MiMo-V2 ของ Xiaomi
MiMo-V2 ของ Xiaomi — ความพยายามขยับจาก AI ที่ “ตอบคำถาม” ไปเป็น AI ที่ “ทำงานแทน” โดยโฟกัส use case แบบ agent จริงจัง
รอบนี้ Xiaomi เปิด 3 โมเดลหลักคือ MiMo-V2-Pro, Omni และ TTS โดยวาง Pro เป็นตัวหลักสำหรับงาน agent เช่น coding, workflow automation และการทำงานหลายขั้นตอนต่อเนื่อง ไม่ใช่แค่ chatbot ทั่วไป
จุดเด่นของ MiMo-V2-Pro คือออกแบบมาให้รองรับงานยาวและซับซ้อน เช่น context ขนาดใหญ่มาก (ระดับหลักแสนถึงล้าน tokensตามที่บริษัทระบุ) และการเรียกใช้เครื่องมือ (tool calling) เพื่อทำ task ต่อเนื่อง ซึ่งใน benchmark กลุ่ม agent เช่น ClawEval หรือ Terminal-Bench ทำคะแนนอยู่ในระดับใกล้โมเดล top-tier อย่าง Claude หรือ GPT ในบางการทดสอบ
ฝั่ง MiMo-V2-Omni เป็น multimodal model ที่รองรับทั้ง text, ภาพ, วิดีโอ และเสียง โดยเน้นแนวคิดว่า AI ไม่ใช่แค่เข้าใจ input แต่ต้องเอาไป “ลงมือทำ” ต่อได้ ซึ่งเป็นทิศทางเดียวกับ agent รุ่นใหม่ในตลาด
ส่วน MiMo-V2-TTS คือระบบ text-to-speech ที่พยายามทำเสียงให้ใกล้มนุษย์มากขึ้น เพื่อให้ agent สามารถโต้ตอบด้วยเสียงได้จริงใน use case เช่น assistant หรือ automation
ด้านราคา Xiaomi วางตำแหน่งค่อนข้าง aggressive โดย API ถูกกว่าโมเดลระดับสูงในตลาดอย่างเห็นได้ชัดในบาง tier ซึ่งทำให้หลายฝั่ง developer สนใจ เพราะช่วยลดต้นทุนการ deploy agent ขนาดใหญ่ได้ แต่ค่าใช้จ่ายจริงยังขึ้นกับลักษณะงานและปริมาณ usage
เสียงตอบรับช่วงแรกค่อนข้างสองฝั่ง ฝั่งหนึ่งมองว่า “คุ้มและแรง” โดยเฉพาะงาน coding และ agent อีกฝั่งมองว่ายังใหม่ และความเสถียรในบางเคสยังต้องพิสูจน์เพิ่ม โดยเฉพาะเมื่อเทียบกับ ecosystem ที่ mature กว่าอย่าง OpenAI หรือ Anthropic
อีกจุดสำคัญคือรอบนี้ Xiaomi เลือกใช้โมเดลแบบ closed-weight (เข้าถึงผ่าน API) ต่างจากรุ่นก่อนบางตัวที่เคยเปิด ทำให้ทิศทางชัดว่าเน้นแข่งขันเชิง product และ ecosystem มากกว่า open-source
สรุปคือ MiMo-V2 ยังไม่ใช่โมเดลที่ “ดีที่สุดทุกด้าน” แต่เป็นตัวที่น่าสนใจมากในมุม agent + ต้นทุน และสะท้อนชัดว่าเกม AI กำลังขยับจาก chatbot ไปสู่ระบบที่ทำงานแทนคนได้จริงมากขึ้น
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac