10月15日，小米宣布推出Dasheng系列新成员——MiDashengLM-Spatial，完整公开模型权重和推理代码，并以Apache 2.0许可证开源，定位为业界首个端到端空间音频理解大模型。
两年三版本的声音AI演进
过去两年，小米先后发布并开源了声音基座模型Xiaomi Dasheng及声音理解大模型MiDashengLM-7B。相关技术已在小米智能家居、汽车座舱等场景实现超过30项落地应用，能够对语音、环境声音和音乐进行统一感知与理解，覆盖家庭、车载、娱乐等多个高频场景。
空间推理准确率达70.3%
新模型以MiDashengLM-7B为基座，为声音理解大模型赋予“一双耳朵”，使其不仅能听懂声音的内容，还能感知声音来自何处、如何在空间中分布。研究团队利用头相关传递函数（HRTF）和虚源法模拟不同室内声学环境，构建100万段双耳音频场景、约1.3万小时音频及600万组空间问答数据进行训练。
在STAR-Bench空间推理测试中，MiDashengLM-Spatial准确率达到70.3%，高于原版MiDashengLM的44.3%、Qwen3-Omni的44.7%和MOSS-Audio的41.7%。团队还设计左右声道交换测试：要求模型在声源位置反转后同步改变判断。新模型在这一测试中的全正确率达72.6%，原版模型为0%，证明模型能够利用真实的双耳声学线索进行空间判断。
开源生态与商业应用前景
小米表示，MiDashengLM-Spatial是业界首个开源的端到端空间音频理解大模型，在MMAU-Pro空间理解任务中准确率从原版18.2%提升至55.4%，同时在语音识别、声音描述等通用任务中与原版基本持平。后续将逐步探索在智能家居、汽车座舱和机器人等场景中的应用。
延伸阅读
- 智谱 MaaS 上线数据不留存机制：调用内容用完即焚，违规核查仍留存 30 天4 周前
- 千问办公开源上下文基础设施 MyContext：本地化运行，把 IM、文档与会议沉淀成可溯源 Agent 工作档案4 周前
- 腾讯混元 Hy3 正式版开源：295B 总参数 21B 激活 MoE，256K 上下文 API 输入 1 元4 周前
- 微软 UFO² 桌面 AgentOS 解析：自动化成功率 32.7%，超越 OpenAI Operator 且 MIT 开源4 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- OPPO Enco Air4s 发布：32dB 主动降噪、43 小时续航，首发 179 元2026-10-15
- Linux之父Torvalds推出首个AI辅助补丁：并发读取吞吐量提升约3倍2026-10-15
- Qwen-Image-2.1-Turbo开源：8步出图，采样调度写进权重2026-10-10