

在本次发布会上,雷军又提到了凡客的千万。他表示,“虽然很小、很简单,但是把小和简单的产品做好真心不容易。他认为专注地做产品,提升用户体验是根本。”

辛苦努力的回报就是个或十个。就连小米自己的员工都在米粉节上集体喊着“送插线板”,所以一个“这么小的一个产品把它做好了就如此受欢迎。”当然雷军也表示,除了看到巨大的实际外,更重要的是“想引领插线板市场真的认认真真把产品做好。”
此外,小米活塞式入耳耳机不仅在做工方面越来越精致,而且在用户的音质体验方面也有很大的提升。此外,为了达到空气净化器静音模式的效果,里面每一个扇叶都要做到平衡,这是在细节上的追求。作为自拍达人,雷军也表示“小米的自拍杆是目前最好的,但是我希望可以做得更好。”
雷军认为,用户喜欢小米,很重要的原因是,他们不仅喜欢小米的产品,而且也喜欢小米带给他们的体验与感受。所以他认为小米的战略就是专注,专注做产品与服务,专注把网上专卖店做好。很多人认为小米不专注,雷军的说法是:“这里边存在两个误解,一是有公司借小米品牌进行炒作从而影响小米的声誉,另外也有很多人会将小米与小米网混为一谈,而事实上,它们不尽相同。”
小米主要专注于做手机(也包括手机里的平板)、电视和路由器三个产品,这是小米的主业,雷军表示,“将在很长时间里面聚焦这三个产品上,把它们做到在市场上有足够好的口碑,这就是我们要干的。”而小米网是小米年前开始全资运营的一个业务,它是一个小米网网上专卖店,雷军透露,目前小米网已经成为了垂直品类最大,综合品类排名前三位的中国市场第三大电商平台。但小米网的模式不是类似于阿里或者京东的平台模式。作为专业的垂直电商,除了需要增加产品品类的丰富度、提高客户进店频度外,小米网试图打造一个“全开放、不排他、非独家、不站队”的小米生态链,这样不仅可以使优秀的大公司或创业公司加入,而且能小米的用户提供更好的体验与服务。
雷军透露,年的米粉节,对于小米网的整个运行系统是一次综合考验。其中包括了市场能力,物流、客服系统能力、电商平台能力等等。
雷军提到:"我们一直希望改变今天整个行业服务难、服务质量不好的投诉。当然,要想把服务做好,我觉得是一个很漫长的道路,把服务做好,在今天的中国不是件容易的事情,我觉得小米真的希望能在年的时间里面一点一点改善,一点一点磨合,能够把客户满意度大幅度的提升。"

以客服系统为例,今年的米粉节共有万单货。
根据林斌反馈,分就妥投了。当然雷军也表示,昨天有几百万人消费,送货过程需要时间,希望用户能够理解。
据悉,本次米粉节有周内保证发货。

回首小米进军手机市场的三年,雷军感慨道:“我觉得小米在过去三年里面,最让我骄傲的是小米进入手机市场这三年整个国产手机质量变好了,价钱变便宜了,普及度提高了,大家用国产手机的比例也提高了,我觉得这是小米带动整个产业和对整个产业最大的贡献。”他同时表示,非常希望能和所有同行联手,共同把国产手机的事业做好。“共同提高产品品质、服务质量,进一步提高国产手机在市场上的竞争力,能够在中国取得绝对优势,然后,能够有机会在全球市场获得巨大的成功。”
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。