MIMO
PulseAugur coverage of MIMO — every cluster mentioning MIMO across labs, papers, and developer communities, ranked by signal.
- 2026-07-09 product_launch Xiaomi is integrating its new MiMo foundational large model with its Xiao Ai voice assistant, signaling a strategic shift towards developing its own AI agent ecosystem. 来源
- 2026-05-26 product_launch Xiaomi's MiMo large model permanently reduced API prices for its V2.5 series by up to 99%. 来源
- 2026-05-22 research_milestone Xiaomi's MiMo model demonstrated superior performance over Anthropic's Claude Opus 4.7 on coding tasks. 来源
11 天有情绪数据
-
新型隐形模型 Ox Alpha 出现，与 GLM 和 MIMO 对比
一款名为 Ox Alpha 的新型隐形模型已经出现，Reddit 上的讨论推测其起源和能力。用户将其与现有的 GLM5 Air 和 Mimo V3 等模型进行比较，一些人认为它可能是通用语言模型 (GLM) 或 MIMO 技术的新迭代或与之相关。该模型被描述为一个前沿模型，旨在实现高效编码、持续的代理工作和生产用途，拥有 100 万个 token 的上下文窗口以及支持文本、图像和视频的多模态输入能力。
-
新的张量分解方法改进了6G的MIMO信道估计
研究人员开发了一种用于导频受限MIMO信道的新型混合估计器，这对于接近6G的宽带系统至关重要。该方法将信道估计构建为低秩张量补全问题，利用稀疏导频观测。该方法比较了CP（Canonical Polyadic）和Tucker分解，发现CP对于镜面反射信道有效，而Tucker在极端导频稀缺情况下更稳定。集成了3D U-Net来学习残差分量，补偿漫散射和硬件缺陷。
-
OpenRouter替代品：TokenPAPA在中文大模型方面领先，Groq在速度方面领先
多个平台提供了访问大语言模型的OpenRouter替代方案，各有优势。TokenPAPA因其以有竞争力的价格访问DeepSeek V4 Flash和Mimo V2.5等中文大模型，以及简化的注册流程而受到关注。DeepInfra被认为是开源模型经济实惠的选择，而Together AI则提供更全面但价格更高的全栈解决方案，包括微调。Groq凭借其LPU硬件专注于速度，适用于延迟敏感的应用，而Fireworks AI则提供了快速服务和微调能力的结合。
-
新的学习-迁移框架增强MIMO检测
研究人员开发了一种新颖的学习-迁移（L2T）框架，以改进通信系统中的多输入多输出（MIMO）检测。该框架将MIMO检测建模为一系列迁移，利用Transformer更新嵌入和采样策略，同时捕捉流间依赖关系。该方法包括硬输出和软输出检测策略，其中后者利用绑定-解绑迁移机制进行迭代检测和解码。
-
基于AI的接收机提升MIMO-OFDM系统的频谱效率
研究人员开发了一个新的框架，用于优化MIMO-OFDM系统中叠加数据和参考符号传输的功率分配和基于AI的接收机设计。所提出的AI-ICED接收机利用Transformer编码器，通过迭代地集成信道估计和检测来提高频谱效率。仿真结果表明，与使用非重叠符号的传统方法相比，该方法提高了频谱效率。
-
面向6G开放RAN的新型MIMO波束映射框架
研究人员为面向未来6G网络智能开放RAN开发了一种新颖的自定位MIMO波束映射框架。该系统使用稀疏信道状态信息（CSI）构建分层无线记忆，无需显式位置标签。该框架利用波束域接收信号强度（RSS）进行高效的空间签名估计，并结合双尺度提取器和混合时间编码器来捕捉复杂的信道动态。实验表明，与现有方法相比，物理锚点恢复和信道容量有了显著提高。
-
新型深度学习接收机EqDeepRx提升MIMO系统性能
研究人员开发了EqDeepRx，这是一种新颖的深度学习辅助MIMO系统接收机，旨在提高可扩展性并减少干扰。这种新的接收机架构包含一个共享权重的DetectorNN，该模块独立处理每个空间流，从而在复用阶数增加时实现近乎线性的复杂度扩展。EqDeepRx还采用了一个轻量级的DenoiseNN进行频域平滑，通过保留传统的信道估计来增强可解释性和泛化能力。仿真表明，EqDeepRx在各种信道条件下，在误码率和频谱效率方面均优于传统基线，同时…
-
小米发布开源 MiMo LLM 系列及社区指南
小米发布了 MiMo 系列开源大语言模型，模型权重可在 Hugging Face 上获取，代码可在 GitHub 上获取。一份非官方的社区指南旨在帮助用户浏览模型卡、推理代码和 API 文档等资源，提供教程和常见问题解答。该指南旨在通过链接到小米官方资源，帮助开发者选择适合其编码、代理开发和长上下文工作负载的 MiMo 模型。
-
Mimo v2.5 LLM 在智能测试中超越 Claude 4 Sonnet
Mimo v2.5 大型语言模型拥有 3100 亿参数，在智能方面表现优于 Claude 4 Sonnet。作者拥有丰富的 Claude 4 Sonnet 使用经验，指出 Mimo v2.5 的表现甚至超越了去年的顶级模型。这一进展表明 LLM 能力正在快速发展，较新、较小的模型正在超越已有的模型。
