小米的桌面 AI，今天把门打开了一条缝。
一句话总结：MiMo Desktop 不想再做一个更会聊天的助手，它想做一个能交活的同事，MiMo-X 双 Preview 模型限时免费给你用。 你扔过去一堆乱七八糟的素材，它还你一份能直接用的文档、PPT、网页，甚至 3D 和 App。申请页已经上线：mimo.xiaomimimo.com/desktop/invite/。
说白了，以前的 AI 是你问它答。现在这个，是你说目标，它交结果。像你请了个装修队，你不用教它怎么和水泥，你只说想要什么风格的家。
先说结论：桌面应用与双模型 Preview 邀测内容
一款桌面应用 + 两款新模型 Preview，限时、限量、免费。 应用叫 MiMo Desktop，模型代号 MiMo-X-Pro-Preview 与 MiMo-X-Flash-Preview，通过申请才能下载体验。
定位很直白：面向真实工作场景的桌面 AI 应用。官方原话是接收多格式素材、理解目标、拆解任务、调用工具、交付高可用度成果，还支持实时预览与修改。这次邀测要验证的，就是长链路执行、工具调用、交付质量和使用体验的边界。
申请方式也简单，打开邀测页提交申请，审核通过就能用。优先面向 Xiaomi MiMo 开放平台已有用户开放，评论区已经挤满了报 UID 求通过的人，92 条留言几乎全是“已申请，莫辜负”。
从回答问题到交付成果：多格式素材输入与可编辑成果交付
真实工作很少从一句干净的提示词开始。你手头往往是表格、图片、视频、PDF、录音，乃至没解压的压缩包，全堆在一起就是任务本身。
MiMo Desktop 可以直接读取这些混合素材，无需预先整理或转换格式。 你用自然语言说清目标，它负责理解素材、拆任务、调工具，最后交出可继续编辑的成果：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。
官方给了两个工作流例子，很能说明思路。PPT 工作流是混合素材输入 → 事实与数据梳理 → 叙事结构设计 → 图表与版式生成 → 交付可修改的 PPT。Figma 工作流是自然语言输入 → 理解任务 → 规划工作流 → 调用 MCP 控制 Figma → 实时生成设计元素 → 交付成果。
你想啊，这就像你把菜市场买回来的一大袋菜直接倒在桌上，跟大厨说一句今晚吃川菜。大厨自己摘菜洗菜配菜，最后端上来一桌席面，你还能说这个辣了点拿回去改改。
可交互预览界面：成果支持直接操作与继续修改
很多 AI 的预览就是一张图，看着好看，动不了。MiMo Desktop 这次强调的恰恰相反。
它的“成果预览”包含组件结构、交互逻辑、状态变化和数据可视化，支持直接在会话中点击、操作和继续修改。 生成轻量游戏原型、复杂数据网页、Office 文件和动态 Demo 时，不用先搭本地前端环境，就在聊天窗口里试，试完接着改。
官方一口气贴了四个例子。3D 交互式网页：城堡、摩天轮和旋转木马，周围是极光，城堡还能变换灯光秀，全放在一个 html 里。3D 游戏：用 three.js 做 SnowRunner 风格足球游戏，主角是越野卡车，在泥地里踢球带跳跃加速特技。高阶 PPT：介绍意大利，图文并茂要有高级感。图文调研报告：深度调研徽派建筑的历史结构与空间特征，结构清晰还要图文并茂。
说真的我没想到，桌面 Agent 已经卷到这种程度了。以前是你说需求它给你代码，你自己跑。现在是代码跑起来的样子直接摆你面前，你上手点两下，哪里别扭改哪里。
在成果上继续工作：选区局部修改与版本回退
交付不是结束，返工才是日常。这部分是我觉得最贴近打工人的设计。
用户可以直接选中会话或产物的任意元素、文本段落、图表或表格区域，用自然语言描述修改要求。 选区会限定作用范围，MiMo Desktop 只处理你圈住的那块，不用重新生成完整成果，也不用重复交代背景。比如在 PPT 里局部修改：选中范围 → 描述意见 → 局部实时重生成。
这事有点离谱的地方在于，它解决了 AI 最气人的毛病。以前你让 AI 改 PPT 里一句话，它能把整份配色都给你换了。现在是只动你圈的地方，别的不碰。像改 Word 用修订模式，圈哪改哪，干净利落。
