeki uzman katmanlara seçici biçimde 4 bit hassasiyet uyguluyor. Bu katmanlar model parametrelerinin büyük çoğunluğunu içeriyor ve sayısal hassasiyetin düşürülmesine daha dayanıklı. MXFP4 biçimine sıkıştırılırken diğer modüller, bildirildiğine göre FP8 olmak üzere, daha yüksek hassasiyette tutuluyor.

Reklam

Nicemleme Farkındalıklı Eğitim, sıkıştırmayı modelin öğrenme sürecine entegre ediyor. Böylece model, çalışırken kullanacağı düşük hassasiyeti hesaba katarak öğrenebiliyor. Xiaomi’nin kıyaslamaları, nicemlenmiş sürümün tam hassasiyetteki özgün sürümle esasen aynı performansı gösterdiğine işaret ediyor.

Seçici yaklaşım, ihtiyaç duyulan yerlerde daha yüksek hassasiyeti korurken modelin bellekte kapladığı alanı azaltıyor. Uzman katmanlar parametrelerin çoğunu barındırdığından, bunların sıkıştırılması her üretim adımında bellekten geçirilmesi gereken veri miktarını önemli ölçüde düşürüyor.

Daha az bellek trafiği, GPU’nun değerlerin gelmesini beklemeye daha az, onları işlemeye daha çok zaman ayırması anlamına geliyor. Bu bant genişliği tasarrufu, belirli bir sürede üretilen çıktı miktarı olan işlem hacmindeki iddia edilen artışın bir bölümünü oluşturuyor.

DFlash Modelin Birden Fazla Tokenı Birlikte Denetlemesini Sağlıyor

İkinci bileşen, dil üretiminin sıralı yapısını hedef alıyor. Model normalde her biri daha önce üretilen tokenlara bağlı olan tokenları teker teker üretir. Spekülatif kod çözümü, daha küçük bir taslak modelin bir sonraki birkaç tokenı tahmin etmesini, ardından büyük hedef modelin bu tahminleri paralel olarak doğrulamasını sağlayarak süreci hızlandırır.

Geleneksel spekülatif kod çözümünde taslak modelin tahminlerini hâlâ birer birer üretmesi gerekir. Xiaomi’nin geliştirdiği, araştırma topluluğundan doğan DFlash yöntemi, taslak oluşturmadaki bu sıralı kısıtı ortadan kaldırıyor. Maskelenmiş konumların tamamını tek bir ileri geçişte doldurarak taslak modelin tek çalıştırmada birkaç tahmin üretmesini sağlıyor.

Xiaomi, süreci Muon ikinci dereceden eniyileyicisi ve modelin kendi kendine damıtılmasıyla ayarladı. Bunlar taslak modeli iyileştirmek için kullanılan eğitim teknikleridir. Taslak model yalnızca Kaydırmalı Pencere Dikkati kullanıyor; böylece konuşma ne kadar uzarsa uzasın her tahminin hesaplama maliyeti sabit kalıyor.

Kodlama senaryolarında sistem, boyutu en fazla 8 olan blokla, her doğrulama turunda ortalama 6,3 token kabul uzunluğuna ulaşıyor. Bu, büyük modelin tokenları tek tek üretmek yerine bir adımda yaklaşık altı veya yedi tokenı doğruladığı anlamına geliyor.

Hangi tahminlerin kabul edileceğini reddetme örneklemesi belirliyor. Xiaomi, ortaya çıkan çıktının standart kod çözümüyle matematiksel olarak aynı olduğunu söylüyor. Dolayısıyla bu hızlanma, spekülatif kod çözümü sürecinden kaynaklanan kalite kaybı olmadan sağlanıyor. Açık uçlu sohbetlerde kabul oranları yapılandırılmış kodlama görevlerine kıyasla daha düşük; bu nedenle farklı kullanımlardaki performans, yeniden üretme testlerinin önemli bir parçası.

Reklam

TileRT GPU İşlemleri Arasındaki Küçük Boşlukları Gideriyor

Üçüncü bileşen, mikrosaniyelerle ölçülen gecikmeleri ele alıyor. Çıkarım hızı saniyede 1.000 tokenı aştığında, matematiksel operatörler o kadar hızlı çalışıyor ki bunları başlatmak arasındaki boşluklar başlıca darboğaz hâline geliyor. Geleneksel sunum sistemleri operatörleri art arda başlatıyor ve olağan hızlarda çok daha az önem taşıyan kısa duraklamalara yol açıyor.