-
扩散模型生成恶劣天气下的5G/6G信道数据
研究人员开发了一种扩散模型，能够合成5G和6G网络中真实的MIMO信道状态信息（CSI），即使在恶劣天气条件下也能实现。通过在低至中度天气下的CSI数据上进行训练，该模型可以生成恶劣天气下的信道实现，为传统的信道建模提供了一种可扩展、数据驱动的替代方案。该方法使用误码率（BER）和中断概率进行了评估，证明了其在严酷环境下的有效性。
-
新研究推进3D高斯泼溅的效率和应用
近期关于3D高斯泼溅的研究正在探索高效表示和处理复杂3D场景的方法。论文介绍了无相机剪枝、分层上下文聚合以及从稀疏视图中选择对象等技术。此外，在动态场景重建、通信的环境感知波束成形以及在线场景的流式3D高斯泼溅方面也取得了进展。
-
像“MiMo”这样的模糊 API 请求需要结构化识别，以防止集成错误
文章讨论了当单个名称（如“MiMo”）可以指代多个不相关的产品时，API 请求的模糊性。它强调了一个常见的接收流程错误，即模糊地请求“MiMo AI API”被错误地视为一个完整的技术要求，导致在错误的服务上进行集成工作。作者提出了一个包含七个字段的结构化接收卡——名称、域、所有者、目的、文档、端点和状态——以清晰地识别正确的产品并防止浪费精力。
-
新的混合AI框架提高了无线信道估计精度
研究人员开发了一种新颖的混合框架，称为神经网络辅助CLEAN (NN-CLEAN)，以提高无线通信系统中的信道估计精度，特别是在低信噪比 (SNR) 环境下。该方法将传统方法（如CLEAN）的物理基础与深度学习的速度相结合。NN-CLEAN将多头残差网络集成到迭代CLEAN过程中，用快速的神经网络前向传播取代了计算密集型的网格搜索。仿真表明，NN-CLEAN在5 dB SNR下可实现超过96%的准确率，同时显著降低了计算复杂度，使其成…
-
LLM API 定价：中国模型比西方同行便宜 100 倍 · 跟踪 1 个来源
一份截至 2026 年 7 月 27 日更新的全面速查表，详细介绍了 25 多个模型的 LLM API 定价，突显了供应商之间显著的成本差异。Mimo 和 DeepSeek V4 Pro 等中国模型提供了巨大的价值，比 Claude Opus 4 和 GPT-5.5 等高端西方模型便宜高达 100 倍，同时保持了有竞争力的质量。该指南强调为特定任务使用正确的模型，并利用 TokenPAPA 等统一 API 网关，通过将请求路由到最合适…
-
分析显示 Mimo V2.5 Pro 在成本上优于 DeepSeek V4 Flash
一项对 DeepSeek 和 Mimo (小米) 的大模型 API 定价进行的最新分析发现，在可比的输出质量下，Mimo 的 V2.5 Pro 模型比 DeepSeek 的 V4 Flash 模型便宜约 40%。虽然 DeepSeek V4 Pro 在复杂推理和 STEM 内容方面表现出色，但 Mimo V2.5 Pro 的响应速度更快，非常适合成本敏感型、高吞吐量的应用。该分析是在 TokenPAPA 平台上使用实际推理测试进行的，…
-
新框架从多模态传感数据推断无线信道状态
研究人员开发了一个新颖的框架，用于无线通信系统中的无导频信道状态信息（CSI）推断。该方法利用多模态传感数据，包括摄像头图像、LiDAR点云和GPS坐标，直接估计完整的CSI。该方法将传感到信道的映射构建为跨模态流匹配问题，将特征融合到信道域内的潜在分布中，并学习一个速度场进行转换。使用Sionna和Blender构建的数据生成器进行的实验表明，与现有基准相比，信道估计精度和频谱效率有了显著提高。
-
深度无线神经网络使用MIMO中继和功率放大器
研究人员开发了一种新颖的深度无线物理神经网络（WPNN），它将计算直接嵌入模拟硬件中，旨在降低能耗和延迟。该WPNN利用多跳MIMO中继网络，其中功率放大器充当激活函数，从而能够对网络的参数进行端到端训练。基于信道状态信息的可获得性，提出了两种收发器设计，并通过仿真演示了准确的空中图像分类，突出了硬件非线性对增强推理的好处。
-
DeeperRadar 框架优化自动驾驶汽车雷达感知
研究人员开发了 DeeperRadar，一个用于自动驾驶汽车感知的创新框架，该框架能够协同设计雷达感知和多模态 3D 检测。该系统学习端到端地优化雷达接收器激活与融合网络，直接处理原始雷达数据以及来自摄像头和 LiDAR 的输入。在 RADIal 数据集上进行评估，DeeperRadar 表明，学习到的雷达配置可以匹配或超越全阵列性能，同时使用的接收器更少，从而可能降低成本和复杂性。
-
中国批准Apple Intelligence及其他设备端LLM，赶在2026年7月最后期限前
中国网信办已批准七项设备端生成式AI服务，其中包括Apple即将推出的“Apple Intelligence”。其他获批模型包括阿里巴巴的Qwen、小米的MiMo和OPPO的Andes等。这些备案是为了应对中国设备端LLM合规的2026年7月最后期限。
-
DeepSeek 为顶尖实习生提供每日 750 美元；苹果 AI 在中国获批 · 跟踪 2 个来源
据报道，DeepSeek 在完成 51 亿元人民币的 A 轮融资后，正为清华姚班等精英项目的实习生提供高达每天 5500 元的异常高薪。此举与标准的实习生薪资形成对比，并凸显了该公司积极的人才招聘策略。在其他 AI 新闻方面，苹果的国内 AI 功能已通过监管审查，将与阿里巴巴的 Qwen 和百度的服务集成，为中国用户提供服务；小米的 MiMo 端侧模型也获得批准，这进一步强调了移动领域 AI 集成和监管合规的更广泛趋势。