
ทีมผู้นำโมเดลขนาดใหญ่ของ Xiaomi โดย Luo Fuli ได้ให้สัมภาษณ์เชิงลึกบนแพลตฟอร์ม Bilibili เมื่อวันที่ 24 เมษายน (หมายเลขวิดีโอ: BV1iVoVBgERD) โดยมีระยะเวลาการสัมภาษณ์ 3.5 ชั่วโมง และเป็นครั้งแรกที่เธอในฐานะผู้อำนวยการด้านเทคโนโลยีได้อธิบายมุมมองด้านเทคโนโลยีอย่างเป็นระบบต่อสาธารณะ Luo Fuli กล่าวว่า การแข่งขันของสายงานโมเดลขนาดใหญ่ได้เปลี่ยนจากยุค Chat ไปสู่ยุค Agent และชี้ว่า “การวิวัฒนาการด้วยตนเอง” จะเป็นเหตุการณ์สำคัญของ AGI ในปีหน้า

(ที่มา:Bilibili)
จากคำกล่าวของ Luo Fuli ในการสัมภาษณ์บน Bilibili เธอระบุว่า จุดศูนย์กลางของการแข่งขันโมเดลขนาดใหญ่ในปี 2026 จะเปลี่ยนจากคุณภาพการสนทนาแบบทั่วไป ไปสู่ความสามารถในการดำเนินการอย่างต่อเนื่องและเป็นอิสระในงานที่ซับซ้อน เธอระบุในการสัมภาษณ์ว่า ขณะนี้โมเดลชั้นนำสามารถทำการปรับให้เหมาะสมด้วยตนเองในงานเฉพาะ และดำเนินการอย่างเสถียรเป็นเวลา 2 ถึง 3 วัน โดยไม่จำเป็นต้องมีการแทรกแซงจากมนุษย์ เธอยังเน้นในการสัมภาษณ์ว่า ความก้าวหน้าของความสามารถ “การวิวัฒนาการด้วยตนเอง” หมายถึงระบบ AI เริ่มมีความสามารถในการปรับแก้ด้วยตนเอง และได้ยกตัวอย่างเส้นทางด้านเทคนิคของ Anthropic รวมถึงตัวแปรทางเทคนิคอย่าง Claude Opus 4.6 ที่มีผลต่อระบบนิเวศ AI ทั้งหมด
จากสิ่งที่ Luo Fuli เปิดเผยในการสัมภาษณ์ Xiaomi ได้มีการปรับเปลี่ยนครั้งสำคัญแล้วในกลยุทธ์การจัดสรรพลังประมวลผล เธออธิบายว่า โดยปกติอุตสาหกรรมใช้สัดส่วนพลังประมวลผล Pre-train:Post-train:Inference = 3:5:1 แต่กลยุทธ์ปัจจุบันของ Xiaomi ได้ปรับเป็น 3:1:1 โดยบีบอัดสัดส่วนการฝึกหลังอย่างมาก พร้อมเพิ่มการลงทุนทรัพยากรในช่วงการอนุมานไปพร้อมกัน
เธออธิบายในระหว่างการสัมภาษณ์ว่า การเปลี่ยนแปลงนี้เกิดจากความสุกงอมของกลยุทธ์ Agent RL Scaling ทำให้ไม่จำเป็นต้องกองพลังประมวลผลจำนวนมากสำหรับการฝึกหลังอีกต่อไป และการเพิ่มทรัพยากรฝั่งการอนุมานสะท้อนถึงความต้องการความสามารถในการตอบสนองแบบทันทีในสถานการณ์ที่ Agent นำไปใช้งานได้จริง
สำหรับปัญหาความต่างของรุ่น Pre-train ของโมเดลขนาดใหญ่ในประเทศ Luo Fuli ระบุว่า ช่องว่างดังกล่าวจากเดิม 3 ปี ได้ถูกย่อให้เหลือเพียงไม่กี่เดือนแล้วในปัจจุบัน จุดเน้นของกลยุทธ์กำลังย้ายไปสู่ Agent RL Scaling โดยตรง ประวัติการทำงานของ Luo Fuli ครอบคลุมสถาบันวิจัย DAMO ของ Alibaba, การเงินเชิงปริมาณ Huanfang และ DeepSeek(DeepSeek-V2 นักพัฒนาหลัก)และเธอเข้าร่วม Xiaomi ในเดือนพฤศจิกายน 2025
