Xiaomis nye agentmodeller kan presse priserne hurtigere end mange tror

Xiaomi har lanceret tre nye modeller på én gang: en stor sprogmodel, en multimodal model og en tale-model. Det ligner ikke bare endnu et modelslip. Det ligner et forsøg på at bygge en hel platform til agenter, der kan læse, lytte, klikke og handle. For danske virksomheder og offentlige aktører er det mest interessante ikke brandnavnet. Det er kombinationen af pris, rækkevidde og tempo.

💡 Det vigtigste fra lanceringen MiMo-V2-Pro har over 1 billion parametre samlet, 42 milliarder aktive per forespørgsel og kan håndtere kontekstvinduer på op til 1 million tokens. Xiaomi priser modellen til 1 dollar per million input-tokens og 3 dollar per million output-tokens, klart under flere vestlige topmodeller.

The Decoder beskriver også en multimodal model, MiMo-V2-Omni, som både kan forstå lyd, billeder og video, kalde værktøjer og styre en browser. I demoer brugte Xiaomi den til at sammenligne priser, forhandle i chat og gennemføre køb. Se det som et signal, ikke som et færdigt indkøb. Vi er på vej væk fra rene chatbots og over mod systemer, der kan udføre arbejde i flere trin.

Det gør to ting ved markedet. Først presser det priserne. Hvis en model ligger tæt på toppen i kodning og agentopgaver, men koster markant mindre, bliver det sværere for de store leverandører at holde høje marginer. Dernæst flytter det forventningen til, hvad en standardmodel skal kunne. Det er ikke længere nok at svare pænt i en chat. Den skal kunne bruge værktøjer, forstå flere inputformer og tage små beslutninger undervejs.

For danske virksomheder er den praktiske vinkel klar. Teams, der bygger interne assistenter, supportflows eller automatisering omkring browser og backoffice, får flere valgmuligheder. For offentlig sektor er potentialet også tydeligt i opgaver som dokumentsortering, opfølgning på henvendelser og støtte til medarbejdere. Men det betyder ikke, at man bare skal tænde for agentmode.

Når modeller begynder at handle selv, flytter risikoen sig fra tekstkvalitet til adgang, logning og kontrol. Man skal kunne afgrænse, hvilke systemer agenten må bruge, hvad den må sende videre, og hvordan et menneske stopper den. Samtidig skal man tage stilling til support, dataplacering og hvad der sker, når en billig model pludselig ændrer vilkår.

Det gode ved nyheden er derfor ikke, at alle nu bør skifte model i morgen. Det gode er, at markedet bliver sværere at tage for givet. Hvis jeres nuværende AI-regning er høj, eller jeres værktøjer er for smalle, er det et godt tidspunkt at teste alternativer med rigtige arbejdsopgaver og stram adgangsstyring.