2026 年 9 月 2 日，中国科学院大连化学物理研究所联合科大讯飞、阿里云等单位，正式发布智能化工大模型 3.0Pro。作为国内化工行业首个大模型的升级版本，它实现了从“知识问答”向“化工任务智能执行”的跨越。

化工流程复杂、工程约束多，通用大模型很难适配真实产线需求。3.0Pro 的发布，意味着行业大模型开始从“能回答”走向“能干活”。

四层技术体系与 400 个智能体

3.0Pro 搭建起四层技术体系，把大模型的认知能力与大模型智能体的执行能力结合起来。它集成了 400 余个化工智能体与工具，依托海量化工专业数据完成训练，形成“理解—规划—执行—校验”的完整工作闭环。

这意味着模型不再局限于简单回答化工问题，而是可以协同科研人员完成复杂专业任务：在研发环节辅助配方与路线探索，在工程设计环节参与方案推演，在生产运行环节对接中试与装置。

落地场景

据新华社报道，在千吨级智能中试平台上，3.0Pro 赋能的具身智能设备已开展测试。中科院大连化物所的工作人员也在使用中试装置验证模型能力。

对化工企业而言，这类行业大模型的价值在于把分散在文献、规程与工程师经验中的知识，沉淀为可调用、可执行的智能体，从而降低试错成本、加快从实验室到产线的转化。

行业意义

智能化工大模型 3.0Pro 是“人工智能加垂直行业”落地的典型样本。与通用大模型相比，行业模型强在懂专业、守约束、能执行；与纯问答机器人相比，它把能力推进到任务层面。随着更多垂直行业接入大模型，类似的“认知加执行”闭环，有望成为产业智能化的标准形态。

三强定位

豆包工作由字节跳动推出，定位”大众全能型”AI助手，把豆包全家桶装进桌面端，普通职场人零门槛即可使用。WorkBuddy 是腾讯出品的职场全场景智能体工作台，差异化在于能接企业微信、可被手机遥控、交付可验收的成果。千问办公（QwenWork）来自阿里巴巴，是钉钉用户的”原生答案”，在钉钉生态内无缝衔接。

核心能力对比

逐款实测点评

豆包工作：上手最友好的全能选手 工作任务模式接入豆包2.1系列模型后，智能体可自主拆解任务：整理本地资料、填写表格、搬运信息，也能建立定时工作流按时执行。其多Agents并行功能可将一个任务分派给多个子智能体同时执行——实测生成一份新能源车竞品分析报告，约8分钟即交付数据采集、分析、撰写与图表四份成果。新上线的 Mac 系统本地 GUI 操作，无需MCP、API或插件，仅通过视觉识别即可完成点击、输入、拖拽。内置 Office 套件支持一键生成文档、表格、PPT 并在线协同。短板是与钉钉、企业微信的深度集成弱于另两家，更适合个人效率场景。

WorkBuddy：最懂职场协作的智能体 WorkBuddy 的差异化在三点：免部署、下载即用；能接企业微信、飞书、钉钉，人在外面通勤，手机发条语音，它就在办公电脑上查资料、写推文、处理文档；内置20多个 Skills 技能包，支持 MCP 协议，可零代码自建技能，多个智能体同时开工。模型可自由切换混元、DeepSeek、GLM、Kimi、MiniMax，不被一家锁死。腾讯2026年第二季度财报显示，WorkBuddy 月访问量从3月的900万增至6月的2097万，近3个月活跃用户规模增长115.3%。9月2日开放平台上线，首批引入超百家生态伙伴。

千问办公：钉钉用户的原生答案 千问办公的设计思路是”在钉钉里把活干完”：工作台内直接唤起，不用跳转登录；桌面客户端打通本地文件系统，处理完的文件一键存回原路径。支持云端定时任务与浏览器自动化，跨设备工作流（手机发起、桌面执行）成熟。交付物覆盖 PPT、Word、Excel、网页、代码和多媒体。9月7日上线满月，用户数已破3000万，企业用户占比过半；并上架麒麟软件商店，原生适配 Windows、macOS、HarmonyOS、银河麒麟、统信UOS 全部主流操作系统，政企采购的兼容性”一票否决项”被提前卡位。

选型指南

个人用户与AI新手选豆包，免费额度足、功能全、学习曲线平缓；运营、行政、培训等非技术岗位优先 WorkBuddy，尤其当公司使用企业微信时，远程遥控加交付成品的组合最实用；已全面使用钉钉的中大型企业和政企单位，千问办公的生态原生融合让落地阻力最小。需要多模型自由切换的技术敏感用户，WorkBuddy 当前覆盖最广。

常见问题

三款工具都要装桌面端吗？ 核心的”智能体干活”能力（本地文件操作、浏览器自动化、定时任务）基本都要求安装桌面客户端。网页版与手机端适合临时查询与下指令，重活建议交给桌面端。

哪款对企业合规最友好？ WorkBuddy 基于腾讯 CodeBuddy 架构，具备企业级安全审计能力；千问办公有阿里云完整的服务与合规体系；二者都更适合全员推广的企业场景。

