AI推論を変えたスマートフォンメーカー
テクノロジー業界を驚かせた月曜の朝、Xiaomiが多くの関係者の予想を覆す発表をした。手頃な価格のスマートフォンや電動キックボード、家庭用空気清浄機で知られる同社は、人工知能の処理速度における大きな壁を突破したと明らかにした。新しいMiMo-V2.5-Pro-UltraSpeedのサービングモードは、1兆パラメーターのモデルで毎秒1,000トークン超を生成し、ライブデモでは約1,200トークンに達した。モデルを簡略化したものではない。コーディングのベンチマークでClaude Opusに匹敵する最先端AIシステム、MiMo-V2.5-Proのフルバージョンだ。
目次
この発表が衝撃的なのは、速さだけではない。それを実現するハードウェアにもある。Xiaomiは、主要なクラウド事業者ならどこでも提供しているような、一般的なGPUを8基搭載した標準ノード1台でこの数値を達成した。独自設計のシリコンも、皿ほどの大きさの専用チップも使っていない。開発者が今夜にも借りられるハードウェア上で、ソフトウェアの工夫を生かしただけだ。
パラメーターとは、AIモデルが情報を処理する方法を定める内部の数値的な重みだ。1兆パラメーターのモデルは、テキストやコードにまたがる非常に複雑なパターンを認識できる。トークンはモデルが読み書きするテキストのまとまりで、1語の約4分の3に相当する。毎秒1,000トークン以上を生成するということは、これほど大規模なモデルが、専用ハードウェアなしでは不可能と考えられていた速度で動作することを意味する。
長年、AI推論の高速化競争は、独自のシリコンを設計する潤沢な資金を持つ新興半導体企業が主導してきた。Xiaomiは今、標準的な機器上の巧みなエンジニアリングで、そうした企業を一気に追い越せることを示した。この成果は、ソフトウェアを賢く最適化すれば入手しやすいインフラでより優れた結果を出せるのに、高価な専用ハードウェアが本当に必要なのかという鋭い問いを投げかけている。
毎秒1,000トークンが意味するもの
この数値の重要性を理解するには、現在の一般ユーザーの体験と比べるとよい。Artificial Analysisのベンチマークデータによると、ChatGPTの会話の大半を支えるGPT-5.5は毎秒約68トークンを生成する。Claude Opus 4.6は毎秒約71トークン、Anthropicの軽量モデルHaikuは98トークンに達する。GoogleのGemini Flashは毎秒192トークンとさらに速い。MiMo-V2.5-Pro-UltraSpeedは、1兆パラメーターのモデルで毎秒1,000トークンに達する。これは、何百万人もの人々が日々使うチャットボットの約15倍の速さだ。
毎秒68トークンと1,000トークンの差は、単なる段階的な改善ではない。性能がまったく異なるカテゴリーに入ることを意味する。現在の一般向けサービスの速度では、文章が表示されるまで数秒待つ。Xiaomiの新しい速度なら、分析の1ページ分がほぼ瞬時に現れる。コーディングエージェントを動かす開発者にとっては、遅れを伴うやり取りから、リアルタイムの共同作業に近い体験へと変わる。
トークンは、大規模言語モデルが扱う基本単位だ。プロンプトを入力すると、モデルは処理のためにテキストをトークンに分解する。返答するときは、先行するすべての情報をもとに次のトークンを予測しながら、1つずつ生成する。生成速度が上がるほど応答性が高まり、厳しい時間制限の中で完了できるタスクも増える。また速度は、サーバーが同時に処理できるリクエスト数を左右し、企業のコストや拡張性にも直結する。
MiMo-V2.5-Proの先行モデルであるFlashは、すでに毎秒150トークン、約110語に相当する速度で応答を生成していた。最速の人間が読む速度や話す速度を上回る。UltraSpeedはその上限を大幅に引き上げ、人間の認知速度を超える生成速度を実現し、これまで不可能だった機械主導のワークフローを可能にする。
専用チップ大手を上回ったXiaomiの手法
AI推論の速度を阻むボトルネックの解消を目指し、専用ハードウェアを開発する企業には数億ドルが投じられてきた。Cerebrasは、ウエハー全体を使う皿ほどの大きさのチップを設計し、帯域幅の制約をなくすため44GBのオンチップメモリーを搭載した。この設計は毎秒969トークンを達成した。優れた成果だが、対象は4050億パラメーターのMeta Llama 3.1 405Bで、MiMo-V2.5-Proの半分にも満たない規模だ。Groqは、モデルに応じて毎秒300～750トークンを処理できる独自の言語処理ユニット（LPU）アーキテクチャを開発した。いずれのシステムも、AWSのような事業者から開発者が借りられる標準的なクラウドハードウェア上では動作しない。
