MiMo ของ Xiaomi ทำความเร็วได้ 1,000 โทเคนต่อวินาทีบน GPU ทั่วไปโดยไม่ใช้ชิปเฉพาะทาง

สร้างสถิติความเร็วใหม่ในปัญญาประดิษฐ์

เมื่อวันที่ 8 มิถุนายน 2026 Xiaomi เปิดตัว MiMo V2.5 Pro UltraSpeed โหมดประมวลผลอนุมานที่ทำให้โมเดลภาษาขนาดหนึ่งล้านล้านพารามิเตอร์สร้างข้อความได้มากกว่า 1,000 โทเคนต่อวินาทีบนหน่วยประมวลผลกราฟิกสำหรับคลาวด์ทั่วไป ความสำเร็จนี้ถือเป็นครั้งแรกที่โมเดลระดับนี้ทำความเร็วผ่านเกณฑ์ดังกล่าวได้โดยไม่พึ่งซิลิคอนที่ออกแบบเฉพาะหรือฮาร์ดแวร์เฉพาะทาง การสาธิตภายในแสดงอัตราประมวลผลสูงสุดเกือบ 1,200 โทเคนต่อวินาทีอย่างต่อเนื่องบนโหนดทั่วไปหนึ่งเครื่องที่ติดตั้ง GPU แปดตัว

เพื่อให้เห็นความสำคัญ ลองเปรียบเทียบกับเกณฑ์มาตรฐานสาธารณะในปัจจุบัน GPT 5.5 ของ OpenAI สร้างข้อความได้ราว 68 โทเคนต่อวินาที Claude Opus 4.6 ทำได้ประมาณ 71 โทเคนต่อวินาที ขณะที่ Google Gemini Flash ทำได้ 192 โทเคนต่อวินาที โหมด UltraSpeed ของ Xiaomi ให้ความเร็วเอาต์พุตราว 15 เท่าของประสบการณ์ใช้งาน ChatGPT มาตรฐาน และทำได้บนโมเดลที่แข่งขันกับระบบชั้นนำในปัจจุบันด้านการประเมินความสามารถทางวิศวกรรมซอฟต์แวร์อยู่แล้ว

โมเดลเบื้องหลังความเร็วนี้คือ MiMo V2.5 Pro สถาปัตยกรรม Mixture of Experts ขนาด 1.02 ล้านล้านพารามิเตอร์ พร้อมหน้าต่างบริบทหนึ่งล้านโทเคน ต่างจากคู่แข่งหลายราย ระบบนี้ประมวลผลข้อความ ภาพ เสียง และวิดีโอได้โดยตรงภายในโมเดลเดียว Xiaomi เผยแพร่เช็กพอยต์พื้นฐานภายใต้สัญญาอนุญาตโอเพนซอร์ส MIT ทำให้นักพัฒนาสามารถโฮสต์ ปรับแต่ง และนำระบบไปใช้งานเชิงพาณิชย์ได้โดยไม่เสียค่าลิขสิทธิ์

การเติบโตอย่างไม่คาดคิดของ Xiaomi ในวงการปัญญาประดิษฐ์

ผู้บริโภคส่วนใหญ่นึกถึง Xiaomi ในฐานะผู้ผลิตสมาร์ตโฟนราคาย่อมเยา สกูตเตอร์ไฟฟ้า และในระยะหลังรวมถึงรถยนต์ไฟฟ้า บริษัทจัดส่งโทรศัพท์มือถือ 33.8 ล้านเครื่องในไตรมาสแรกของปี 2026 และส่งมอบรถยนต์ไฟฟ้ามากกว่า 30,000 คันเฉพาะในเดือนพฤษภาคม อย่างไรก็ตาม เบื้องหลังผลิตภัณฑ์สำหรับผู้บริโภคเหล่านี้คือหน่วยงานด้านปัญญาประดิษฐ์โดยเฉพาะ ซึ่งพัฒนาโมเดลภาษาขนาดใหญ่มาตั้งแต่เดือนเมษายน 2025 เมื่อเปิดตัวโมเดลให้เหตุผลขนาดกะทัดรัดที่มี 7,000 ล้านพารามิเตอร์

