DeepSeek-R1启发下，小米大模型团队登顶音频推理MMAU榜

尽管当前准确率已突破 64%，但距离人类专家 82% 的水平仍有差距。有趣的是，官方提供的交互 demo 中，默认分析的便是 雷总 2015 年“R U OK”的视频。