Xiaomiの手法は、この構図を根本から逆転させる。推論パートナーのTileRTと協力し、AIモデルとそれを稼働させるソフトウェアエンジンを連携して最適化する「極限的なモデル・システム共同設計」によって記録を達成した。1兆パラメーターのモデルが、一般向けGPU上で専用シリコンを上回る速度で動く。第三者の検証でもこのベンチマークが確認されれば、多くの人が専用チップなしでは解決できないと考えていたハードウェアの制約を、ソフトウェアの革新で乗り越えられることを示す成果となる。
この進展は経済的にも大きな意味を持つ。専用シリコンには巨額の設備投資と長い設計サイクル、専門的な製造設備が必要だ。一方、汎用GPUは規模の経済と広い入手性を享受し、NVIDIAなどのメーカーによる継続的な改良の恩恵も受ける。推論の課題をソフトウェアで解決したことで、Xiaomiは、独自ハードウェアを持つ潤沢な資金の研究施設に限られていた速度へのアクセスを、より広く開放した可能性がある。
FP4-DFlashチェックポイントをHugging Faceで公開したことで、この開放はさらに進む。世界中の研究者や開発者が、独自ハードウェアを購入したり企業向けライセンスを取得したりせずに、基盤となるモデルを調べ、試し、改変できる。こうした手法がさまざまなモデルや用途にも広く適用できるかどうかは、コミュニティによる検証で明らかになる。
UltraSpeedを支える3つの技術
この飛躍的な進歩は、連携して機能する3つの技術に支えられている。どれか1つだけで速度記録を達成できるわけではないが、組み合わせることで毎秒1,000トークンの壁を超えた。
1つ目はFP4量子化だ。多くの大規模モデルは16ビットまたは8ビットの数値精度で動作し、各パラメーターにメモリーを2バイトまたは1バイト必要とする。Xiaomiは、1兆パラメーターの大半を占めるエキスパート層を4ビット精度に圧縮する。これによりメモリー使用量が減り、帯域幅への負荷も軽減され、システム内でデータをより速く移動できる。量子化のリスクは、精度を下げることでモデルの推論能力が損なわれることだ。Xiaomiは、エキスパート層だけを圧縮し、モデルの残りの部分は完全な精度を保つという、狙いを絞った方法でこの問題に対処する。同社は、これによる品質低下はほぼゼロだとしている。
2つ目はDFlashによる投機的デコードだ。従来の投機的デコードでは、小型のドラフトモデルが次の数トークンを素早く予測し、その後、大型モデルが予測を並列に検証する。DFlashは逐次的な下書きの工程を完全になくし、1回の順伝播でマスクされた位置のブロック全体を埋める。コーディングタスクでは、大型モデルは検証1回あたり提案された8トークンのうち平均6.3トークンを採用する。つまり、一度に1トークンではなく6トークンが進むため、生成速度が大幅に上がる。
3つ目は推論エンジンのTileRTそのものだ。GPU内に計算処理のパイプライン全体を常駐させ、継続的に動かす。標準的なサービングシステムでは、個々の演算処理を1つずつ起動することが多く、実行の合間に小さな空白が生まれる。TileRTは演算処理ごとの起動オーバーヘッドをなくし、データの流れを途切れさせない。圧縮されたモデルの重みと高度なデコード手法を組み合わせることで、標準的なハードウェアでは実現できなかった処理速度を維持する。
Xiaomiはこの組み合わせを「極限的なモデル・システム共同設計」と呼ぶ。その説明は実態に即している。それぞれの最適化が他の最適化を補強し、個々の技術だけでは実現できない成果を生み出している。
速度が切り開く新たな用途
新しいことを可能にしない限り、ベンチマークの数字に意味はない。毎秒1,000トークンのMiMo-V2.5-Pro-UltraSpeedは、遅いシステムでは閉ざされたままの用途への道を開く。
開発者が現在、大規模言語モデルを複雑なタスクにどう使っているかを考えてみよう。難しいコーディングの問題に直面したユーザーは、通常、1つの回答を待ち、それが正しいことを願う。UltraSpeedなら、同じユーザーがリアルタイムの同じ時間内に、推論の経路を何十通りも並列に走らせ、バックグラウンドで自動検証と自己修正を行える。モデルは1つの思考の連鎖に固執せず、複数の解決策を同時に探れる。この能力によって、AIは逐次的に応答するアシスタントから、並列に問題を解決する存在へと根本的に変わる。
厳しい遅延制約のある業界は、すぐに恩恵を受ける可能性がある。不正検知システムは取引をミリ秒単位で評価しなければならない。リアルタイムの取引シグナル生成では、数秒の遅れも許されない。AIシステムが短い周期で観察、判断、行動を繰り返す自律エージェントの処理ループにも、一般向けチャットボットでは出せない速度が必要だ。毎秒68トークンでは、こうした用途はもどかしいボトルネックに直面する。毎秒1,000トークンなら、標準的なクラウドインフラ上でも実用化が見込める。
