DingTalk abre código-fonte da ferramenta de linha de comando DWS para agentes de IA com suporte a PCs HarmonyOS

Uma equipe de inovadores, supervisionada pelo comitê de tecnologia da Xiaomi, apresentou o HachimoDock — um pequeno dispositivo de IA de mesa que os usuários podem montar e configurar por conta própria. Isso foi revelado após a demonstração do dispositivo na Conferência Guanqi 2026 em 26 de outubro, de acordo com fontes da IT Home e Sina Tech.

De acordo com a equipe, o custo dos componentes para montagem autônoma é de cerca de 150 yuans. O objetivo principal do projeto é reduzir a barreira de entrada no campo de hardware de IA e tornar o HachimoDock o primeiro dispositivo para aqueles que estão começando com o 'vibe coding' — um método onde o usuário descreve o desejado em linguagem simples e a IA gera o código correspondente.

O HachimoDock combina um companheiro de mesa personalizável, controle de voz para agentes de computador, funções de gerenciamento de casa inteligente e componentes montados pelo próprio usuário. Quando o usuário se dirige ao companheiro de mesa, ele transforma o pedido em tarefas e as envia aos agentes que operam no computador, como Codex e WorkBuddy. Esses agentes executam operações como pesquisa de informações, organização de arquivos ou escrita de código.

A tela do dispositivo informa o usuário sobre o status de execução da tarefa — pensando, em execução ou aguardando confirmação. Além disso, o companheiro sinaliza o progresso através de expressões faciais, movimentos, dicas curtas e sons. Operações que exigem autorização ainda requerem confirmação através do cliente correspondente na área de trabalho.

As capacidades de controle de voz se estendem ao ambiente doméstico graças ao Xiaomi Miloco — um framework de IA para casa inteligente da empresa. A pequena tela pode se transformar em um painel de controle doméstico, exibindo o estado dos dispositivos, controles de iluminação e fluxos de vídeo de câmeras, permitindo que um único dispositivo de mesa sirva como ponto de entrada tanto para agentes de PC quanto para dispositivos de casa inteligente.

Os usuários também podem instruir a IA a gerar e executar novos componentes no local. Isso permite que o HachimoDock funcione como microfone para entrada de voz, mini-console para jogos, receptor de rádio FM, segunda tela para monitorar o progresso das tarefas de IA e o estado do computador, ou como hub central para casa inteligente.

O código-fonte está disponível no GitHub juntamente com a especificação dos componentes de hardware, modelos de peças estruturais e guias de montagem. No entanto, há uma limitação importante: o projeto é de código aberto, mas não totalmente aberto no sentido comum. A licença permite reprodução, modificação e criação de componentes pessoais e não comerciais, mas o uso comercial, integração ou desenvolvimento de produtos individuais requer permissão por escrito dos detentores de direitos. Componentes de terceiros, incluindo o Xiaomi Miloco, mantêm suas próprias licenças.

O líder da equipe declarou que eles buscam fornecer um espaço para que cada usuário defina o HachimoDock, para que mais pessoas possam desfrutar da criação de hardware de IA de baixo custo.

A Xiaomi apresentou o MiDashengLM-Spatial, um novo componente de sua série de modelos de áudio Dasheng. Este modelo foi desenvolvido para entender não apenas o conteúdo do som, mas também sua origem espacial.

Os pesos completos do modelo e o código para inferência foram publicados pela empresa sob a licença Apache 2.0, o que permite uso tanto de pesquisa quanto comercial. O modelo é construído com base no MiDashengLM-7B, um grande modelo de compreensão de áudio que a Xiaomi havia tornado aberto anteriormente.

Para implementar a percepção espacial, um codificador de áudio espacial chamado Spatial-Dasheng foi adicionado ao modelo. De acordo com um relatório técnico publicado no arXiv, é utilizado um módulo hierárquico de condicionamento semântico a espacial, que registra separadamente as informações semânticas e espaciais, e depois as combina. O resultado é um modelo ponta a ponta unificado que pode analisar fala, ruídos de fundo e música, além de tirar conclusões sobre a direção, distância e movimento da fonte sonora.

Na página do Hugging Face, o modelo é apresentado com aproximadamente 8 bilhões de parâmetros. As dicas espaciais dependem da entrada multicanal; a descrição do modelo indica que ele foi treinado em áudio binaural de dois canais, embora a entrada mono também seja suportada, ela não carrega informações de direção.

A Xiaomi afirma que as capacidades gerais de áudio do modelo são mantidas, e a equipe de pesquisadores relata que o desempenho em tarefas básicas de processamento de áudio permanece comparável aos grandes modelos de linguagem de áudio de cerca de 8 bilhões de parâmetros.

A Xiaomi posiciona o MiDashengLM-Spatial como o primeiro modelo ponta a ponta aberto do setor para compreensão de áudio espacial. Vale notar que esta declaração está contida no artigo e qualificada pela frase 'tanto quanto sabemos', e ainda não foi verificada independentemente.

Nos últimos dois anos, a Xiaomi tornou abertos seus modelos de som fundamentais Xiaomi Dasheng e MiDashengLM-7B. A empresa observa que as tecnologias da série Dasheng já são usadas em mais de 30 aplicativos em seus produtos de casa inteligente e cockpits automotivos, abrangendo reconhecimento de fala, sons ambientes e música. No entanto, este número refere-se à série existente, e não ao novo modelo MiDashengLM-Spatial.

Quanto ao próprio MiDashengLM-Spatial, a Xiaomi planeja implementá-lo gradualmente em cenários de casa inteligente e cockpits automotivos, onde o conhecimento de onde vem uma voz ou alarme permitirá que os assistentes reajam com mais precisão. A empresa ainda não forneceu prazos ou nomes de produtos específicos.

O lançamento inclui uma página de demonstração do projeto, um relatório técnico no arXiv, código para avaliação no GitHub e pesos do modelo no Hugging Face.