Модель Xiaomi MiMo-V2.6-Pro доступна в Tencent WorkBuddy и TokenHub с окном контекста 1 млн токенов

Владелец веб-сайта pandaily.com временно заблокировал доступ пользователя к ресурсу. Данное ограничение реализовано с использованием сервиса Cloudflare.

Для получения более подробной информации о данной ситуации пользователи могут обратиться к официальной документации Cloudflare по кодам состояния HTTP, а именно к ссылке https://developers.cloudflare.com/support/troubleshooting/http-status-codes/cloudflare-1xxx-errors/error-1015/.

Shanghai Artificial Intelligence Laboratory представила полную версию своей агентно-ориентированной крупной модели Atria Dawn. Этот релиз состоялся примерно через месяц после появления предварительной версии Atria Dawn в середине сентября.

Модель была обучена на базовой модели GLM-5.2, которая содержит 744 миллиарда параметров в формате mixture-of-experts. Она предназначена для поддержки научно-исследовательской и инженерной работы, требующей понимания окружения, использования инструментов и выполнения многоэтапных задач.

Основное изменение, отмеченное лабораторией, заключается в увеличении контекстного окна с 256 тысяч токенов, доступных в превью, до 512 тысяч токенов в полной версии. Тем не менее, таблица загрузки модели в репозитории проекта на GitHub по-прежнему указывает 256K как для полной модели, так и для ее версии FP8, поэтому разработчикам рекомендуется сверяться с документацией хостируемого API для уточнения применимого лимита.

Лаборатория теперь классифицирует возможности модели по четырем направлениям. Обнаружение (Discovery) включает сбор и систематизацию данных, проведение глубоких исследований и преобразование исследовательских вопросов в исполняемые планы экспериментов. Создание (Creation) охватывает разработку программного обеспечения, интерактивных приложений, игр, систем машинного обучения и визуализаций данных. Доставка (Delivery) позволяет преобразовывать технические задания, данные и требования к дизайну в структурированные отчеты и презентации. Кибербезопасность (Cybersecurity) фокусируется на анализе проблем безопасности, проверке уязвимостей, применении исправлений и повторном тестировании, при этом ограничена авторизованными средами.

По сравнению с превью, лаборатория подчеркивает значительные улучшения: прирост на 7,2 балла в JobBench (57,5 против 50,3), рост на 2,7 балла в WideSearch (84,6 против 81,9) и увеличение на 2,6 балла в PaperBench (89,6 против 87,0). Однако в таблице оценки репозитория, которую лаборатория утверждает как соответствующую ее веб-сайту, показаны меньшие улучшения по большинству других бенчмарков, включая AutomationBench (54,7), SkillsBench (67,8) и SWE-bench Pro (61,7). В некоторых тестах превью показало равные или более высокие результаты, например, в BrowseComp, где 92,5 превью опережает 91,3 полной версии.

Модель доступна через хостинговые API с отдельными международными и китайскими конечными точками. Репозиторий содержит руководства по настройке для SGLang, vLLM и Codex. Модель принимает только текстовый ввод. Код выпущен под лицензией MIT, но веса для полной версии на Hugging Face и ModelScope пока помечены как «Скоро появится»; на данный момент можно загрузить только веса превью.

Компания Xiaomi представила MiDashengLM-Spatial — новый компонент своей серии аудиомоделей Dasheng. Эта модель разработана таким образом, чтобы понимать не только содержание звука, но и его пространственное происхождение.

Полные веса модели и код для инференса были опубликованы компанией под лицензией Apache 2.0, что разрешает как исследовательское, так и коммерческое использование. Модель построена на основе MiDashengLM-7B, крупной модели для понимания звука, которую Xiaomi ранее сделала открытой.

Для реализации пространственного восприятия в модель добавлен пространственный аудиокодировщик под названием Spatial-Dasheng. Согласно техническому отчету, размещенному на arXiv, используется иерархический модуль семантического к пространственному обусловливанию, который отдельно фиксирует семантическую и пространственную информацию, после чего объединяет их. В результате получается единая сквозная модель, которая может анализировать речь, фоновые шумы и музыку, а также делать выводы о направлении, расстоянии и движении источника звука.

На странице в Hugging Face модель представлена примерно с 8 миллиардами параметров. Пространственные подсказки зависят от многоканального ввода; в описании модели указано, что она обучалась на бинауральном двухканальном аудио, хотя моно-ввод также поддерживается, но не несет информации о направлении.

Xiaomi утверждает, что общие аудиовозможности модели сохраняются, а команда исследователей сообщает, что производительность в базовых задачах обработки аудио остается сопоставимой с крупными аудио-языковыми моделями объемом около 8 миллиардов параметров.

Xiaomi позиционирует MiDashengLM-Spatial как первую в отрасли открытую сквозную модель для понимания пространственного аудио. Стоит отметить, что это заявление содержится в статье и квалифицировано фразой «насколько нам известно», и оно еще не было независимо проверено.

За последние два года Xiaomi сделала открытыми свои фундаментальные звуковые модели Xiaomi Dasheng и MiDashengLM-7B. Компания отмечает, что технологии из серии Dasheng уже используются более чем в 30 приложениях в ее продуктах для умного дома и автомобильных кокпитов, охватывая распознавание речи, окружающих звуков и музыки. При этом эта цифра относится к существующей серии, а не к новой модели MiDashengLM-Spatial.

Что касается самой MiDashengLM-Spatial, Xiaomi планирует постепенно внедрять ее в сценарии умного дома и автомобильных кокпитов, где знание о том, откуда исходит голос или сигнал тревоги, позволит ассистентам реагировать более точно. Компания пока не предоставила сроков или названий конкретных продуктов.

Выпуск включает демонстрационную страницу проекта, технический отчет на arXiv, код для оценки на GitHub и веса модели на Hugging Face.