ตามประกาศซีรีส์ MiMo-V2 ที่ Xiaomi เผยแพร่เมื่อวันที่ 19 มีนาคม 2026 คราวนี้มีการเปิดตัวโมเดลสามรุ่นในครั้งเดียว:
MiMo-V2-Pro:พารามิเตอร์ทั้งหมด 兆,เปิดใช้พารามิเตอร์ 42B,สถาปัตยกรรม attention แบบผสม,รองรับบริบทระดับล้าน,อัตราความสำเร็จในการทำงาน 81%
MiMo-V2-Omni:สถานการณ์ Agent แบบมัลติโหมด
MiMo-V2-TTS:สถานการณ์การสังเคราะห์เสียง
ตามประกาศ MiMo-V2-Flash ที่เปิดโอเพนซอร์สแล้ว อยู่ในอันดับที่สองของการจัดอันดับโมเดลโอเพนซอร์สทั่วโลก และความเร็วการอนุมานสูงถึง 3 เท่าของ DeepSeek-V3.2
ตามคำกล่าวในการสัมภาษณ์ของ Luo Fuli เมื่อวันที่ 24 เมษายน 2026 บน Bilibili(BV1iVoVBgERD)เธอระบุว่า โมเดลชั้นนำในปัจจุบันสามารถปรับให้เหมาะสมได้ด้วยตนเองในงานเฉพาะ และดำเนินการอย่างเสถียรได้ 2 ถึง 3 วัน โดยไม่ต้องมีการแทรกแซงจากมนุษย์ และจัดประเภท “การวิวัฒนาการด้วยตนเอง” ให้เป็นเหตุการณ์สำคัญที่สุดต่อการพัฒนา AGI ในปีหน้า
ตามสิ่งที่ Luo Fuli เปิดเผยในการสัมภาษณ์ สัดส่วนพลังประมวลผลของ Xiaomi ได้ถูกปรับจาก Pre-train:Post-train:Inference = 3:5:1 ซึ่งเป็นที่นิยมในอุตสาหกรรม เป็น 3:1:1 โดยบีบอัดสัดส่วนการฝึกหลังอย่างมาก;เธออธิบายว่าการปรับนี้เกิดจากประสิทธิภาพของการฝึกหลังที่ดีขึ้นหลังจาก Agent RL Scaling มีความสุกงอม และความต้องการของสถานการณ์การนำ Agent ไปใช้งานจริงต่อความสามารถในการตอบสนองแบบทันทีในฝั่งการอนุมาน
ตามประกาศอย่างเป็นทางการของ Xiaomi ที่เผยแพร่เมื่อวันที่ 19 มีนาคม 2026 MiMo-V2-Flash ที่เปิดโอเพนซอร์สแล้วอยู่ในอันดับที่สองของการจัดอันดับโมเดลโอเพนซอร์สทั่วโลก โดยความเร็วการอนุมานสูงถึง 3 เท่าของ DeepSeek-V3.2 และอัตราความสำเร็จในการทำงานของรุ่นเรือธง MiMo-V2-Pro คือ 81%
btc.bar.articles
เอเจนต์ Cursor AI ทำงานพลาด! โค้ดบรรทัดเดียวล้างข้อมูลฐานข้อมูลของบริษัทภายใน 9 วินาที การรักษาความปลอดภัยกลายเป็นแค่คำพูดลอยๆ
Alibaba เปิดตัวโมเดลเอเจนต์โอเพนซอร์ส AgenticQwen: เวอร์ชัน 8B เข้าใกล้ประสิทธิภาพ 235B ด้วย Dual Data Flywheels
DeepSeek V4 Pro บน Ollama Cloud: เชื่อมต่อ Claude Code แบบกดครั้งเดียว
กัวหมิงฉี: OpenAI จะทำ AI Agent บนมือถือ โดย MediaTek, Qualcomm และ Luxshare Precision เป็นห่วงโซ่อุปทานที่สำคัญ
Tencent Cloud QClaw เชื่อมต่อเฟรมเวิร์ก Hermes รองรับการสลับหลายโมเดล เช่น DeepSeek-V4 Pro