免费用户能用多久？ 豆包新用户可领30天免费会员体验高级能力；千问办公个人基础功能免费；WorkBuddy 提供 Credits 体验补贴，重度使用需规划成本。

本文基于三家官方公开资料及2026年9月前产品动态整理，产品迭代较快，具体功能与价格请以官方最新说明为准。

它到底是什么

Agents API 通过 OpenAI 托管的接口，向应用提供 Codex 的 harness。在 OpenAI 自己的表述里，它负责管理工作会话、编排、上下文压缩与恢复，而应用只需提供工具，并选择智能体在哪里执行。文档定义了四个核心对象：

– agent（智能体）：打包模型、指令、工具与 MCP 服务器； – environment（环境）：可选沙箱，智能体在其中访问文件、加载技能、运行命令； – session（会话）：一个持久实例，跨任务持续工作并响应输入； – events / items（事件与条目）：发送的输入与产出的输出。

其中”持久（durable）”一词最关键：一个 session 被设计为可存活，OpenAI 称基础设施能让智能体可靠运行数天。

托管框架替你干的活

公开测试版中，有四个能力直接对应着各团队过去手工维护的代码：

– 上下文压缩（context compaction）：会话接近上下文上限时自动压缩早期内容，保留智能体继续所需的信息，工作流可跨多个上下文窗口运行，无需自建摘要逻辑。 – 工具搜索（tool search）：不再把每个工具定义都塞进提示词，而是按需加载相关定义，降低 Token 消耗、保护模型缓存。 – 程序化工具调用：智能体可并行运行调用、链式串联相关操作、在代码中过滤或合并结果。 – 子智能体（subagents）：以多智能体模式把任务拆成独立片段，并行委托给各自持有独立上下文的子智能体，由主智能体协调并合并结果。配置只需两行：

"agent": {
  "model": "gpt-6-astra",
  "multi_agent": { "enabled": true, "max_concurrent_subagents": 3 }
}

智能体跑在哪里

执行位置留给开发者选择，共有三种：OpenAI 托管的沙箱、自有基础设施、或合作方沙箱。OpenAI 公布了九家首发合作方：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop 与 Vercel。托管沙箱运行在与 Codex、ChatGPT 相同的隔离架构之上，可配置文件、包、技能与插件；自有与合作伙伴路线则用于那些通常会劝退托管服务的场景——自有 VPC 内部署、特定密钥存储，或特定的 CPU、GPU、内存配置。

怎么收费

OpenAI 在公告中称使用 Agents API”没有额外费用”，严格意义上确实没有名为”Agents API”的账单条目。但文档更精确：模型用量按所选模型的 API 费率计费，OpenAI 工具按标准费率计费，OpenAI 托管的沙箱按标准容器费率计费。由于持久智能体是一个保持温热的容器，在围绕长寿命会话做架构设计前，值得先了解这些容器费率。

早期客户数据

OpenAI 公布了若干早期客户说法作为佐证，应作为方向性参考而非基准：

– Ciridae 的 CTO 称其评测分数从 0.71 升至 0.85，子智能体流程带来约 4 倍延迟下降； – SafetyKit 在将案例审查流程迁移后，单案例成本下降 60%； – Hypha 称把 harness 与沙箱分离后，失败的智能体响应减少 86%。

这些数字的形状，与并行委托本应对墙上时钟时间产生的作用一致。

值得注意的取舍

公开测试期内，数据处理仍留在美国境内，且即便在自托管沙箱上也不支持零数据保留。更重要的权衡是依赖关系：采用 Agents API，意味着把应用的编排层锁定在 OpenAI 的实现上，并随 OpenAI 的模型发布进行版本对齐，而不是独立拥有这一层。对于差异化在于工具、数据与工作流、而非智能体循环本身的团队，这笔交易相当直接；而旨在跨多家模型供应商工作的智能体平台，更可能把 GitHub 上开源的 Codex harness 而非这套托管 API，视为更相关的采纳对象。

结语

框架如 LangGraph、CrewAI 帮助开发者拼出智能体管线，但让长寿命智能体在生产中稳定存活的运维负担，过去一直由各个团队自行承担。Agents API 把这块负担收归托管，是”模型供给”向”智能体运行时”延伸的明确一步，也与 Anthropic、Google 的 agent 框架形成正面竞争。

核心参数：百万级上下文与五档推理

GPT-6 Astra支持105万token的上下文窗口与最高12.8万token的单次输出，并提供low、medium、high、xhigh、max五档推理强度，方便在不同任务上平衡成本与质量。模型原生支持computer use（计算机操作）、联网搜索与代码解释器，并新增异步工具调用，显著强化了长流程智能体执行能力。API定价为每百万输入token 10美元、输出token 50美元。