ในช่วง 14 เดือนที่ผ่านมา ตระกูล MiMo เติบโตจนกลายเป็นหนึ่งในชุดโมเดลแบบเปิดที่แข่งขันได้มากกว่าในตลาด รุ่นเรือธงปัจจุบัน MiMo V2.5 Pro เปิดตัวเมื่อวันที่ 22 เมษายน 2026 โดยทำคะแนนใกล้เคียง Claude Opus 4.6 ในงานด้านวิศวกรรมซอฟต์แวร์ ขณะที่มีต้นทุนต่อโทเคนราวหนึ่งในแปดของอีกฝ่าย ราคามาตรฐานของโมเดลพื้นฐานอยู่ที่ 0.025 หยวนต่อหนึ่งล้านโทเคนเมื่อแคชฮิต, 3 หยวนต่อหนึ่งล้านโทเคนอินพุตเมื่อแคชไม่ฮิต และ 6 หยวนต่อหนึ่งล้านโทเคนเอาต์พุต

ประกาศเมื่อวันที่ 8 มิถุนายนเพิ่ม UltraSpeed เป็นโหมดให้บริการประสิทธิภาพสูงที่ทำงานเสริมอยู่บนโมเดลเดิมโดยตรง แทนที่จะปรับเปลี่ยนน้ำหนักโมเดลหรือสถาปัตยกรรม ความเร็วที่เพิ่มขึ้นมาจากการเพิ่มประสิทธิภาพการประมวลผลอนุมานทั้งหมด ซึ่งเป็นความสำเร็จด้านซอฟต์แวร์ที่ท้าทายแนวคิดเดิมเกี่ยวกับขีดความสามารถของฮาร์ดแวร์ทั่วไป

ต้นทุนของความเร็วใน AI ยุคใหม่

ความเร็วในการประมวลผลอนุมานกลายเป็นสมรภูมิสำคัญของโมเดลภาษาขนาดใหญ่ อัตราที่ระบบสร้างโทเคนไม่ได้กำหนดเพียงว่าผู้ใช้จะได้รับคำตอบเร็วแค่ไหน แต่ยังชี้ว่าแอปพลิเคชันใดใช้งานได้จริงทั้งในเชิงเศรษฐศาสตร์และเทคนิค โมเดลที่สร้างได้ 68 โทเคนต่อวินาทีทำงานได้ดีบนหน้าจอแชตที่มนุษย์อ่านตามจังหวะของตนเอง แต่ใช้ไม่ได้เลยกับงานที่ไวต่อความหน่วง เช่น การตรวจจับการฉ้อโกงแบบเรียลไทม์ สัญญาณซื้อขายความถี่สูง หรือตัวแทนเขียนโค้ดอัตโนมัติที่ต้องดำเนินการให้เหตุผลหลายขั้นตอนภายในไม่กี่วินาที

เมื่อเห็นข้อจำกัดนี้ สตาร์ตอัปหลายแห่งจึงสร้างธุรกิจทั้งบริษัทขึ้นมารอบชิปที่ออกแบบเฉพาะ Cerebras ออกแบบชิปขนาดแผ่นเวเฟอร์ที่มีขนาดใกล้เคียงจานอาหาร โดยบรรจุหน่วยความจำบนชิป 44 กิกะไบต์เพื่อขจัดข้อจำกัดด้านแบนด์วิดท์ที่ทำให้การประมวลผลอนุมานบน GPU ทั่วไปช้าลง ระบบดังกล่าวทำได้ประมาณ 969 โทเคนต่อวินาทีบน Llama 3.1 405B ของ Meta ซึ่งมีพารามิเตอร์น้อยกว่าครึ่งหนึ่งของ MiMo V2.5 Pro ส่วน Groq พัฒนาสถาปัตยกรรมหน่วยประมวลผลภาษา (Language Processing Unit) เฉพาะทางที่ทำได้ 300 ถึง 750 โทเคนต่อวินาที ขึ้นอยู่กับโมเดล ทั้งสองแพลตฟอร์มไม่ได้ทำงานบนฮาร์ดแวร์ที่มีให้เช่าผ่านบริการคลาวด์ทั่วไป

แนวทางของ Xiaomi ปฏิเสธการแข่งขันด้านฮาร์ดแวร์นี้ ด้วยการเพิ่มประสิทธิภาพซอฟต์แวร์และออกแบบโมเดลควบคู่กัน บริษัททำความเร็วได้ใกล้เคียงกันบน GPU ทั่วไปที่เช่าใช้งานได้ นักพัฒนาทุกรายที่เข้าถึงโหนดมาตรฐานซึ่งมี GPU แปดตัวก็อาจทำซ้ำผลลัพธ์นี้ได้ ซึ่งอาจเปลี่ยนความได้เปรียบในการแข่งขันจากผู้ผลิตชิปเฉพาะทางไปสู่นวัตกรรมด้านอัลกอริทึม

