桌面AI正在从“帮你生成一段内容”转向“接过一包杂乱材料，最后交回可编辑成果”。9月8日，小米MiMo Desktop开放邀请测试，可直接读取文档、图片、视频、PDF、音频和压缩包，自动拆解目标、调用模型与工具，并交付表格、幻灯片、网页、3D原型甚至软件工程项目。获批用户还能限时、限额体验MiMo-X-Pro-Preview与MiMo-X-Flash-Preview两款新模型。

把混合材料变成交付物，而不是再开一个聊天窗口

真实工作很少从一条干净提示开始。一次方案可能同时包含PDF、表格、录音、图片和旧网页，用户通常要先整理格式，再分别交给不同工具。MiMo Desktop试图把这层准备工作并入任务：读取原始材料，梳理事实和结构，再生成可继续修改的文件。官方示例包括从混合材料制作可编辑PPT，以及通过MCP控制Figma生成设计元素。

产品内的结果预览不是一张静态截图，网页和交互组件可以直接点击，Office与HTML支持局部编辑、继续生成和版本回退。这一点决定了它更像工作台而不是答案框：用户可以检查交付物的状态与结构，只重做有问题的部分，避免每次修改都从头生成。

不过“支持很多格式”不等于每类任务都可靠。复杂表格公式、演示稿母版、视频时间线和大型代码仓库需要完全不同的验收标准。当前公告没有披露各场景任务数、一次完成率或人工返工时间，能力范围应视为邀测目标，而不是成熟度证明。

Smart调度把模型选择藏到任务背后

MiMo Desktop的Smart模式会先判断任务属于办公、编程、研究、设计还是混合场景，再估计推理深度、工具范围和交付要求。简单任务优先速度与成本，复杂任务切换更强模型；大任务还能拆给多个会话，让研究、规划、执行和复核分别推进。每个会话拥有独立记忆、工作区与任务状态，同时可以共享目标和进度。

这套设计减少用户手动挑模型的负担，也把责任转移给调度层。生产环境不能只看最终文件，还要记录每一步选了哪个模型、调用了哪些Skill、为何切换路径、失败后怎样恢复。如果调度依据不可见，成本突然增加或结果质量波动时，团队很难定位问题。

浏览器和电脑控制让它进入真实操作链

MiMo Desktop可以打开网页、检索与提取材料、填写表单，并在生成网页后自动检查结果。海外版本还提供电脑控制，可读取屏幕并操作键鼠，在不同桌面应用间搬运信息；稳定重复流程可以先录制，再通过Record & Replay复用。电脑控制没有面向国内版本开放，功能可用范围需要按地区区分。

外部操作一旦可写入，权限和回滚就比生成质量更重要。企业应从只读浏览开始，为表单提交、文件覆盖、邮件发送和应用安装设置单独审批，并保存屏幕状态、操作轨迹和产物版本。公告提到系统会在关键步骤后检查并在必要时修正或停止，但没有公布误操作率与恢复成功率。

成本侧，小米称通过模型路由、局部编辑和上下文缓存减少重复计算，同一会话缓存命中率最高可达99%，跨会话最高95%。这两个数字是特定长任务测试中的上限，没有样本分布、任务构成或独立复测。真正账单还取决于素材变化、上下文长度、模型切换、工具返回和失败重试，不能把峰值命中率直接当成普遍节省比例。

小编判断：桌面Agent的竞争转向可验收交付

MiMo Desktop最值得观察的不是一次会话能生成多少种文件，而是它把材料读取、模型路由、多Agent协作、工具操作、预览修改和成本优化放进同一个交付闭环。这与企业实施的真实难点更接近：最终需要的是能打开、能修改、能回退的成果，而不是看起来完整的一段回答。

邀测阶段应重点记录任务完成率、人工介入次数、局部修改是否破坏其他内容、跨会话交接损失、浏览器操作失败率和每个通过验收成果的总成本。两款MiMo-X模型仍是Preview，能力会继续变化。只有这些指标在真实项目中稳定，99%的缓存峰值和“全模态交付”才会从产品看点变成可复制的生产效率。