日常的なコーディング作業でも、速度は開発者の心理を変える。これまでは推論が終わるのを画面の前で待つ必要があった。毎秒1,000トークンに近づき、それを超える出力速度なら、待ち時間は事実上なくなる。やり取りは、依頼して待つものから、AIパートナーとの真のリアルタイム共同作業へと変わる。患者データの迅速な分析が必要な医療用途や、リアルタイムの市場データを処理する投資プラットフォームも、この応答性からすぐに実用的な価値を得られる。
利用方法、料金、オープンソース公開
Xiaomiはこの技術を門戸の内側に閉じ込めてはいない。同社は2026年6月9日から23日まで、期間限定のAPIトライアルを開始した。利用申請が必要で、承認は保証されない。具体的なビジネスニーズを持つ企業ユーザーやプロの開発者が優先される。高速推論リソースには限りがあるため、各アカウントが1日に順番待ちへ参加できるのは最大10回で、各セッションは30分まで。5分を超えて操作のないセッションは自動的に解放される。
料金には、この速度がプレミアムであることが反映されている。UltraSpeedはMiMo-V2.5-Proの標準料金の3倍だが、生成速度は約10倍になる。参考までに、標準版MiMo-V2.5-ProはすでにClaude Opusより大幅に安い。入力100万トークンあたり約0.43ドル、出力100万トークンあたり約0.87ドルで、Opusの入力5ドル、出力25ドルと比べられる。料金が3倍になっても、Xiaomiの高速版は多くの競合する最先端モデルよりはるかに安価だ。
この技術を自分で試したい開発者向けに、Xiaomiは基盤となるMiMo-V2.5-Pro-FP4-DFlashチェックポイントをオープンソースとしてHugging Faceで公開した。TileRTも一部のモジュールをGitHubで公開している。この取り組みにより、世界の研究コミュニティはベンチマークを検証し、アーキテクチャを試し、ほかのモデルに手法を応用できる可能性がある。第三者による独立した検証結果はまだ広く公開されていないため、今後数週間にわたる公開リソースを通じたコミュニティの検証が、実力を示すことになる。
静かに存在感を高めるXiaomiのAI事業
多くの消費者にとって、Xiaomiは手頃な価格の電子機器を販売するブランドだ。同社は世界各地で何百万台ものスマートフォンや電動キックボード、空気清浄機を販売してきた。そうした消費者向けのイメージの陰で、人工知能部門は着実に成長していたが、業界の大半はこれまで注目してこなかった。
MiMo-V2.5-Proは4月の公開時点で、コーディングの大半のベンチマークにおいてClaude Opusにすでに匹敵していた。UltraSpeedは新しいモデルでも、性能を落としたモデルでもない。トップクラスと競い合ってきた同じ最先端の知能を、そのまま高速化したものだ。スマートフォンブランドが、専業研究機関に匹敵するAI能力を築きながら、価格を桁違いに安く抑えたことになる。
速度の主張が独立した検証でも裏付けられれば、XiaomiはCerebrasやGroqのような企業が必要とした、独自シリコンへの数億ドル規模の投資なしに、並外れた成果を達成したことになる。汎用ハードウェア上のソフトウェア最適化で、同じカテゴリーの最高水準の性能を実現できると示したのだ。この結果は、AIの能力を生み出すものは何か、そして誰が最先端で競争できるのかという従来の見方を塗り替える可能性がある。北京発の大手家電メーカーが、独自シリコンではなく標準的なGPUを携えて、AIインフラの革新を担うトップ層に加わった。
要点
- XiaomiのMiMo-V2.5-Pro-UltraSpeedは、独自シリコンを使わず、標準的な汎用GPUを8基だけ使って、1兆パラメーターのモデルで毎秒1,000トークン超を生成する。
- 速度はGPT-5.5やClaude Opusの約15倍。FP4量子化、DFlashによる投機的デコード、推論エンジンTileRTで実現した。
- 期間限定のAPIトライアルは2026年6月9日から23日まで実施される。MiMo標準版の3倍の料金で約10倍の生成速度を提供し、企業やプロの開発者を優先する。
- XiaomiはFP4-DFlashチェックポイントをオープンソースとしてHugging Faceで公開し、コミュニティによる技術の検証や応用を可能にした。
- 独立した検証で確認されれば、この飛躍的な成果は、標準的なクラウドハードウェア上のソフトウェア最適化が、AIハードウェア専業企業による高価な独自チップを上回りうることを示す。