บีบอัดความสามารถของ AI ด้วยการควอนไทซ์ FP4

องค์ประกอบแรกของ UltraSpeed คือการบีบอัดค่าตัวเลขอย่างเข้มข้นที่เรียกว่าการควอนไทซ์ FP4 โดยทั่วไปการประมวลผลอนุมานของโมเดลมาตรฐานจะจัดเก็บน้ำหนักโมเดลด้วยความละเอียด 16 บิตหรือ 8 บิต พารามิเตอร์แต่ละตัวต้องใช้แบนด์วิดท์หน่วยความจำในปริมาณหนึ่ง และเมื่อมีพารามิเตอร์ระดับล้านล้านตัว การเคลื่อนย้ายน้ำหนักเหล่านั้นจากหน่วยความจำไปยังแกนประมวลผลเพียงอย่างเดียวก็ทำให้เกิดคอขวดที่จำกัดความเร็วในการสร้างข้อความแล้ว

วิธีแก้ของ Xiaomi คือใช้ความละเอียด 4 บิตเฉพาะกับบางส่วน สถาปัตยกรรม Mixture of Experts มีเลเยอร์ผู้เชี่ยวชาญจำนวนมาก ซึ่งเก็บพารามิเตอร์ส่วนใหญ่และทนต่อการลดความละเอียดได้ดีกว่า Xiaomi จึงบีบอัดเฉพาะเลเยอร์ผู้เชี่ยวชาญเหล่านี้เป็นรูปแบบ MXFP4 ขณะที่คงโมดูลอื่นของโมเดลไว้ที่ความละเอียดสูงกว่า ซึ่งรายงานว่าเป็น FP8 วิธีเลือกใช้นี้ช่วยลดขนาดหน่วยความจำโดยไม่ทำให้คุณภาพเอาต์พุตลดลง เพราะการฝึกที่คำนึงถึงการควอนไทซ์ (Quantization Aware Training) ผนวกการบีบอัดเข้ากับกระบวนการเรียนรู้ของโมเดล ผลการทดสอบแสดงว่าโมเดลที่ผ่านการควอนไทซ์ทำงานได้ใกล้เคียงกับรุ่นเดิมที่ใช้ความละเอียดเต็มแทบไม่ต่างกัน

เนื่องจากเลเยอร์ผู้เชี่ยวชาญเป็นส่วนใหญ่ของโมเดล การบีบอัดเฉพาะส่วนนี้จึงลดปริมาณข้อมูลที่ต้องเคลื่อนผ่านหน่วยความจำในแต่ละขั้นของการสร้างข้อความได้อย่างมาก การประหยัดแบนด์วิดท์ส่งผลโดยตรงให้อัตราประมวลผลสูงขึ้น

คาดการณ์แบบขนานด้วยการถอดรหัสเชิงคาดการณ์ DFlash

องค์ประกอบที่สองแก้ข้อจำกัดที่ภาษาเกิดขึ้นตามลำดับ โดยปกติโมเดลจะสร้างโทเคนทีละตัว และโทเคนใหม่แต่ละตัวต้องอาศัยโทเคนก่อนหน้าทั้งหมด การถอดรหัสเชิงคาดการณ์ (speculative decoding) เป็นทางลัด โดยโมเดลร่างขนาดเล็กจะคาดเดาโทเคนถัดไปหลายตัวอย่างรวดเร็ว แล้วโมเดลเป้าหมายขนาดใหญ่จะตรวจสอบคำทายทั้งหมดพร้อมกัน หากคำทายถูกต้อง ระบบก็ประหยัดเวลาได้ อย่างไรก็ตาม การถอดรหัสเชิงคาดการณ์แบบดั้งเดิมยังบังคับให้โมเดลร่างสร้างคำทายทีละตัว ทำให้ประโยชน์ที่ได้มีข้อจำกัด