Çıkarım ortağı TileRT ile birlikte geliştirilen TileRT çalışma zamanı, GPU içinde sürekli olarak etkin kalan Persistent Engine Kernel’i kullanıyor. İşlemleri tekrar tekrar başlatıp durdurmak yerine yürütmeyi kesintisiz sürdürüyor.

Warp Specialization, farklı donanım iş parçacıklarına veri taşıma, hesaplama yapma ve iletişim kurma konusunda eşgüdümlü roller veriyor. RMSNorm, döner konum gömmeleri ve KV önbelleği yazımları gibi küçük işlemler böylece kesintisiz yürütülebiliyor. Bu işlemler sayısal değerlerin normalleştirilmesine, token konumlarının temsil edilmesine ve üretim sırasında yeniden kullanılacak bilgilerin saklanmasına yardımcı oluyor.

Xiaomi, çalışma zamanını FP4 sıkıştırması ve DFlash tercihleriyle birlikte tasarladı. Model ve sunum sistemi, üç bileşenin eşgüdüm içinde çalışması için birlikte geliştirildi. Şirket, bunların hiçbirinin tek başına saniyede 1.000 tokene ulaşmadığını açıkça belirtiyor.

Dolayısıyla öne sürülen rekor, üç tekniğin birlikte çalışmasına dayanıyor. Sıkıştırma taşınması gereken veri miktarını azaltıyor, spekülatif kod çözümü sıralı üretim adımlarının sayısını düşürüyor, sürekli çalışan çalışma zamanı ise kalan işlemler arasındaki boşlukları ortadan kaldırıyor.

Deneme Erişimi, Fiyatlar ve Haziran Takvimi

UltraSpeed erişimi, 9 Haziran ile 23 Haziran 2026 arasında başvuru gerektiren sınırlı bir API denemesi kapsamında sunuluyor. API, geliştiricilerin kendi yazılımlarını modele bağlamasını sağlıyor. Token Plan abonelik hizmeti UltraSpeed için geçerli değil.

Hizmet, Xiaomi’nin vadettiği yaklaşık on kat üretim hızı karşılığında standart MiMo V2.5 Pro ücretinin üç katına mal oluyor. Döviz hesaplamalarına göre fiyat, bir milyon giriş tokenı başına yaklaşık 1,29 dolar, bir milyon çıkış tokenı başına ise 2,61 dolar.

Onaylanan kullanıcılar, günlük ve oturum sınırlarına tabi olarak iki hafta ücretsiz Sohbet erişimi elde ediyor. Her hesap günde on kez kuyruğa girebiliyor, oturumlar otuz dakikayla sınırlı ve beş dakika etkinlik görülmediğinde kaynaklar otomatik olarak serbest bırakılıyor.

Önemli tarihler, küçük bir akıl yürütme modelinden mevcut denemeye uzanan süreci gösteriyor:

  • Nisan 2025: Xiaomi, 7 milyar parametreli bir akıl yürütme modeli piyasaya sürdü.
  • 22 Nisan 2026: Amiral gemisi model MiMo V2.5 Pro tanıtıldı.
  • 8 Haziran 2026: Xiaomi, UltraSpeed çıkarım modunu piyasaya sürdü.
  • 9 Haziran 2026: Sınırlı API denemesi başladı.
  • 11 Haziran 2026: Xiaomi hisseleri 2,91 avrodan kapandı.
  • 23 Haziran 2026: Duyurulan API denemesi sona eriyor.

Deneme kapsamında erişim arayan geliştiriciler için belirtilen bir sonraki son tarih 23 Haziran. Fiyatlandırma ve erişim kuralları, UltraSpeed’i mevcut Token Plan’a dâhil bir özellik yerine ayrı bir hizmet seçeneği hâline getiriyor.

Reklam

Ürün Çeşitliliği Xiaomi Hisselerini Yükseltmedi

Teknik dönüm noktasına rağmen Xiaomi’nin finansal piyasalardaki performansı zayıf kaldı. Hisseleri 11 Haziran’da 2,91 avrodan kapanarak önceki 52 haftalık dönemdeki en düşük seviyesinin yalnızca yüzde 1,75 üzerinde kaldı. Hisse, yılın başından bu yana yüzde 35 değer kaybetti.

Şirket tüketici elektroniği, yazılım ve araç alanlarında çeşitlenmeyi sürdürüyor. MiMo Code asistanının piyasaya sürüldüğü gün Hindistan’da üst segment 17T akıllı telefonunu tanıttı ve Changchun kentiyle elektrikli araç faaliyetlerini genişletmek için çalışıyor.

