Xiaomi mở trọng số MiMo-V2.6 theo giấy phép MIT: bản Flash nặng 178 GB và giá gọi API

Mỗi lần có một model mở trọng số mới, câu hỏi đầu tiên của phòng kỹ thuật thường là có tải về cài trong máy chủ công ty được không, để hồ sơ khách khỏi đi ra ngoài. Với MiMo-V2.6 của Xiaomi, phần giấy phép trả lời rất gọn: hai bản Flash và Pro nằm trên Hugging Face theo giấy phép MIT, cho dùng thương mại, cho sửa, cho phát hành lại. Phần khó nằm ở dung lượng: kho bản Flash nặng 178 GB, kho bản Pro nặng 573 GB, tức là phải có cả một dàn card đồ hoạ chứ một máy chủ văn phòng thì không kham nổi. Trong khi đó gọi qua API thì 1.000 lượt hỏi đáp chatbot với mimo-v2.6-flash chỉ tốn khoảng 3.720 đồng theo giả định ở dưới. Bài này đi qua những gì Xiaomi công bố, giấy phép MIT cho phép tới đâu, cái giá phần cứng, cách tính tiền API và hai mốc đổi model ngay trong tháng 10. Mọi số MONA tra lại trên trang của hãng ngày 14/10/2026.

Xiaomi ra ba bản MiMo-V2.6 ngày 22/09/2026

Trang cập nhật model của Xiaomi MiMo ghi ngày 22/09/2026 ra cùng lúc ba bản. Bản mimo-v2.6-pro được hãng gọi là model suy luận mạnh nhất của họ, đa phương thức, một nghìn tỷ tham số, dựng cho dự án phức tạp, việc dài hơi và an ninh mạng. Bản mimo-v2.6-flash cân giữa năng lực và chi phí thấp, dành cho việc gọi nhiều lần và việc khối lượng lớn. Bản mimo-v2.6-pro-ultraspeed giữ năng lực của Pro và chạy nhanh hơn tới 20 lần, bán cho việc cần trả lời tức thì.

Model card trên Hugging Face ghi cả hai bản nhận chữ, ảnh, video và âm thanh trong cùng một model, ngữ cảnh 1 triệu token. Bản Flash có tổng 309 tỷ tham số, mỗi lần chỉ kích hoạt 15 tỷ; bản Pro có tổng 1,02 nghìn tỷ, kích hoạt 42 tỷ. Bảng dưới gom các thông số doanh nghiệp hay cần khi so model.

Giá và trần gọi lấy từ bảng giá trả theo lượt dùng và trang giới hạn tốc độ của Xiaomi MiMo, tra ngày 14/10/2026, khớp với lúc bài cũ trên mona.media đọc ngày 23/09/2026.

Giấy phép MIT cho doanh nghiệp làm gì với trọng số

MIT là loại giấy phép rộng nhất trong nhóm phổ biến. Nó cho dùng vào sản phẩm thương mại, cho sửa, cho tinh chỉnh trên dữ liệu riêng, cho phát hành lại, và chỉ đòi giữ dòng thông báo bản quyền đi kèm. Nhiều model mở trọng số khác kèm điều kiện riêng của hãng, ví dụ Qwen3.8-Flash-Next với giấy phép qwen-community-1.0 buộc xin phép riêng khi kinh doanh dịch vụ cho thuê model; hai kho MiMo thì để trống phần đó.

Có một chỗ đã đổi so với lúc công bố. Ngày 23/09/2026 khung Safetensors của kho Flash ghi 159 tỷ tham số, và bài cũ trên mona.media lấy con số đó. Kho được cập nhật lại ngày 09/10/2026, giờ khung đó ghi 311 tỷ, còn model card ghi 309 tỷ tổng và 15 tỷ kích hoạt, khớp với các trang tổng hợp. Bài này dùng con số trong model card. Thêm một chi tiết dễ bỏ qua: nhãn ngôn ngữ của cả hai kho chỉ có tiếng Anh và tiếng Trung, không có dòng nào cho tiếng Việt, và trong bảng điểm của hãng cũng không có bài đo tiếng Việt nào.