DFlash ซึ่งเป็นวิธีการจากชุมชนนักวิจัยที่ Xiaomi นำมาปรับปรุง ขจัดข้อจำกัดด้านลำดับนี้โดยสิ้นเชิง แทนที่จะคาดเดาโทเคนทีละตัว โมเดลร่างจะเติมตำแหน่งที่ถูกปิดบังทั้งบล็อกภายในการส่งผ่านไปข้างหน้าเพียงครั้งเดียว Xiaomi ปรับแต่งกระบวนการนี้ด้วยตัวเพิ่มประสิทธิภาพอันดับสอง Muon และการกลั่นความรู้ด้วยตนเองของโมเดล โมเดลร่างใช้ Sliding Window Attention เพียงอย่างเดียว ทำให้ต้นทุนการคำนวณต่อการคาดการณ์คงที่ ไม่ว่าบทสนทนาจะยาวขึ้นเพียงใด

ในงานเขียนโค้ด ระบบมีความยาวการยอมรับเฉลี่ย 6.3 โทเคนต่อรอบการตรวจสอบ จากบล็อกที่จำกัดไว้สูงสุด 8 โทเคน นั่นหมายความว่าโมเดลขนาดใหญ่ยืนยันโทเคนได้หกหรือเจ็ดตัวในขั้นตอนเดียว แทนที่จะสร้างทีละตัว การสุ่มตัวอย่างเพื่อปฏิเสธ (rejection sampling) ช่วยให้มีเพียงโทเคนที่ถูกต้องเท่านั้นที่ผ่านไป เอาต์พุตจึงเหมือนกับการถอดรหัสมาตรฐานในเชิงคณิตศาสตร์ ความเร็วที่เพิ่มขึ้นจึงไม่ทำให้คุณภาพลดลง

กำจัดช่วงว่างระดับไมโครวินาทีด้วย TileRT

องค์ประกอบที่สามจัดการกับคอขวดที่มองไม่เห็น ซึ่งเกิดขึ้นเมื่อความเร็วสูงมากเท่านั้น เมื่อการประมวลผลอนุมานเกิน 1,000 โทเคนต่อวินาที ตัวดำเนินการทางคณิตศาสตร์แต่ละตัวจะทำงานเพียงไม่กี่ไมโครวินาที ระบบให้บริการแบบดั้งเดิมจะเรียกใช้ตัวดำเนินการทีละตัว โดยมีช่วงว่างสั้น ๆ ระหว่างการเรียกใช้แต่ละครั้ง ช่วงว่างเหล่านี้แทบไม่มีนัยสำคัญที่ความเร็วปกติ แต่เมื่ออยู่ในระดับ UltraSpeed จะทำให้กระแสการประมวลผลสะดุดและกลายเป็นคอขวดหลัก

TileRT ซึ่งพัฒนาร่วมกับพาร์ตเนอร์ด้านการประมวลผลอนุมานชื่อ TileRT แก้ปัญหานี้ด้วย Persistent Engine Kernel ที่ทำงานค้างอยู่ภายใน GPU อย่างต่อเนื่อง แทนที่จะเริ่มและหยุดการทำงาน เคอร์เนลจะใช้ Warp Specialization จัดสรรเธรดฮาร์ดแวร์เฉพาะให้รับผิดชอบการเคลื่อนย้ายข้อมูล การคำนวณ และการสื่อสารในบทบาทที่ประสานกัน แม้แต่งานขนาดเล็กอย่าง RMSNorm, rotary position embeddings และการเขียนแคช KV ซึ่งโดยปกติทำให้เกิดความล่าช้าระดับไมโครวินาที ก็ทำงานได้โดยไม่สะดุด

ระบบนี้ได้รับการออกแบบควบคู่กับการเลือกใช้ FP4 และ DFlash ตั้งแต่ต้น แทนที่จะนำมาเพิ่มภายหลัง การออกแบบร่วมกันของระบบและโมเดลในระดับเข้มข้นนี้ทำให้ทั้งสามชั้นทำงานสอดประสานกันอย่างใกล้ชิด Xiaomi ระบุชัดเจนว่าไม่มีเทคนิคใดในสามอย่างนี้เพียงลำพังที่ทำความเร็วได้ 1,000 โทเคนต่อวินาที ต้องทำงานร่วมกันจึงจะสร้างสถิติได้

