桌面 AI 应用能做的事情，可能比你想象的多得多。
Xiaomi MiMo Desktop 桌面客户端今天正式开放邀测，核心定位很清楚：面向真实工作场景，接收多格式素材输入，理解目标，拆解任务，调用工具，交付高可用度成果。
一句话概括的话——它试图把 AI 从「回答问题」推进到「交付成果」。
真实工作很少从一个干净的提示词开始。表格、图片、视频、PDF、录音，甚至未解压的压缩包，往往同时构成任务的上下文。MiMo Desktop 直接接收这些素材，无需预先整理格式。用户用自然语言说明目标，它负责拆解任务、调用工具执行，最终交付可继续编辑的成果：文档、表格、幻灯片、网页、图片、音频、视频，甚至是 3D 模型、App 或软件工程项目。
成果预览不是静态截图。MiMo Desktop 生成的页面包含组件结构、交互逻辑、状态变化和数据可视化，用户看到的是可以点击、操作和继续修改的完整页面。现场演示中，一个 3D 交互式网页在一个 HTML 里做出了城堡、摩天轮和旋转木马，周围是极光，城堡还能变换灯光秀。另一个用 Three.js 做的 SnowRunner 风格足球游戏，主角是越野卡车，在泥地里踢球，有跳跃和加速动作。
- 3D 游戏
Prompt：使用 three.js 做一个 SnowRunner 风格的足球游戏，主角是越野卡车，在泥地里踢足球，有跳跃、加速等特技动作
- 高阶 PPT
Prompt：做一个好看的介绍意大利 PPT，图文并茂，具有高级感，有意大利风
这些不完全是秀肌肉。它们说明同一个事实：生成交互式网页的门槛在降低，而且不是生成一次性的 GIF，是直接产出可交互的、可继续迭代的代码产物。
局部编辑是另一个值得关注的设计。用户可以选中成果中的任意元素——文本段落、图表、表格区域——用自然语言描述修改要求，MiMo Desktop 只处理被选中的部分，不必重新生成完整成果，也不必重复交代任务背景。每次修改保留版本记录，可以比较不同方案、随时回退。这个设计对于长链路任务（比如一份需要反复修改的 PPT）来说，是实质性的效率提升。
Smart 调度是背后的引擎。用户不需要在开始任务前先判断该用哪个模型、哪个 Agent。MiMo Desktop 会自动评估任务类型、复杂程度和交付要求，在标准模型和旗舰模型之间动态选择，并按任务类型分配合适的 Agent——办公、编程、研究各有专属的执行路径。大型任务可以拆分给多个 Agent，分别负责调研、规划、执行和复核；多会话之间可以自动通信，每个会话有独立的记忆、工作区和任务状态。
浏览器操控能力也集成进来了。MiMo Desktop 可以自主控制浏览器，读取页面内容、执行交互操作，包括打开网页、检索信息、填写表单和提取素材。浏览器既是信息来源，也是任务执行环境的一部分。
成本控制方面，长任务的实际测试数据显示，同会话缓存命中率最高可达 99%，跨会话最高可达 95%。三种机制协同作用：模型路由按复杂度选模型避免浪费，局部编辑只处理变更内容，高缓存命中减少重复计算。
邀测期间，通过申请的用户可以限时、限量、免费体验两款 Xiaomi MiMo 新一代模型 Preview 版：MiMo-X-Pro-Preview 和 MiMo-X-Flash-Preview。MiMo-X 系列面向真实专业工作场景优化，重点覆盖复杂任务推理、多 Agent 协作、大型编程项目、Office、网页设计、前端与交互设计、视频剪辑、3D 生成、音乐生成、电脑操控等领域。
申请链接在 mimo.xiaomimimo.com/desktop/invite，优先面向 Xiaomi MiMo 开放平台已有用户。团队称目前仍处于预览测试阶段，能力表现可能随版本迭代变化，用户的反馈将用于后续评估与改进。
参考来源：