2025年8月4日，小米正式发布自研声音理解大模型 MiDashengLM-7B，并全量开源。该模型在速度和精度上实现双突破，单样本首 Token 延迟仅为同类模型的1/4，同显存下并发超20倍，在22个公开评测集上刷新多模态大模型的最佳成绩（SOTA）。MiDashengLM-7B基于 Xiaomi Dasheng 音频编码器与 Qwen2.5-Omni-7B Thinker 解码器，通过创新训练策略统一理解语音、环境声与音乐，已应用于智能家居、汽车座舱等30多项场景。模型训练数据完全公开，采用宽松的 Apache License 2.0 协议支持学术和商业应用。小米正进一步优化其计算效率，目标实现终端设备离线部署及更全面的声音编辑功能。开源地址和Demo已同步上线。