而且每次修改都会保留版本记录，可以比较不同方案，随时回退历史版本。你完全可以让它出三个版本摆在一起挑，挑花眼了还能一键回到第一版。做方案的人都懂，这功能能救命。
Smart 调度：自动评估任务并匹配模型与 Agent 路径
模型越来越多，Agent、Skill、Harness 一堆名词，用户哪分得清该用哪个。MiMo Desktop 干脆说：你别管了。
内置「Smart」调度模式，可自动评估任务类型、复杂程度、交付要求和执行成本，再匹配最适合的执行路径。 它会先识别任务属于办公、编程、研究、设计还是混合场景，再判断所需推理深度、工具范围和交付标准。
模型路由的逻辑很实在：日常任务优先标准模型，速度快成本低；复杂推理、长链路执行和高质量交付用旗舰模型。Harness、Agent、Skill 也是按需路由，大型任务可拆给多个 Agent，分别负责调研、规划、执行和复核，执行中自动调用不同 Skill。还能按需组成多角色会话团队，每个会话有独立记忆、工作区和任务状态，彼此自动通信协作。
打个比方，以前是你进饭馆还得自己进后厨点兵点将，哪个厨子炒哪个菜你来定。现在你是报菜名，店长自己看客流量派人，快餐小炒派学徒，满汉全席上大师傅。你只管吃，好不好吃店长负责。
浏览器操控与长任务成本控制：自主执行与缓存优化
这两块是放一起看才有味道，一个管能力，一个管成本。
能力这头，MiMo Desktop 可以自主控制电脑浏览器，打开网页、检索信息、填写表单、提取素材。浏览器不只是信息来源，也是执行环境的一部分。调研来的资料直接进当前任务，不用你复制粘贴两头跑。生成网页类成果时，它还能用浏览器检查关键交互，自动验证一遍。
成本这头，官方给了三个省钱招：Smart 调度按复杂度选模型、局部编辑只重算改动部分、高缓存命中减少重复计算。数字给得很具体：同会话缓存命中率最高可达 99%，跨会话最高可达 95%。长任务最怕的就是 token 哗哗烧，这个数要是真实测出来的，对重度用户就是实打实的折扣。
评论区有人一句话点破了：动态调度太切痛点了，加上超高缓存命中率，都是 token 实惠。确实，Agent 好不好用，最后都得落到账单上。
新模型与申请方式：MiMo-X 双 Preview 面向专业场景优化
邀测期间的核心甜头，就是两款新模型。
MiMo-X-Pro-Preview 与 MiMo-X-Flash-Preview，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。官方也留了个尾巴：仍处预览测试阶段，能力表现可能随版本迭代变化，你的真实任务反馈会用来做后续评估。
怎么拿到资格？访问 https://mimo.xiaomimimo.com/desktop/invite/ 提交申请，审核通过后下载使用，本次优先开放平台老用户。有用户问是不是 V3，有没有每日免费额度，官方还没细说，Preview 的命名方式看，更像新一代系的抢先版。
官方在最后写了一句挺大的话：AGI 的意义，不止于理解世界，更在于帮助每个人创造世界。 MiMo Desktop 是迈入真实工作流、把想法转成高质量成果的第一步。
收口：桌面 Agent 竞争转向成果交付能力
MiMo Desktop 的思路其实就一句：别比谁更会回答，比谁更会交卷。
从混合素材直接读，到可交互预览，到圈选局部改，到 Smart 派活，到浏览器自己查自己验，再到 99% 缓存命中 省下真金白银，每一步都在把“聊天”往“交付”上拽。交出来的东西能点、能改、能回退，这才叫成果，不然就还是半成品。
当然，Preview 就是 Preview，边界得靠真实任务一点点试出来。评论区最高赞的那句“牛牛牛”之后，紧跟着的就是“不知道和其他 Agent 相比怎么样”。能申请的朋友，不妨拿你手头最头疼的那个活去试试——比如那份拖了两周的 PPT，或者那个没解压的素材包。
毕竟检验桌面 Agent 的唯一标准，就是它能不能让你准时下班。