Xiaomi MiMo-V2.6-Pro modeli Tencent WorkBuddy va TokenHubda 1 million token kontekst oynasi bilan mavjud

pandaily.com veb-saytining egasi foydalanuvchining resursga kirishini vaqtincha blokladi. Ushbu cheklov Cloudflare xizmati yordamida amalga oshirilgan.

Bu vaziyat haqida batafsil maʼlumot olish uchun foydalanuvchilar Cloudflarening rasmiy hujjatlariga, yaʼni https://developers.cloudflare.com/support/troubleshooting/http-status-codes/cloudflare-1xxx-errors/error-1015/ havolasiga murojaat qilishlari mumkin.

Shanghai Artificial Intelligence Laboratory oʻzining agentga yoʻnaltirilgan katta modeli boʻlgan Atria Dawn ning toʻliq versiyasini taqdim etdi. Ushbu chiqarish sentyabr oyi oʻrtalarida Atria Dawn ning dastlabki versiyasi paydo boʻlganidan taxminan bir oy oʻtgach amalga oshirildi.

Model GLM-5.2 asosiy modeliga oʻrgatilgan boʻlib, u mixture-of-experts formatida 744 milliard parametrni oʻz ichiga oladi. U atrof-muhitni tushunish, vositalardan foydalanish va koʻp bosqichli vazifalarni bajarishni talab qiladigan ilmiy-tadqiqot va muhandislik ishlarini qoʻllab-quvvatlash uchun moʻljallangan.

Laboratoriya tomonidan qayd etilgan asosiy oʻzgarish – bu kontekst oynasini previewda mavjud boʻlgan 256 ming tokenlardan toʻliq versiyada 512 ming tokenlarga oshirishdir. Biroq, loyiha GitHub repozitoriyasidagi model yuklash jadvali hali ham toʻliq model va uning FP8 versiyasi uchun 256K ni koʻrsatib turibdi, shuning uchun ishlab chiquvchilarga qoʻllaniladigan cheklovni aniqlash uchun joylashtirilgan API hujjatlariga murojaat qilish tavsiya etiladi.

Laboratoriya endi model imkoniyatlarini toʻrtta yoʻnalish boʻyicha tasniflaydi. Kashfiyot (Discovery) maʼlumotlarni yigʻish va tizimlashtirish, chuqur tadqiqotlar oʻtkazish va tadqiqot savollarini ijro etiladigan eksperiment rejalariga aylantirishni oʻz ichiga oladi. Yaratish (Creation) dasturiy taʼminot, interaktiv ilovalar, oʻyinlar, mashinaviy oʻrganish tizimlari va maʼlumotlarni vizuallashtirishni ishlab chiqishni qamrab oladi. Yetkazib berish (Delivery) texnik topshiriqlarni, maʼlumotlarni va dizayn talablarini tuzilgan hisobotlar va taqdimotlarga aylantirish imkonini beradi. Kibersavdoqatchilik (Cybersecurity) xavfsizlik muammolarini tahlil qilish, zaifliklarni tekshirish, tuzatmalarni qoʻllash va qayta sinovdan oʻtishga eʼtibor qaratadi, bu esa avtorizatsiya qilingan muhitlar bilan cheklangan.

Previewga nisbatan laboratoriya sezilarli yaxshilanishlarni taʼkidlaydi: JobBenchda 7,2 ball oshishi (57,5 ga qarshi 50,3), WideSearchda 2,7 ball oshishi (84,6 ga qarshi 81,9) va PaperBenchda 2,6 ball oshishi (89,6 ga qarshi 87,0). Biroq, laboratoriya veb-saytiga mos kelishini daʼvo qiladigan repozitoriya baholash jadvalida, AutomationBench (54,7), SkillsBench (67,8) va SWE-bench Pro (61,7) kabi boshqa koʻpgina benchmarklarda kamroq yaxshilanishlar koʻrsatilgan. Baʼzi testlarda preview teng yoki yuqori natijalar koʻrsatgan, masalan, BrowseComp da preview 92,5, toʻliq versiyaning 91,3 dan ustun turadi.

