Xiaomi неожиданно вступила в гонку «агентного ИИ» — и почти догнала лидеров

Эпоха, в которой модели перестают быть инструментами

Еще совсем недавно разговор об искусственном интеллекте в индустрии звучал как обсуждение более или менее удобных инструментов: кто быстрее пишет код, кто точнее отвечает, кто дешевле. Однако на фоне нарастающей усталости от «чата ради чата» внимание постепенно сместилось в сторону систем, которые не просто отвечают, а действуют — планируют, вызывают инструменты, управляют процессами. Так родился новый термин, быстро ставший мемом и стратегией одновременно: agentic workloads.

И именно в этот момент на сцену, где, казалось бы, уже давно распределены роли между Anthropic, OpenAI и несколькими исследовательскими лабораториями, выходит игрок, от которого этого ждали меньше всего — Xiaomi.

Их новая модель, MiMo-V2-Pro, не просто очередной «большой LLM», а заявка на то, чтобы стать тем самым «мозгом» для систем, которые работают вместо человека, а не рядом с ним.

Архитектура как философия: триллион параметров и один миллион токенов

Если смотреть на MiMo-V2-Pro поверхностно, легко поддаться привычному соблазну сравнить цифры. Более триллиона параметров в сумме, из которых 42 миллиарда активны — архитектура, явно вдохновленная mixture-of-experts, но адаптированная под задачи, где важна не только мощность, но и управляемость вычислений.

Однако куда интереснее не сами цифры, а то, как они сочетаются. Гибридный механизм внимания с соотношением 7:1 — компромисс между плотным и разреженным вниманием — намекает на попытку решить старую проблему: как удержать длинный контекст, не утонув в вычислительной сложности.

И здесь Xiaomi делает ставку, которая еще год назад выглядела бы чрезмерной: контекстное окно до одного миллиона токенов. Это уже не просто «прочитать длинный документ». Это возможность удерживать в памяти целые проекты, кодовые базы, цепочки решений — фактически, рабочую историю системы.

На этом фоне даже ускоряющий MTP-слой (multi-token prediction), позволяющий генерировать ответы быстрее, выглядит не как оптимизация, а как необходимость: при таких масштабах задержки становятся не просто неудобством, а архитектурной угрозой.

От чат-бота к операционной системе

То, что Xiaomi позиционирует MiMo-V2-Pro как модель для агентных задач, — не маркетинговая риторика, а отражение более глубокого сдвига. Модель изначально обучалась и оптимизировалась под сценарии, где требуется не один ответ, а цепочка действий.

В этом смысле особенно показательно сравнение с линейкой Anthropic. Если Claude 4.6 Sonnet долгое время считался эталоном в кодинге, а Claude Opus 4.6 — в сложных рассуждениях, то MiMo-V2-Pro неожиданно оказывается между ними, демонстрируя, что граница между «кодером» и «мыслителем» начинает стираться.

На бенчмарках вроде ClawEval и PinchBench это проявляется особенно явно: модель не просто генерирует решения, а стабильно проходит многошаговые сценарии, где ошибка на одном этапе разрушает весь пайплайн. И это, пожалуй, главный сигнал — индустрия начинает оценивать модели не по качеству ответа, а по устойчивости поведения.

OpenClaw и новая инженерная реальность

Особое внимание Xiaomi уделяет интеграции с OpenClaw — фреймворком, ориентированным на построение агентных систем. И здесь становится очевидно, что речь идет не о модели в вакууме, а о попытке создать экосистему.

MiMo-V2-Pro проектируется как центральный узел, который способен:

— вызывать инструменты без «галлюцинаций»
— удерживать контекст сложных задач
— планировать последовательности действий
— адаптироваться к изменяющимся условиям

И если раньше подобные сценарии требовали сложной оркестрации из нескольких моделей и внешних контроллеров, то теперь это постепенно схлопывается в одну сущность.

На этом фоне прежние архитектуры начинают выглядеть как переходный этап — как если бы мы пытались строить операционные системы, используя только калькуляторы.

Тихий запуск, громкие последствия

Любопытно, что путь MiMo-V2-Pro в продакшн начался не с громких анонсов, а с почти незаметного тестирования под именем Hunter Alpha на OpenRouter. Это типичная стратегия новой волны ИИ-разработки: сначала проверить модель в «дикой природе», а уже потом оформлять ее как продукт.

Теперь API открыт, и модель сразу позиционируется как production-ready — для кодинга, агентных систем и длинных workflow. И это, возможно, главный индикатор уверенности Xiaomi: они не продают эксперимент, они предлагают инфраструктуру.

Смена баланса: почему это важно

Появление MiMo-V2-Pro — это не просто еще один релиз. Это симптом более глубокого процесса: входа новых игроков в ту фазу гонки, где решает не только исследование, но и инженерная дисциплина.

Xiaomi, компания, ассоциирующаяся прежде всего с железом и массовыми устройствами, внезапно демонстрирует понимание того, куда движется ИИ: от генерации текста — к управлению реальностью через код, API и автоматизированные процессы.

И если раньше казалось, что лидерство закреплено за несколькими западными лабораториями, то теперь становится ясно: география этой гонки расширяется, а правила переписываются на ходу.

Вместо вывода: ИИ, который работает вместо нас

MiMo-V2-Pro — это не просто шаг вперед в мощности моделей. Это шаг в сторону другой парадигмы, где ИИ перестает быть ассистентом и становится оператором.

И, возможно, главный вопрос теперь звучит не «насколько хорошо модель отвечает», а «насколько надежно она действует, когда мы перестаем за ней следить».