Bản Flash 178 GB và bản Pro 573 GB cần phần cứng cỡ nào

Hugging Face in dung lượng kho cạnh tên nhánh: MiMo-V2.6-Flash-RL ghi 178 GB, MiMo-V2.6-Pro-RL ghi 573 GB, MONA cộng lại từ danh sách tệp ngày 14/10/2026 cũng ra đúng hai con số đó. Trọng số đã ở dạng fp8, mỗi tham số khoảng một byte, nên gần như không còn chỗ để nén thêm mà giữ nguyên chất lượng.

Phần hướng dẫn triển khai trong model card cho thấy Xiaomi tính chuyện chạy trên dàn nhiều card: lệnh vLLM mẫu cho bản Flash chia model ra 4 card đồ hoạ, bản Pro chia ra 8 card, lệnh SGLang mẫu còn dùng nhiều hơn. Chia 178 GB cho 4 card là khoảng 45 GB mỗi card chỉ riêng trọng số, chưa tính bộ nhớ cho ngữ cảnh dài, nên thực tế cần loại card 80 GB. Một máy chủ văn phòng phổ thông có một card 24 GB thì cách xa con số đó rất nhiều. Mua cả dàn 4 card 80 GB thì ngoài tiền máy còn tiền điện, chỗ đặt và người trực khi máy lỗi lúc nửa đêm.

Đây là chỗ giấy phép MIT và chuyện chạy tại chỗ tách nhau. Giấy phép cho quyền tải về, còn tiền phần cứng thì vẫn ở đó. So với Ternary Bonsai 2 27B nặng 5,93 GB chạy được trên một máy để bàn, bản Flash của MiMo nặng gấp khoảng 30 lần. Bài nghiên cứu AI local hay tài khoản AI cho doanh nghiệp đi sâu vào phép so mua máy hay trả tiền theo lượt, và với MiMo kết luận nghiêng rõ về phía gọi API cho hầu hết doanh nghiệp vừa và nhỏ.

Gọi API MiMo-V2.6 tốn bao nhiêu cho 1.000 lượt chatbot

Để so được với các model khác, MONA giữ một lượt chatbot giả định: 6.000 token hướng dẫn và dữ liệu sản phẩm đã nằm trong bộ nhớ đệm, 400 token khách gõ vào, 250 token trả lời. Tỷ giá là 26.080 đồng mỗi USD, giá bán ra của Vietcombank ngày 14/10/2026.

Với mimo-v2.6-flash, 1.000 lượt như vậy tốn khoảng 3.720 đồng, đẩy sang chạy theo lô qua Batch API còn khoảng 1.860 đồng. Bản Pro tốn khoảng 10.770 đồng, còn bản ultraspeed lên tới khoảng 107.740 đồng, đắt gấp 10 lần bản Pro thường cho cùng khối việc. Bài cũ ghi 3.727 đồng cho bản Flash; giá hãng giữ nguyên, phần chênh nhỏ đến từ tỷ giá đổi từ 26.100 xuống 26.080 đồng.

Gần hết khoản tiết kiệm nằm ở bộ nhớ đệm. Cùng lượt đó mà 6.000 token hướng dẫn không trúng cache thì bản Flash tốn khoảng 25.190 đồng cho 1.000 lượt, gấp gần 7 lần, vì vậy đội kỹ thuật dựng chatbot phải giữ đoạn hướng dẫn cố định ở đầu mỗi yêu cầu để hệ thống nhận ra phần trùng. Muốn đặt MiMo cạnh các model đóng, xem thêm các bài cùng loạt về Claude Opus 5.5 và GPT-6 Sol và Luna.

