שיאומי מובילה בין המודלים הפתוחים עם MiMo-V2.6-Pro, אך אנתרופיק טוענת לשאיבת נתונים מ-Claude

שיאומי (Xiaomi) פרסמה את משפחת המודלים הפתוחים MiMo-V2.6, כשהדגל שבהם, MiMo-V2.6-Pro, מוביל כעת את דירוג המודלים הפתוחים החזקים ביותר בעולם — ותוך כדי כך מסתבכת בהאשמה מצד אנתרופיק (Anthropic) על שימוש פסול במודל Claude שלה לצורכי אימון.

דירוג מוביל במחיר נמוך

לפי the-decoder, MiMo-V2.6-Pro קיבל ציון 46 במדד האינטליגנציה (Intelligence Index) של חברת הניתוח Artificial Analysis — הציון הגבוה ביותר כיום בין מודלים פתוחים, לפני מתחרים כמו Kimi K3 ו-Qwen. הנתון הבולט לא פחות הוא המחיר: 0.435 דולר למיליון טוקני קלט ו-0.87 דולר למיליון טוקני פלט, כשלפי חישוב Artificial Analysis משימת בדיקה בודדת עולה כ-0.13 דולר בלבד — שבר ממחיר מודלים ברמת ביצועים דומה. השילוב הזה ממקם את המודל על מה שמכונה "חזית פארטו" של אינטליגנציה מול עלות.

מבחינה טכנית, Pro הוא מודל mixture-of-experts עם 1.02 טריליון פרמטרים, מתוכם רק 42 מיליארד פעילים בכל בקשה. לצידו יצאה גרסה קטנה ויעילה יותר, MiMo-V2.6-Flash, וגם וריאנט מהיר במיוחד בשם Pro-UltraSpeed, עם מהירות פלט גבוהה עד פי 20.

הקפיצה מגיעה מלמידת חיזוק

שיאומי מייחסת את השיפור בביצועים להרחבה משמעותית של שלב הלמידה המבוססת חיזוק (reinforcement learning) — אימון באמצעות ניסוי, משוב ותגמול — שהורחב בשלושה צירים: יותר נתונים בכל צעד אימון, מגוון רחב יותר של סביבות משימה, ויותר כוח חישוב לבדיקת הפתרונות. לפי החברה, ריצת האימון ארכה פחות משישה ימים ועלתה כ-2.62 מיליון דולר עבור Pro ו-0.85 מיליון דולר עבור Flash. במבחן הקוד DeepSWE טיפס הציון של Pro מ-58.4 ל-72.6, ושל Flash מ-48.8 ל-65.7. כדי לשמור על יציבות האימון בקנה מידה כזה, החברה "הקפיאה" מנגנון פנימי במודל והוסיפה הגנות נגד "ריגוש תגמול" (reward hacking) — טריקים שבהם מודל "מרמה" את מנגנון התגמול בלי לפתור בפועל את המשימה.

בצעד נוסף לשקיפות, שיאומי פרסמה בפתיחות את כלי ה-RL שלה: הדוח הטכני, מסגרת האימון המלאה, מודל קטן להמשך אימון, וכ-7,000 משימות מוכנות עם מנגנוני בדיקה אוטומטיים בתחומי פיתוח תוכנה, אבטחת סייבר, עבודה משרדית ועיצוב אתרים, לצד כ-1,000 משימות בקומפוזיציה מוזיקלית. חלק מהמשימות מבוססות על בקשות משיכה (pull requests) אמיתיות מ-GitHub ושאילתות משתמשים, ואחרות נוצרו על ידי מודל שפה; משימות הסייבר מסתמכות על מאגר OSS-Fuzz של עשרות אלפי פרצות תוכנה אמיתיות.

ההאשמה מצד אנתרופיק

הפתיחות המוצגת עומדת בניגוד לטענות שהעלתה אנתרופיק כשבועיים קודם לכן. בדוח מודיעין איומים שבחן מקרי שימוש לרעה ב-Claude בין דצמבר 2025 לאוגוסט 2026, אנתרופיק ציינה שבע מעבדות סיניות — אליבאבא, Moonshot AI‏, DeepSeek‏, Zhipu‏, שיאומי, MiniMax ו-SenseTime — שלטענתה היו מעורבות במסע שיטתי נגד המודל. לפי אנתרופיק, המעבדות יצרו יחד כ-190 מיליון חילופי הודעות שנועדו "לשאוב" את יכולות Claude לצורך אימון המודלים שלהן, טכניקה שהיא מכנה "זיקוק בלתי חוקי" (illegal distillation). שיאומי מוזכרת בדוח בשמה, במקרה המתויג GTG-16008.

למה זה חשוב

אם הנתונים שפרסמה שיאומי מדויקים, מדובר בירידת מחיר משמעותית עבור מודל שנמצא כרגע בראש דירוג המודלים הפתוחים — מה שעשוי להאיץ את התחרות מול מעבדות אמריקאיות וסיניות אחרות כאחד. יחד עם זאת, ההאשמה של אנתרופיק, אם תתברר כמבוססת, מעלה שאלות על המקורות שעליהם אומן המודל בפועל, מעבר לתהליך ה-RL השקוף שהחברה בחרה להציג. הפער בין המחווה הפומבית לפתיחות לבין הטענה על שאיבת נתונים ממודל מתחרה ממחיש, ככל הנראה, את המתח הגובר סביב גבולות הלמידה והשימוש ההוגן בתעשיית ה-AI.