Xiaomi öppen-källkodar MiMo-V2.6, en omnimodal modell tränad på under en vecka

Xiaomi öppen-källkodar MiMo-V2.6, en omnimodal modell tränad på under en vecka

Xiaomi släppte MiMo-V2.6-Pro och MiMo-V2.6-Flash som helt öppen källkod, och siffran som betyder något är 2,62 miljoner dollar — det är enligt uppgift vad det kostade att RL-träna Pro-modellen till ett resultat på 46,32 på Artificial Analysis Intelligence Index, det bästa resultatet bland öppna modeller, på under sex dagar [4][5]. Xiaomi öppen-källkodade även RL-miljöerna, träningskoden och de 7 000+ uppgiftsmiljöer som användes för att bygga den.

Det här är inte bara en modellrelease, det är ett recept. Att hantera text, bild, video och ljud med ett kontextfönster på 1 miljon token, plus en destillerad 9B-version för lättare driftsättning, innebär att team utan budgetar i frontlinjeklass nu kan bygga genuint konkurrenskraftiga omnimodala system. UltraSpeed-varianten (20 gånger snabbare) som riktar sig mot skrivbordsanvändning tyder på att Xiaomi optimerar för verklig driftsättning, inte bara skryträttigheter på topplistor [6].

Kommentarerna på X har rätt i att kalla detta en seriös utmanare bland öppna modeller. Det som är mer intressant för utvecklare är öppenheten kring ekonomin bakom RL-skalning — när ett företag visar sin träningskostnad och antal träningsförlopp förändrar det samtalet från "har vi råd med en frontlinjemodell" till "har vi råd att träna vår egen." Det är en annan sorts affärsverksamhet, och en annan sorts konkurrenshot mot slutna labb.

Musk fördubblar insatsen: AI slår människor på allt senast 2027-2028

Som svar direkt på François Chollets betydligt längre tidslinje på 10-20 år, skrev Elon Musk idag att AI kommer att "slå alla områden" senast slutet av nästa år eller senast 2028 [7][8]. Detta bygger vidare på hans påstående från 31 augusti om att AI kommer att matcha eller överträffa övermänsklig prestation inom allt digitalt — sådant som inte kräver fysisk hantering — senast slutet av 2027.

Förutsägelsen är medvetet provokativ, och den fungerar: den genererar precis den tidslinjedebatt Musk vill ha, med forskare som är delade mellan "riktningen är rätt, men vansinnigt tidigt" och "det här är marknadsföring, inte prognos." Chollets mer avvägda hållning har gott om anhängare bland de som faktiskt bygger och utvärderar modeller dagligen.

Vi vill påpeka den vanliga brasklappen: Musks facit när det gäller tidslinjer (självkörning, Mars, Optimus) talar för att man ska ta datumet med en nypa salt medan man tar riktningen på allvar. Den verkliga signalen är inte det specifika året — det är att även skeptiker i allt högre grad är överens om riktningen, bara inte hastigheten. För företag talar det för att bygga anpassningsbara system nu, snarare än att vänta på en säkerhet som kanske aldrig infinner sig.

FN:s säkerhetsråd hör AI-säkerhetsvarningar från Altman, Amodei och Bengio

För första gången sammankallade FN:s säkerhetsråd idag ett dedikerat möte om AI-risker, med den franske utrikesministern Jean-Noël Barrot som ordförande, med vittnesmål från OpenAIs Sam Altman, Anthropics Dario Amodei, Hugging Faces Clément Delangue och Yoshua Bengio, tillsammans med kinesiska företag inklusive DeepSeek [9][10][11]. Agendan: AI-incidenter, risk för kontrollförlust och internationella säkerhetskonsekvenser.

Det som gör detta anmärkningsvärt är mindre nya avslöjanden och mer själva mötesplatsen. Att få konkurrerande AI-labb och en kinesisk statsanknuten utvecklare in i samma rum i FN:s säkerhetsråd, under FN:s generalförsamlingsvecka, signalerar att regeringar behandlar frontlinje-AI som en fråga för säkerhetsrådsnivå snarare än en rent ekonomisk eller regulatorisk fråga. Att Barrot ramar in detta från Paris placerar också EU rakt in i samtalet, inte bara USA och Kina.

För nordiska och europeiska företag är detta praktiskt relevant: förvänta er att genomförandet av EU:s AI-förordning och all framtida internationell samordning kommer att referera till just den här typen av dialog i säkerhetsrådet. Politiken hinner ikapp förmågan, långsamt, och riktningen går mot mer tillsyn, inte mindre.

Vad detta betyder för ditt företag

Dagens nyheter pekar på samma skifte från två olika håll: förmågan blir radikalt billigare och mer tillgänglig (Geminis röstkloning, Xiaomis modell i frontlinjeklass för 2,62 miljoner dollar), samtidigt som de som bygger detta samtidigt säger till regeringar att det kan glida bortom kontroll. Båda sakerna är sanna samtidigt, och den spänningen är exakt den miljö företag behöver planera för.

Den praktiska slutsatsen från Gemini och MiMo är inte "använd just dessa modeller" — det är att kostnaden för att bygga en kompetent AI-produktkomponent (röst, multimodalt resonemang, agenter) fortsätter att kollapsa, medan omdömet som krävs för att driftsätta den ansvarsfullt, välja rätt arkitektur och veta när man inte ska automatisera något blir den knappa resursen. Xiaomi släppte inte bara en modell; de släppte receptet för att träna en. Det betyder att differentiering i allt högre grad kommer från orkestrering, känsla för kvalitet och förtroende — inte från vem som har tillgång till den största modellen.

FN-utfrågningen är den andra halvan av berättelsen: samtalet om reglering och säkerhet är inte längre teoretiskt, och företag som bygger på dessa plattformar bör räkna med mer granskning, fler krav på ursprungsspårning (se SynthID/C2PA inbyggt i Gemini TTS), och mer geopolitisk inblandning i sin AI-leveranskedja framöver.

Viktigaste slutsats: Verktygen för att bygga AI-produkter i frontlinjeklass blir varor till spottstyver och öppna — vilket betyder att er konkurrensfördel nu helt och hållet bor i omdömet: vad ni bygger, hur ni driftsätter det ansvarsfullt, och hur snabbt ni anpassar er när regeringar börjar ta frågan på riktigt allvar.