> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Xiaomi robot dünya modelini eğitim koduyla birlikte açtı
- URL: https://globalfeed.ai/xiaomi-dunya-modelinin-egitim-tarafini-acti-duyurudaki-video-henuz-kutuda-yok/
- Published: 2026-09-10T17:45:00.000Z
- Updated: 2026-09-10T17:45:00.000Z
- Description: Xiaomi-Robotics-U0 artık eğitim çerçevesiyle birlikte açık, lisans Apache 2.0. Duyuruda sıralanan yetenekler arasında video üretimi de var; ama model kartına göre video ağırlığı henüz yayımlanmadı.
- Author: GlobalFeed Editor
- Tags: elle, Xiaomi, dünya modeli, açık kaynak, x-XiaomiTech_, dil-tr, video

Xiaomi, robotik için geliştirdiği dünya modeli **Xiaomi-Robotics-U0**'ın eğitim ve çıkarım çerçevesini ve **4B ile 34B** ağırlıklarını açtığını duyurdu. Lisans **Apache 2.0**, yani ticari kullanım, değiştirme ve yeniden dağıtım serbest. Kod GitHub'da, ağırlıklar Hugging Face'te.

Duyuruda desteklenen işler şöyle sıralanmış: bedenlenmiş sahne üretimi ve düzenleme, tek görselden üretim ve görsel düzenleme, video üretimi, görsel ile metnin iç içe geçtiği dizi üretimi.

## Bugün açılan şey eğitim tarafı

Model kartındaki haber bölümü, teknik raporun, ağırlıkların ve çıkarım kodunun **Temmuz 2026'da** yayımlandığını yazıyor. Yani ağırlıklar iki aydır ortadaydı. Bugünkü duyurunun getirdiği yenilik, paketin **eğitim** yarısı: modeli kendi verinizle eğitmenin yolu artık açık.

Bu küçük bir ayrım değil. Bir dünya modelinin asıl vaadi hazır çıktı üretmek değil, robot için veri çoğaltmak; eğitim çerçevesi olmadan o vaat yarım kalıyordu.

## Video üretimi listede var, dosyası yok

Duyuruda video üretimi bir madde olarak geçiyor. Ancak model kartı bunu açıkça sınırlıyor: gereken `Xiaomi-Robotics-U0-Video` ağırlığı **"yakında"**. Yani bugün depoyu indiren biri, listede yazan video işini yapamıyor.

Kaldı ki buradaki video, sinema anlamında video değil. Model kartının kendi terimiyle **"bedenlenmiş video rollout"**: bir başlangıç gözleminden yola çıkıp robotun bulunduğu sahnenin nasıl ilerleyeceğini kestirmek. Amaç güzel görüntü üretmek değil, robotu eğitecek veriyi çoğaltmak.

## Elimizdeki tek hız ölçüsü

Depo bir tek sayı veriyor ve o da görsel tarafına ait: tek bir **H20** üzerinde FlashAR vLLM ile 1024x1024 metinden görsel üretimi **5,44 saniye**. Aynı ölçümde bunun, sade otoregresif çalıştırmaya göre 82,86 kat, FlashAR'ın sade haline göre 3,04 kat hızlı olduğu belirtiliyor.

Ekran kartı gereksinimi hiçbir yerde yazmıyor. Hugging Face'teki listede "4B" olarak duyurulan modelin 5 milyar parametreyle göründüğünü, büyük sürümün 34 milyar, FlashAR sürümünün ise 38 milyar olarak listelendiğini de not edelim.

## Neden önemli

Robotik tarafında sıkıntı model değil veri: gerçek dünyada robotla veri toplamak yavaş ve pahalı. Dünya modelleri bu yüzden ilgi görüyor, sahneyi simüle edip veriyi çoğaltıyorlar. Apache 2.0 lisanslı, ağırlıkları elinizde bir dünya modeli bu işi laboratuvar dışına taşıyor.

Yeter ki listede yazan her maddenin kutuda karşılığı olsun. Bu duyuruda bir madde için henüz yok.