ผลกระทบในโลกจริงและบริบทธุรกิจ

เกณฑ์ 1,000 โทเคนเปลี่ยนแอปพลิเคชันที่เหมาะสมสำหรับโมเดลระดับแนวหน้า การให้เหตุผลแบบขนานกลายเป็นสิ่งที่ทำได้จริง เปิดทางให้ระบบประมวลผลเส้นทางการให้เหตุผลแบบ Best of N หรือ tree search หลายสิบเส้นทางได้ภายในเวลาจริงเท่ากับที่โมเดลช้ากว่าจะใช้สำหรับเส้นทางเดียว ตัวแทนเขียนโค้ดได้ประโยชน์ เพราะการสร้างข้อความที่เร็วขึ้นช่วยลดเวลารอระหว่างขั้นตอนอัตโนมัติ วงจรตัดสินใจแบบเรียลไทม์ในการสร้างสัญญาณซื้อขาย การสกัดกั้นการฉ้อโกง และระบบสนทนาสดก็มีโอกาสใช้งานได้จริงมากขึ้นเมื่อความหน่วงลดลงต่ำกว่าระดับที่มนุษย์รับรู้

Xiaomi สาธิตผลลัพธ์ในทางปฏิบัติผ่านการสาธิตต่อสาธารณะ โดยสร้างเกม Snake ที่เล่นได้อย่างสมบูรณ์ในเวลาประมาณ 10 วินาที และสร้างต้นแบบส่วนติดต่อ macOS ได้ในราวหนึ่งนาที งานเหล่านี้จำกัดด้วยอัตราการประมวลผล ซึ่งทำให้ความเร็วโทเคนดิบเป็นปัจจัยชี้ขาด

การเข้าถึง UltraSpeed ทำได้ผ่านการทดลองใช้ API แบบจำกัดจำนวนและต้องยื่นใบสมัคร ตั้งแต่วันที่ 9 ถึง 23 มิถุนายน 2026 ราคาสูงกว่าอัตรามาตรฐานของ MiMo V2.5 Pro สามเท่า คิดเป็นประมาณ 1.29 ดอลลาร์ต่อหนึ่งล้านโทเคนอินพุต และ 2.61 ดอลลาร์ต่อหนึ่งล้านโทเคนเอาต์พุต ตามการคำนวณอัตราแลกเปลี่ยนปัจจุบัน Xiaomi รับรองความเร็วในการสร้างข้อความที่สูงขึ้นประมาณ 10 เท่าสำหรับราคาพิเศษนี้ บริการสมัครสมาชิก Token Plan ใช้กับ UltraSpeed ไม่ได้ ผู้ใช้ที่ได้รับอนุมัติจะได้ใช้ Chat ฟรีสองสัปดาห์ โดยมีข้อจำกัดรายวัน ได้แก่ เข้าคิวได้ 10 ครั้งต่อบัญชี จำกัดเซสชันครั้งละ 30 นาที และปล่อยทรัพยากรโดยอัตโนมัติเมื่อไม่มีการใช้งานต่อเนื่อง 5 นาที

แม้มีความก้าวหน้าทางเทคนิคเหล่านี้ ตลาดการเงินกลับตอบสนองอย่างไม่สะทกสะท้าน หุ้น Xiaomi ปิดที่ 2.91 ยูโรเมื่อวันที่ 11 มิถุนายน สูงกว่าจุดต่ำสุดในรอบ 52 สัปดาห์เพียง 1.75% และลดลง 35% นับตั้งแต่ต้นปี บริษัทยังคงขยายธุรกิจหลากหลายด้าน โดยเปิดตัวสมาร์ตโฟนพรีเมียม 17T ในอินเดียวันเดียวกับที่เปิดตัวผู้ช่วย MiMo Code และเดินหน้าขยายธุรกิจรถยนต์ไฟฟ้าร่วมกับเมืองฉางชุน ว่าแรงขับเคลื่อนในการดำเนินงานจะพลิกฟื้นผลประกอบการของหุ้นได้หรือไม่ ขึ้นอยู่กับข้อมูลผลประกอบการที่จะประกาศในระยะต่อไป

การเปิดเผยซอร์สโค้ดและประเด็นการตรวจสอบ

Xiaomi เปิดเผยเช็กพอยต์ MiMo V2.5 Pro FP4 DFlash เป็นโอเพนซอร์สบน Hugging Face โดยรวมถึงน้ำหนักโมเดลที่ผ่านการควอนไทซ์และพารามิเตอร์ DFlash ส่วน TileRT เผยแพร่บางโมดูลบน GitHub ความโปร่งใสนี้เปิดโอกาสให้ชุมชนนักพัฒนาทดสอบอย่างอิสระ ซึ่งเป็นเรื่องสำคัญ เพราะคำกล่าวอ้างด้านความเร็วทั้งหมดในปัจจุบันมาจากเกณฑ์มาตรฐานภายในของ Xiaomi ยังไม่มีการเผยแพร่ผลการตรวจสอบจากบุคคลที่สามอย่างเป็นอิสระ

