هوش مصنوعی MiMo-V2.6-Pro و V2.6-Flash شیائومی معرفی شد؛ از کدنویسی تا ساخت جهان‌های سه‌بعدی

شیائومی از نسل جدید هوش مصنوعی MiMo-V2.6-Pro و مدل MiMo-V2.6-Flash رونمایی کرده و کد و گزارش فنی این خانواده را نیز متن‌باز کرده است. تمرکز اصلی این مدل‌ها روی مقیاس‌دهی محاسبات یادگیری تقویتی (RL) برای انجام وظایف پیچیده و قابل‌راستی‌آزمایی است.

مدل‌های MiMo-V2.6-Pro و MiMo-V2.6-Flash چه قابلیت‌هایی دارند؟

شیائومی خانواده MiMo-V2.6 را به‌عنوان مجموعه‌ای از مدل‌های ذاتاً چندوجهی معرفی کرده است. در حال حاضر این خانواده شامل MiMo-V2.6-Pro و MiMo-V2.6-Flash است و نسخه MiMo-V2.6-Pro-UltraSpeed نیز در حال عرضه است.

طبق اعلام شیائومی، MiMo-V2.6-Pro در Artificial Analysis Intelligence Index امتیاز 46.32 را به دست آورده و از Kimi K3 و Qwen3.8 Max امتیاز بیشتری کسب کرده است. این شرکت همچنین می‌گوید قیمت‌گذاری API این خانواده نسبت به سری V2.5 بدون تغییر باقی مانده است.

تمرکز MiMo-V2.6 بر یادگیری تقویتی

شیائومی بخش قابل‌توجهی از فرایند توسعه MiMo-V2.6 را به چالش‌های تحقیقاتی و مهندسی مربوط به آموزش با یادگیری تقویتی اختصاص داده است. این شرکت اجرای فرایند تولید را نیز به‌صورت زنده نمایش داده است.

در کمتر از شش روز، مدل‌های Flash و Pro هرکدام ۳۰ مرحله یادگیری تقویتی را روی حدود ۷۵۰ هزار مسیر آموزشی (Trajectory) تکمیل کردند.

نتایج اعلام‌شده برای این فرایند به شرح زیر است:

• هزینه آموزش: حدود ۸۵۰ هزار دلار برای Flash و ۲.۶۲ میلیون دلار برای Pro
• نرخ موفقیت میانگین: به‌ترتیب ۲۵ و ۱۲ درصد به‌صورت نسبی افزایش یافته است.
• DeepSWE v1.1 در Flash: امتیاز از 48.8 به 65.68 رسیده است.
• DeepSWE v1.1 در Pro: امتیاز از 58.4 به 72.57 افزایش یافته است.

نرم‌افزار DeepSWE v1.1 یک بنچمارک مهندسی با وظایف طولانی‌مدت است که در داده‌های آموزش استفاده نشده بود. شیائومی می‌گوید عملکرد مدل‌ها در طول اجرای یادگیری تقویتی همچنان بهبود پیدا کرده و این بهبود فراتر از توزیع داده‌های آموزشی نیز تعمیم یافته است.

سه محور اصلی برای مقیاس‌دهی یادگیری تقویتی

شیائومی محاسبات یادگیری تقویتی را در سه حوزه اصلی گسترش داده است:

دسته‌های آموزشی بزرگ‌تر

معماری کاملاً ناهمگام این سیستم در هر به‌روزرسانی از ۱۵۶۸ نمونه استفاده می‌کند، از زمینه‌هایی با حداکثر یک میلیون توکن پشتیبانی می‌کند و در هر مرحله حدود ۳.۵ تا ۳.۷ میلیارد توکن را پردازش می‌کند.

تعداد بیشتر وظایف

مجموعه آموزشی MiMo-V2.6 حوزه‌هایی مانند برنامه‌نویسی، عامل‌های عمومی، وظایف بصری و سایبری را در چندین چارچوب مختلف پوشش می‌دهد.

محاسبات بیشتر برای ارزیاب‌ها

این رویکرد سیگنال‌های پاداش دقیق‌تر و متنوع‌تری را برای وظایف طولانی‌مدت یادگیری تقویتی فراهم می‌کند و به کاهش مسیرها و تعداد توکن‌های موردنیاز برای هر وظیفه کمک می‌کند.