Model alohida xalqaro va xitoy nuqtalariga ega joylashtirilgan API orqali mavjud. Repozitoriy SGLang, vLLM va Codex uchun sozlash qoʻllanmalarini oʻz ichiga oladi. Model faqat matnli kirishni qabul qiladi. Kod MIT litsenziyasi ostida chiqarilgan, ammo toʻliq versiyaning ogʻirliklari Hugging Face va ModelScope da hali «Tez orada paydo boʻladi» deb belgilangan; hozircha faqat preview ogʻirliklarini yuklab olish mumkin.

Xiaomi kompaniyasi oʻzining Dasheng audio modellar seriyasining yangi komponenti boʻlgan MiDashengLM-Spatial ni taqdim etdi. Ushbu model faqat ovoz mazmunini tushunish bilan birga, uning fazoviy kelib chiqishini ham tushunish uchun ishlab chiqilgan.

Modelning toʻliq vaznlari va inferens kodi Apache 2.0 litsenziyasi ostida kompaniya tomonidan eʼlon qilindi, bu tadqiqot va tijoratdan foydalanishga ruxsat beradi. Model Xiaomi avval ochiq qilgan katta ovozni tushunish modeli boʻlgan MiDashengLM-7B asosida qurilgan.

Fazoviy idrokni amalga oshirish uchun modelga Spatial-Dasheng deb nomlangan fazoviy audio kodlovchi qoʻshildi. arXiv da joylashtirilgan texnik hisobotga koʻra, u semantik va fazoviy maʼlumotlarni alohida qayd etuvchi, soʻngra ularni birlashtiruvchi ierarxik semantik-fazoviy shartlash modulidan foydalanadi. Natijada, nutq, fon shovqinlari va musiqani tahlil qila oladigan, shuningdek, ovoz manbasining yoʻnalishi, masofasi va harakatini aniqlay oladigan yagona end-to-end model hosil boʻladi.

Hugging Face sahifasida model taxminan 8 milliard parametr bilan taqdim etilgan. Fazoviy ishoralar koʻp kanalli kirishga bogʻliq; model tavsifida u binaural ikki kanalli audio ustida oʻqitilganligi koʻrsatilgan, garchi monolit kirish ham qoʻllab-quvvatlansa-da, u yoʻnalish haqida maʼlumot bermaydi.

Xiaomi modelning umumiy audio imkoniyatlari saqlanib qolishini taʼkidlaydi, tadqiqotchilar jamoasi esa asosiy audio qayta ishlash vazifalaridagi samaradorlik 8 milliard parametrli yirik audio-til modellariga tengligini saqlab qolishini maʼlum qiladi.

Xiaomi MiDashengLM-Spatial ni fazoviy audio tushunish uchun sanoatdagi birinchi ochiq end-to-end model sifatida pozitsion qilmoqda. Eslatma qilish kerakki, bu bayonot maqolada «biz bilganimizcha» iborasi bilan keltirilgan va hali mustaqil tekshirilmagan.

Soʻnggi ikki yil ichida Xiaomi oʻzining fundamental tovush modellarini Xiaomi Dasheng va MiDashengLM-7B ni ochiq qildi. Kompaniya Dasheng seriyasidagi texnologiyalar uy aqlli jihozlari va avtomobil kokpitlaridagi mahsulotlarida 30 dan ortiq ilovalarda ishlatilayotganini taʼkidlaydi, bu nutqni tanish, atrof-muhit tovushlari va musiqani qamrab oladi. Shu bilan birga, bu raqam yangi MiDashengLM-Spatial modeli emas, balki mavjud seriya uchun tegishli.

MiDashengLM-Spatial ga kelsak, Xiaomi uni asta-sekin uy aqlli jihozlari va avtomobil kokpitlari ssenariylariga joriy etishni rejalashtirmoqda, bu yerda ovoz yoki ogohlantirish signali qayerdan kelayotgani haqidagi bilim yordamchilarga yanada aniqroq reaksiya berish imkonini beradi. Kompaniya hozircha muddatlar yoki aniq mahsulot nomlarini taqdim etmagan.

Chiqishga loyiha namuna sahifasi, arXiv da texnik hisobot, GitHub da baholash kodi va Hugging Face da model vaznlari kiradi.