Ba dòng chữ nhỏ trong bảng giá MiMo đổi cách dự toán

Dòng thứ nhất nằm trong mục hướng dẫn tính tiền: phần ghi vào bộ nhớ đệm đang miễn phí có thời hạn. Hãng không ghi khi nào hết hạn và sau đó tính bao nhiêu, nên mọi dự toán cả năm dựa trên giá hôm nay đều thiếu một khoản, và khoản đó rơi đúng vào luồng nào hay nạp lại ngữ cảnh dài như agent đọc tài liệu.

Dòng thứ hai nói tìm kiếm và đọc trang web tính tiền riêng theo số lượt, ngoài giá token: 5 USD cho 1.000 lượt với tài khoản ngoài Trung Quốc, tức khoảng 130 đồng mỗi lượt. Một chatbot bật tìm kiếm cho mọi câu hỏi sẽ tốn tiền tìm kiếm nhiều gấp mấy chục lần tiền token. Dòng thứ ba nói bản ultraspeed không chạy được qua Batch API, nên ai định hạ chi phí bằng cách đẩy việc sang chạy nền thì mất đường đó ở bản nhanh nhất. Thêm trần gọi 100 lượt mỗi phút cho mỗi model, cộng dồn trên mọi khoá API của cùng tài khoản, nghĩa là một chatbot chăm sóc khách hàng đa kênh đông khách giờ cao điểm cần đếm số lượt trong phút đông nhất trước khi chuyển sang.

Hai mốc đổi model trong tháng 10/2026

Dải thông báo trên trang Xiaomi MiMo ghi hai mốc. Từ 18:00 ngày 14/10/2026 giờ Bắc Kinh, mọi yêu cầu gửi tới mimo-v2.5-pro và mimo-v2.5 tự chuyển sang bản V2.6. Đến 10:00 ngày 21/10/2026 giờ Bắc Kinh, tức 9:00 giờ Việt Nam, hai mã model cũ hết hiệu lực. Phần mềm nào còn gọi đúng tên hai mã đó thì sau mốc thứ hai sẽ nhận lỗi.

Chuyển tự động nghe tiện nhưng có một hệ quả: câu trả lời đổi model mà phần mềm không biết, trong khi giá token của bản V2.6 tính theo bảng mới. Đội nào đang dùng V2.5 nên đổi mã trong cấu hình và chạy lại bộ câu hỏi mẫu trước mốc 21/10, thay vì để hệ thống tự đổi rồi mới thấy câu trả lời khác đi.

Thử MiMo-V2.6 cho chatbot tiếng Việt theo thứ tự nào

Chưa có bảng điểm tiếng Việt thì cách chắc nhất là tự đo trên câu hỏi thật của khách. Thứ tự dưới đây gói trong một tuần và tốn vài chục nghìn đồng tiền API.

1. Rút 500 câu hỏi thật từ tổng đài hoặc fanpage đang chạy, thay tên và số điện thoại khách bằng dữ liệu mẫu cùng định dạng.
2. Gọi mimo-v2.6-flash với đoạn hướng dẫn cố định ở đầu, ghi số token trúng cache và trượt cache của từng lượt.
3. Đo thời gian trả lời từ máy chủ đặt tại Việt Nam, ghi cả lượt chậm nhất chứ không chỉ trung bình.
4. Người phụ trách chăm sóc khách chấm tay số câu trả lời sai chính sách và số câu tiếng Việt đọc lên thấy gượng.
5. Đếm số lượt trong phút đông nhất của tuần, đặt cạnh trần 100 lượt mỗi phút, rồi mới quyết định chuyển.

Nếu bước 4 cho thấy tiếng Việt đạt mà bước 5 vướng trần gọi, việc chạy nền như gắn nhãn tin nhắn hay tóm tắt hội thoại vẫn hợp với Batch API, còn phần trả lời khách tức thì để lại cho model đang chạy. Cách chọn việc giao cho máy theo đầu vào rõ và kết quả kiểm được có trong bài AI Agent là gì và giao việc nào cho AI Agent.

Hỏi đáp