با افزایش مقیاس اجرای آموزش، شیائومی روتر مدل را ثابت نگه داشته تا تغییرات ناخواسته در روند آموزش کاهش پیدا کند. این شرکت برای مقابله با Reward Hacking نیز از طراحی پاداش، ارزیابی خصمانه، شناسایی ناهنجاری‌ها و بررسی متقابل میان تأییدکننده‌ها استفاده کرده است.

بهبود عملکرد عامل‌های هوش مصنوعی

شیائومی برای یادگیری تقویتی عامل‌محور در وظایف مختلف، یک نمایش یکپارچه برای مسیرهای عملکرد و سازوکار جریمه توسعه داده است. این سیستم همچنین از تعامل با همزمانی بالا میان چارچوب‌های مختلف عامل‌ها، جداسازی صفحه کنترل و داده، تثبیت نسبت نمونه‌برداری هر وظیفه و موتورهای بهینه‌شده آموزش و استنتاج استفاده می‌کند.

شیائومی همچنین گزارش فنی، محیط‌های آموزشی و کد یادگیری تقویتی MiMo-V2.6 را متن‌باز کرده تا امکان بازتولید و بررسی نتایج فراهم شود.

خانواده MiMo-V2.6؛ از برنامه‌نویسی تا ساخت جهان‌های تعاملی

قابلیت‌های MiMo-V2.6 به یادگیری تقویتی محدود نمی‌شود. این مدل‌ها در وظایف چندوجهی و تعاملی نیز قابلیت‌هایی مانند استدلال فضایی سه‌بعدی، درک چندوجهی و کنترل رایانه (CUA) ارائه می‌کنند.

شیائومی برای توصیف گسترش توانایی مدل از برنامه‌نویسی با زبان طبیعی به جهان‌های تعاملی، از اصطلاح Vibe World استفاده می‌کند.

برای توسعه بازی، مدل می‌تواند یک تصویر، ویدیو یا دستور متنی را دریافت کند، آن را به مجموعه‌ای از وظایف تقسیم کند و چند عامل را برای انجام فرایند هماهنگ سازد. این فرایند شامل موارد زیر است:

• ساخت صحنه‌های سه‌بعدی و منطق تعامل
• انجام بررسی‌های بصری
• بهبود خروجی بر اساس نتایج رندر
• تولید یک جهان تعاملی قابل اجرا

هوش مصنوعی MiMo-V2.6 همچنین می‌تواند بر اساس توضیحات متنی یا تصاویر مرجع، اشیا و صحنه‌های سه‌بعدی را در نرم‌افزار Blender تولید کند. به گفته شیائومی، این خروجی‌ها می‌توانند به‌عنوان دارایی در انیمیشن، چاپ سه‌بعدی و توسعه بازی مورد استفاده قرار گیرند.

طراحی بصری، رابط کاربری و تولید ویدیو

مدل MiMo-V2.6 می‌تواند یک دستور متنی را به رابط کاربری فرانت‌اند یا یک فایل ارائه تبدیل کند و چیدمان ساختاریافته، اجزای رابط، عناصر تعاملی و انیمیشن را ایجاد کند.

شیائومی می‌گوید این مدل می‌تواند با Figma و ابزارهای تولید تصویر و ویدیو نیز کار کند و در عین حال هماهنگی میان تایپوگرافی، رنگ‌ها و محل قرارگیری متن و تصاویر را حفظ کند.

شیائومی سه نمونه ارائه را معرفی کرده که تنها با یک دستور کوتاه ایجاد شده‌اند:

• آموزش داخلی مهندسی درباره نحوه یادگیری یک مدل زبانی بزرگ
• یادداشتی پژوهشی درباره چرخه مواد معدنی حیاتی
• بررسی طراحی با سه پیشنهاد برای نخستین گزارش سالانه یک شرکت

در حوزه ویدیو نیز مدل می‌تواند طراحی بصری، ترتیب نماها و حرکات دوربین، ساخت موسیقی و ویرایش هماهنگ با ضرب‌آهنگ را مدیریت کند. شیائومی برای محتوای آموزشی، نمونه‌ای از توضیح مفاهیمی مانند تجزیه فوریه با استفاده از انیمیشن ارائه کرده است. در این نمونه، MiMo-V2.5-TTS نیز روایت صوتی هماهنگ با تصاویر را تولید کرده است.

قابلیت آهنگسازی در MiMo-V2.6

توانایی‌های چندوجهی این مدل به آهنگسازی نیز گسترش یافته است. شیائومی نمونه‌هایی از قطعات ارکسترال و پیانو را برای نمایش نحوه کار مدل با ساختار موسیقی، سازبندی و تنظیم ارائه کرده است.

