小米 MiMo X

小米MiMo-X正式亮相：桌面AI Agent时代开启，从聊天工具迈向真正干活的智能体

2026年9月8日，小米正式宣布Xiaomi MiMo Desktop桌面AI客户端开放邀请测试，并同步推出全新一代模型预览版——MiMo-X-Pro-Preview与MiMo-X-Flash-Preview。

用户可以直接拖入 PDF、表格、图片、音视频、录音甚至压缩包等多种格式素材，无需预先整理或格式转换，只需用自然语言描述目标，系统就会自动理解素材、拆解任务、调用工具，并最终交付可继续编辑的成果。

这些成果覆盖范围极广：文档、表格、PPT、网页、图片、音频、视频，甚至3D模型、App原型或完整的软件工程项目。例如，做一份 PPT时，系统会自动完成事实梳理、叙事结构设计、图表生成与版式排版；做设计时，可调用 MCP 控制 Figma 实时生成元素；做研究时，能输出带插图的深度报告。生成结果支持会话内实时交互预览，用户可直接点击、操作和修改。

还有“局部定向修改”与版本管理。用户只需选中文本段落、图表或表格区域，用自然语言描述修改需求，系统就只处理相关部分，无需重新生成全部内容。每次修改都会保存版本历史，方便对比与回退，大幅降低长任务中的试错成本。

MiMo Desktop 内置“ Smart ”智能调度系统，是其核心亮点之一。用户无需事先决定用哪个模型、哪个 Agent或框架，系统会自动评估任务类型、复杂度、交付要求与执行成本，动态选择最合适的路径：

日常简单任务优先使用标准模型，追求速度与低成本；复杂推理、长链路执行或高质量交付则调用旗舰模型；大型任务可自动拆分为多个角色Agent（研究、规划、执行、审核）协同推进，并按需调用不同 Skills 扩展能力。

这种“多角色会话团队”机制让复杂项目可以并行推进，状态全程可见。官方还提到 Self-Evolve 引擎能持续优化自身代码，让系统越用越强。

MiMo Desktop 具备自主浏览器操控能力：可以打开网页、检索信息、填写表单、提取素材，并将结果直接导入当前任务。浏览器不再只是信息入口，而是任务执行环境的一部分。生成网页后，系统还能自动验证关键交互。

海外版本额外支持电脑控制：读取屏幕内容、操作键盘鼠标、跨应用传递信息，并提供“录制与回放”功能。

长任务往往伴随高 Token 消耗。MiMo Desktop 通过三重优化把成本压下来：Smart 调度按复杂度选模型、局部编辑只重生成需要修改的部分、以及强大的上下文缓存机制。同会话缓存命中率最高可达 99%，跨会话也能达到 95%，显著减少重复计算，让长时间自主任务变得更经济。

此次同步开放的MiMo-X-Pro-Preview 与MiMo-X-Flash-Preview，是小米新一代模型的预览版。官方明确它们针对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 办公、网页与交互设计、视频剪辑、3D 生成、音乐生成以及电脑操控等。

回顾小米 MiMo 的发展轨迹，2025年 4 月开源 7B 推理模型，2025 年底发布 V2-Flash，2026 年 3 月推出万亿参数 V2-Pro，4 月开源 V2.5 系列并在多项 Agent 榜单表现亮眼，再到如今桌面 Agent 与新一代 X 系列亮相，MiMo 已成为小米“人车家全生态”的核心 AI 底座，并与自研芯片、澎湃 OS 深度协同。

桌面 AI Agent 被视为下一代生产力工具的重要方向。小米此次把模型能力真正落地到可交互、可交付、可迭代的桌面应用中。

目前邀测已开启