การทำซ้ำผลทดสอบโดยชุมชนจะช่วยตรวจสอบประเด็นที่ยังไม่มีข้อสรุปหลายข้อ ข้อแรก ตัวเลข 1,000 โทเคนต่อวินาทีจะทำได้บนอินสแตนซ์ GPU ทั่วไปนอกสภาพแวดล้อมทดลองที่ Xiaomi ควบคุมหรือไม่ ข้อสอง คุณภาพจะลดลงในงานสนทนาแบบปลายเปิดหรือไม่ ซึ่งปัจจุบันอัตราการยอมรับของการถอดรหัสเชิงคาดการณ์ยังต่ำกว่างานเขียนโค้ดที่มีโครงสร้าง ข้อสาม แนวทางเคอร์เนลแบบทำงานต่อเนื่องของ TileRT จะผสานเข้ากับระบบให้บริการมาตรฐานที่ใช้งานจริงอยู่แล้วได้หรือไม่

หากการทดสอบอิสระยืนยันคำกล่าวอ้าง Xiaomi ก็จะทำได้ด้วยซอฟต์แวร์ในสิ่งที่คู่แข่งทุ่มเงินหลายร้อยล้านดอลลาร์เพื่อไล่ตามผ่านซิลิคอนเฉพาะทาง ผลลัพธ์นี้จะชี้ว่าการออกแบบอัลกอริทึมร่วมกันสามารถปลดล็อกระดับประสิทธิภาพที่เคยเชื่อว่าต้องใช้ฮาร์ดแวร์เฉพาะทาง ซึ่งอาจทำให้ทิศทางการลงทุนทั่วทั้งอุตสาหกรรมปัญญาประดิษฐ์เปลี่ยนไป

ประเด็นสำคัญ

• MiMo V2.5 Pro UltraSpeed ของ Xiaomi เป็นโมเดลขนาดหนึ่งล้านล้านพารามิเตอร์รุ่นแรกที่ทำความเร็วเกิน 1,000 โทเคนต่อวินาทีบน GPU ทั่วไป เมื่อเปิดตัววันที่ 8 มิถุนายน 2026
• ความเร็วเกิดจากเทคนิคสามอย่างที่ทำงานร่วมกัน ได้แก่ การควอนไทซ์เลเยอร์ผู้เชี่ยวชาญแบบ FP4 การถอดรหัสเชิงคาดการณ์ระดับบล็อกด้วย DFlash และระบบรันไทม์ GPU แบบทำงานต่อเนื่อง TileRT
• โมเดลพื้นฐาน MiMo V2.5 Pro ทำคะแนนใกล้เคียง Claude Opus 4.6 ในงานเขียนโค้ด ขณะที่มีราคาต่อโทเคนราวหนึ่งในแปด
• ต่างจากคู่แข่งอย่าง Cerebras และ Groq Xiaomi ทำสถิติได้โดยไม่ใช้ซิลิคอนเฉพาะทาง แต่ใช้โหนดมาตรฐานที่มี GPU แปดตัว ซึ่งผู้ให้บริการคลาวด์เปิดให้ใช้งาน
• เช็กพอยต์ MiMo V2.5 Pro FP4 DFlash เผยแพร่บน Hugging Face ภายใต้สัญญาอนุญาตโอเพนซอร์ส MIT ส่วนโมดูล TileRT เผยแพร่บน GitHub
• การทดลองใช้ API แบบจำกัดเปิดให้ใช้งานตั้งแต่วันที่ 9 ถึง 23 มิถุนายน 2026 โดยคิดราคาสามเท่าของอัตรามาตรฐาน แลกกับความเร็วในการสร้างข้อความที่สูงขึ้นประมาณ 10 เท่า
• แม้มีความก้าวหน้าทางเทคนิค หุ้น Xiaomi ยังคงอยู่ใกล้ระดับต่ำสุดในรอบ 52 สัปดาห์ โดยลดลง 35% นับตั้งแต่ต้นปี ณ กลางเดือนมิถุนายน 2026