İlk çeyrekte sevk edilen 33,8 milyon telefon ve mayısta teslim edilen 30.000’den fazla elektrikli araç, yapay zekâ bölümüyle birlikte faaliyet gösteren işletmelerin ölçeğini ortaya koyuyor. MiMo’nun hız duyurusu bu genişlemeye bir gelişme daha eklerken, yaklaşan finansal sonuçlar faaliyetlerdeki ivmenin hisse performansını tersine çevirip çeviremeyeceğini gösterecek.

Açık Sürümler İddianın Yeniden Üretilebilirliğini Sınayacak

Xiaomi, nicemlenmiş ağırlıklar ve DFlash parametreleri dâhil MiMo V2.5 Pro FP4 DFlash model kontrol noktasını Hugging Face’te yayımladı. TileRT ise belirli modülleri GitHub’da paylaştı. Bu sürümler, iddia edilen hızın arkasındaki yazılımın topluluk tarafından test edilmesine olanak tanıyor.

Bağımsız geliştiricilerin, Xiaomi’nin kontrollü deneme ortamı dışında yaygın GPU örneklerinde saniyede 1.000 tokenın üzerindeki üretim hızının korunup korunmadığını sınaması gerekecek. Şirket içi gösterimler Xiaomi’nin bildirdiği sonucu ortaya koyuyor; yeniden üretme testleri ise geliştiricilerin bu hıza ne ölçüde ulaşabildiğini gösterecek.

Açık uçlu sohbet görevleri de odak noktalarından biri. Çünkü bu görevlerde spekülatif kod çözümü kabul oranları, yapılandırılmış kodlama görevlerine kıyasla daha düşük. Testler, kalite düşüşlerinin ortaya çıkıp çıkmadığını ve farklı kabul oranlarının hızı nasıl etkilediğini ölçebilir.

Üretimde kullanıma geçiş, TileRT’nin sürekli çalışan çekirdek yaklaşımının geliştiricilerin hâlihazırda kullandığı standart sunum yığınlarıyla bütünleşip bütünleşemeyeceğine de bağlı. Belirli modüllerin yayımlanması topluluğa inceleyebileceği materyal sağlıyor; mevcut hizmetlerle entegrasyon ise uygulamaya dönük bir soru olarak duruyor.

Bağımsız doğrulama, Xiaomi’nin rakiplerinin pahalı özel silikonla ulaşmaya çalıştığı bir performans düzeyini yazılımla elde ettiği anlamına gelecek. Bu, modellerle sunum sistemlerini birlikte geliştirmenin gerekçesini güçlendirebilir ve yapay zekâ sektöründeki yatırımları donanım tasarımının yanı sıra algoritmik yeniliklere de yöneltebilir.

Öne Çıkanlar

  • Xiaomi, MiMo V2.5 Pro UltraSpeed’i 8 Haziran’da piyasaya sürdü. Şirket, sekiz GPU’lu standart bir düğümde saniyede 1.000’den fazla token üretildiğini ve şirket içi testlerde hızın yaklaşık 1.200 tokene yaklaştığını öne sürüyor.
  • Temel model 1,02 trilyon parametreye, bir milyon tokenlık bağlam penceresine ve metin, görüntü, ses ve video için yerel desteğe sahip.
  • Seçici FP4 sıkıştırması, DFlash spekülatif kod çözümü ve TileRT’nin sürekli çalışan GPU çalışma zamanı, iddia edilen hızı birlikte sağlıyor.
  • Temel model, yazılım mühendisliği değerlendirmelerinde Claude Opus 4.6’ya yakın performans gösteriyor ve token başına yaklaşık sekizde bir fiyatla sunuluyor.
  • Sınırlı API denemesi 9-23 Haziran tarihleri arasında sürüyor. Ücret, Xiaomi’nin vadettiği yaklaşık on kat üretim hızı karşılığında standart fiyatın üç katı.
  • Model kontrol noktası MIT lisansı altında sunuluyor; FP4 DFlash sürümü nicemlenmiş ağırlıkları ve taslak oluşturma parametrelerini içeriyor. TileRT belirli çalışma zamanı modüllerini yayımladı.
  • 17 Haziran 2026 itibarıyla bağımsız bir üçüncü taraf doğrulaması yayımlanmış değildi.
  • Xiaomi hisseleri 11 Haziran’da 2,91 avrodan kapandı; 52 haftalık en düşük seviyesine yakın olan hisse, yılın başından bu yana yüzde 35 geriledi.
Bu haberi paylaş

Bunlar da ilginizi çekebilir