Key Takeaways:
シャオミは、OpenAIやGoogleの主要システムのトークン効率に挑む一対のオープンソースAIモデルをリリースしました。これは、エージェント型AIの経済性における大きな転換点となります。
中国のテクノロジー企業シャオミは、複雑なエージェント型タスクにおいて、OpenAIやGoogleのモデルよりもトークン消費量を最大60%削減した2つのオープンソースAIモデル「MiMo-V2.5」と「V2.5-Pro」をリリースしました。フラッグシップの「MiMo-V2.5-Pro」モデルは、寛容なMITライセンスの下で公開されており、業界が従量課金制へと移行する中で、AI開発コストの低減を目指しています。
「モデルの価値はランキングだけで測るものではありません。それが解決する問題によって測られるのです」と、シャオミMiMoのプロジェクトリーダーであり、DeepSeekチームの元メンバーである羅福莉氏は、SNSのX上で述べました。
シャオミが公開したベンチマークによると、MiMo-V2.5-ProはClawEvalベンチマークで63.8%の成功率を達成しつつ、消費トークンを約7万個に抑えました。これは、同様の結果を得るためにAnthropicのClaude Opus 4.6、GoogleのGemini 3.1 Pro、OpenAIのGPT-5.4が必要とするトークン量より40〜60%少ない数値です。同モデルはAPI経由で提供され、入力100万トークンあたり1.00ドルという競争力のある価格設定となっています。
この発表は、低コストのオープンソースの代替案を提示することで、OpenAI、Anthropic、GoogleなどのクローズドソースAIリーダーの経済モデルに直接挑戦するものです。GitHub Copilotなどのサービスが従量課金へと移行する中、MiMoの高い効率性と寛容なライセンスは、AIワークフローにおける「SaaS税」の増大を回避しようとする開発者や企業を惹きつける可能性があります。
MiMoシリーズの中核をなすのは、疎な混合専門家（Sparse Mixture-of-Experts: MoE）アーキテクチャです。1.02兆個のパラメータを持つMiMo-V2.5-Proは、特定のタスクに対してそのうちの420億個のパラメータのみを使用するように設計されており、計算コストを大幅に削減しています。これにより、Proモデルは、AIエージェントがユーザーに代わって複雑なワークフローを完了するエージェント型「クロウ（claw）」タスクにおいて、競合他社よりも大幅に少ないトークンを消費しながら高いパフォーマンスを発揮できます。GDPVal-AAベンチマークにおいて、Proモデルは1581スコアを記録し、智譜（Zhipu）のGLM 5.1やMoonshotのKimi K2.6などのモデルを上回りました。
シャオミは、モデルに複数の複雑なプロジェクトを自律的に完了させることで、その実力を実証しました。V2.5-Proは、672回のツール呼び出しを経て4.3時間でRustプログラミング言語の完全なコンパイラを実装し、11.5時間で8,192行の動画編集アプリケーションを構築しました。
モデルを寛容なMITライセンスでリリースすることで、シャオミはあらゆる開発者や企業が制限なく商用利用、改変、デプロイすることを許可しています。この動きは、多くのトップAI研究所の「囲い込み（walled garden）」アプローチに対する直接的な挑戦であり、業界の価格モデルが変化しているタイミングで行われました。GitHub Copilotなどのサービスが定額制から従量制へと移行する中、強力なAIエージェントの運用コストは企業にとって大きな懸念事項となっています。
シャオミのAPI価格設定は、さらに市場価格を下回っています。MiMo-V2.5-Proは、入力100万トークンあたり1.00ドル、出力3.00ドルです。これに対し、GoogleのGemini 3 Proは2.00ドルと12.00ドル、OpenAIのGPT-5.5は5.00ドルと30.00ドルに設定されています。普及を加速させるため、同社は開発者向けに100兆個の無料トークン枠も発表しました。
今回の発表は、アリババのQwenシリーズや智譜AI（Zhipu AI）のGLMなど、中国企業による高性能なオープンソースモデルが欧米の競合他社に追いつきつつある広範なトレンドを反映しています。TIME誌は最近、2026年の最も影響力のあるAI企業10社にByteDance、智譜AI、アリババを選出しており、世界のAI環境における中国技術の影響力の増大を強調しています。米国企業にとって、これらのオープンソースモデルをプライベートサーバーで実行することは、データの所在やコンプライアンスのリスクを軽減しながら、低コストで高性能なAIを活用する道となります。
本記事は情報提供のみを目的としており、投資勧誘を目的としたものではありません。
