Modelli aperti da 3,5 milioni di dollari: Xiaomi e DeepSeek cambiano il conto dei costi

Per anni la regola è stata semplice: il modello migliore è chiuso e costa quanto l'operatore decide di farti pagare. Il portale cinese qbitai (量子位) ha raccontato l'esperimento di Xiaomi, che mette in discussione almeno la seconda parte di questa regola.

Durante la diretta streaming il team MiMo, guidato da Luo Fuli, già coinvolta nel lavoro su DeepSeek-R1, ha mostrato il conto dell'addestramento. MiMo-V2.6-Pro ha eseguito 30 passi di apprendimento per rinforzo in 5 giorni e 3 ore, spendendo circa 2,6 milioni di dollari. Il più leggero MiMo-V2.6-Flash ha fatto lo stesso in 3 giorni e 10 ore, per circa 0,9 milioni di dollari. Il conto totale si è chiuso a circa 3,5 milioni di dollari.

La scala di un singolo passo spiega perché queste cifre non sono stravaganti. Ogni passo comprende 1568 richieste e per ciascuna il modello prova 16 percorsi diversi: in un solo giro nascono oltre 25 mila tentativi. Con 2,7-3,7 miliardi di token di addestramento per passo, Pro ha elaborato in totale circa 81-111 miliardi di token. È l'equivalente di oltre 80 mila finestre di contesto da un milione di token.

Risultati verificabili

Xiaomi indica gli effetti in due punti. Il tasso medio di superamento è cresciuto dopo 30 passi del 25 per cento (versione Flash) e del 12 per cento (Pro). Più importante è il test fuori dal set di addestramento. Su DeepSWE v1.1, che verifica il lavoro dell'agente in repository di codice reali, Pro è migliorato da 58,4 a 72,57 punti, Flash da 48,7 a 65,68. Il modello non ha solo memorizzato i compiti: ha trasferito le capacità su problemi ingegneristici del tutto nuovi.

Nel ranking Artificial Analysis Intelligence Index MiMo-V2.6-Pro ha ottenuto 46 punti e si è piazzato al primo posto tra i modelli aperti. Nel compito AutomationBench ha totalizzato 53,1 punti, superando Claude Opus 5 (50,3) e GPT-5.6 Sol (45,8). Il prezzo è rimasto invariato rispetto alla generazione precedente: Pro circa 3 yuan per milione di token in ingresso e 6 in uscita, Flash rispettivamente 1 e 2. Secondo le stime di Artificial Analysis il costo medio per eseguire un compito dell'indice è per Pro 0,13 dollari. Per confronto Grok 4.7, che nello stesso giorno ha ottenuto gli stessi 46 punti, nella variante xHigh dovrebbe costare circa 3,74 dollari, quasi 29 volte tanto.

Non solo codice

Più interessante è l'applicazione scientifica. Xiaomi ha messo il modello alla prova sulla progettazione di materiali MOF, che devono catturare i PFAS, inquinanti persistenti che non si decompongono. Dopo la rassegna della letteratura e dei brevetti e la verifica autonoma della novità dell'idea, il modello ha costruito un ambiente di simulazione e ha calcolato la forza di legame. Ha proposto due strutture, A50 e B50, basate su scheletri di zirconio di tipo UiO-67. Il loro assorbimento dei PFAS dovrebbe essere da un milione a dieci milioni di volte migliore rispetto al materiale di riferimento. Il professor Dou Jinhu dell'Università di Pechino, citato nel resoconto, ha giudicato il risultato un lavoro vicino a quello di un dottorando esperto. In azienda il ciclo di ricerca si è ridotto da un mese a due o tre giorni.

L'apertura non è più uno slogan di marketing, ma un modo per abbassare il costo di un singolo compito da alcuni dollari a una quindicina di centesimi.

Sullo sfondo agisce lo stesso meccanismo di DeepSeek-V4.1-Flash, che con 552 miliardi di parametri e licenza MIT ha ridotto i requisiti di memoria dell'inferenza. Xiaomi ha pubblicato non solo i pesi e il rapporto tecnico, ma anche oltre 7 mila ambienti di compito per l'apprendimento per rinforzo, l'intero framework di addestramento e un piccolo modello distillato sulla base di Qwen3.5-9B. È un cambiamento qualitativo nella discussione sull'apertura: non si tratta più di rendere disponibile un file con i pesi, ma di consegnare l'intero processo produttivo.