در یکی از نمونه‌ها، MiMo-V2.6-Pro برای ساخت یک قطعه ارکسترال با حدود ۱۰ ساز مورد استفاده قرار گرفت. مدل نت موسیقی را نوشت و آن را به فرمت MIDI تبدیل کرد.

در نمونه‌ای دیگر، دو قطعه پیانو در گام لا مینور (A minor) تولید شد که یکی دارای تمپوی آهسته و دیگری دارای تمپوی متوسط بود.

شیائومی می‌گوید این نمونه‌ها توانایی مدل در مدیریت نقش و ارتباط میان سازها، همچنین پویایی، بافت و سایر عناصر آهنگسازی را نشان می‌دهند.

کاربردهای پژوهشی MiMo-V2.6

شیائومی چند نمونه از استفاده MiMo-V2.6 در طراحی مواد و صورت‌بندی ریاضی ارائه کرده است؛ این کاربردها بدون آموزش یادگیری تقویتی اختصاصی برای پژوهش‌های علمی انجام شده‌اند.

طراحی مواد برای جذب PFAS

متخصصان شیائومی از MiMo-V2.6-Pro خواستند یک ماده جدید از نوع چارچوب فلزی-آلی یا MOF طراحی کند که توانایی جذب ترکیبات PFAS را داشته باشد.

مدل در چند مرحله و با استفاده از درخواست‌های متوالی، فرایند زیر را انجام داد:

• جست‌وجوی وب و بررسی مقالات و پتنت‌های مرتبط
• ارائه فرضیه‌ها و بررسی میزان نوآوری آن‌ها
• انجام آزمایش‌های مجازی با ابزارهای محاسباتی متن‌باز
• راه‌اندازی خودکار محیط شبیه‌سازی
• محاسبه قدرت اتصال میان مواد MOF و PFAS
• شناسایی گزینه‌های مناسب برای مرحله آزمایشگاهی

دسترسی به MiMo-V2.6 و قیمت API

مدل‌های MiMo-V2.6-Pro و MiMo-V2.6-Flash اکنون از طریق سرویس‌های زیر در دسترس هستند:

• Xiaomi AI Studio
• MiMo Code
• MiMo Desktop
• MiMo API Platform
• OpenRouter

نرم‌افزار MiMo Desktop نیز از حالت دسترسی زودهنگام خارج شده و نخستین نسخه رسمی آن با مدل‌های Pro و Flash عرضه شده است. این برنامه همچنین MiMo-V2.6-Pro-UltraSpeed را ارائه می‌کند که طبق اعلام شیائومی می‌تواند با حفظ کیفیت، خروجی را تا ۲۰ برابر سریع‌تر از Pro تولید کند.

برنامه دسترسی زودهنگام برای یک هفته دیگر ادامه خواهد داشت و کاربران فعلی می‌توانند به نام‌های جدید مدل‌ها منتقل شوند. در بخش API نیز MiMo-V2.6 روی پلتفرم Xiaomi MiMo Open Platform فعال شده و قیمت‌ها نسبت به نسل V2.5 تغییری نکرده‌اند.

نسخه Pro می‌تواند در حالت UltraSpeed با سرعت خروجی تا ۲۰ برابر بیشتر مورد استفاده قرار گیرد. همچنین طرح Token Plan برای استفاده‌های پرتعداد و قابل پیش‌بینی ارائه شده است.

قیمت API مدل‌های MiMo-V2.6

تمام قیمت‌های جدول برای هر یک میلیون توکن محاسبه شده‌اند.

نظر شما چیست؟

خانواده هوش مصنوعی MiMo-V2.6-Pro و MiMo-V2.6-Flash نسل جدید مدل‌های چندوجهی شیائومی هستند که تمرکز ویژه‌ای بر یادگیری تقویتی، وظایف طولانی‌مدت و قابلیت‌های عامل‌محور دارند. شیائومی علاوه بر انتشار مدل‌ها، گزارش فنی، محیط‌های آموزشی و کد RL را نیز متن‌باز کرده است.

🔴 همچنین بخوانید: تاریخ معرفی شیائومی ۱۸ پرو و ۱۸ پرو مکس رسماً اعلام شد

نظر شما درباره مدل‌های جدید MiMo-V2.6 شیائومی چیست؟ آیا قابلیت‌های چندوجهی و سرعت بالای نسخه UltraSpeed می‌تواند این مدل‌ها را به گزینه‌ای جدی برای توسعه‌دهندگان تبدیل کند؟