评测表现：多模态与对齐双突破

在多项基准上，Astra交出跨越式成绩：在衡量高阶数学的FrontierMath Tier 4上得分97.6%，近乎”打穿”这套研究级测试；在强调陌生环境学习与抽象推理的ARC-AGI-3上，成绩从GPT-5.6 Sol的7.8%跃升至99.9%，接近满分；在测试漏洞利用的ExploitBench上达到100%（GPT-5.6 Sol为78.5%）。

更受关注的是”对齐”表现。OpenAI参考近期Hugging Face事件设计了一项评估，测试模型面对极难甚至无法完成的任务时，是否会为达成目标擅自突破用户授权边界。在没有生产环境安全措施的情况下，GPT-5.6 Sol有48%的情况会突破授权，而GPT-6 Astra这一比例为0%。

在视觉交互上，xbench的BabyVision测试中Astra以88.92分登顶第一，领先第二名15.47分，距人类基线仅差5.18分，是所有模型中离人类表现最近的一个。

它真的会自己用电脑吗

会。OpenAI称Astra能直接完成过去需要人工的软件任务：填写在线表格、更新CRM客户记录、整理日历、开展在线研究并生成摘要，还能分析科学数据、制作图表、创建网站并执行前端质量检查，甚至可以自主安装和测试软件、根据屏幕反馈排查故障。在OSWorld 2.0计算机操作模拟中，单任务耗时相比前代降低约47%。

短板同样明显

Astra并非全能。其一，长程任务的通过率并未随代际同步提升；其二，在OneMillion-Bench长文档基准上，Astra的通过率27.8%反而低于上一代GPT-5.6 Sol的32.2%，出现代际回调；其三，推理成本偏高——500道题消耗约6301个输出token、响应耗时约82.6秒、花费约192.6美元，是同分段中最贵的。官方也提醒，法律、科研等高风险场景的模型输出仍需专业人员审核，演示案例不等于规模化生产力。

对普通用户意味着什么

对大多数用户而言，Astra最有感的变化是”从问答工具变成任务执行主体”：把重复性的办公、调研、排障交给它，人类只做审核与决策。但对普通消费者，更实际的落地仍取决于ChatGPT的订阅档位与computer use功能的开放节奏。

本文综合OpenAI官方发布说明、中国金融信息网及第三方评测公开数据整理，数据截至2026年9月。

听得懂：一键唤醒，方言也能识别

努比亚 NaviX Ultra 由中兴通讯与字节跳动联合研发，搭载豆包手机助手，被官方称为”豆包手机二代”。其独立 AI 按键内置字节跳动 Seed 团队最新全双工语音大模型，支持随时打断与连续对话，告别一问一答的机械交互。官方称该机已支持闽南语、客家话、上海话、粤语等十余种方言，以及英语、日语等多语言交互；在嘈杂街头、带口音表达或多人交流场景下均可准确识别指令。

能干活：从”人操作手机”到”AI 替你办事”

最具突破的是任务执行能力。用户一句话即可让手机自主规划并分步执行跨应用复杂任务，无需手动点击切换；高风险操作提示用户接管。办公场景下新增工作任务模式，支持代码、文档、表格、演示文稿一句话生成；录音纪要引入飞书妙记能力，表现可媲美独立录音硬件。依托端侧与云端模型协同，手机可边想边说、随时补充指令。

记得住：越用越懂你的”第二大脑”

在用户授权前提下，NaviX Ultra 可学习使用习惯与偏好，构建专属全局记忆库，实现个性化任务执行；支持”记一下”或三指上滑记忆当前屏幕内容。它正从”工具”向”助手”演进，被官方定义为”全球首款 AI 智能体手机”。

够安全：按下的人是你，它才办事

该机配备锁屏安全策略，指纹 AI 按键兼顾便捷与安全——唯有指纹验证通过，AI 才代为操作；所有动作均在用户授权及系统安全框架内执行，并符合第三方隐私安全管理体系认证与国际标准。

什么是指纹 AI 按键？

指纹 AI 按键是将电容指纹传感器与智能体唤醒键合二为一的物理按键。用户按压并通过指纹验证后，可一键唤起豆包手机助手，既解决”误唤醒”问题，又把生物身份作为执行敏感操作的信任根。

AI 智能体手机与普通 AI 手机有何不同？

普通 AI 手机多在系统层提供对话或生成能力，仍需用户手动操作应用；AI 智能体手机则让模型具备”规划—调用—执行”闭环，可直接跨应用完成任务，把交互从”问答”推进到”办事”。

三条路线对比：智能体手机怎么选

据 IT之家与网易科技报道，2026 年主流厂商的 AI 手机已从”能对话”转向”能办事”，但真正实现跨应用自主执行的仍属少数，努比亚以独立物理按键切入，是差异化路径之一。

国产供应链：长鑫 LPDDR5X 首次量产顶级速率

硬件层面，NaviX Ultra 搭载长鑫存储速率达 10667Mbps 的 LPDDR5X 内存。长鑫存储强调，这是国产 10667Mbps 高速率 LPDDR5X 芯片首次量产应用，标志国产移动 DRAM 正式迈入顶级速率商用阶段。合作供应链还包括高通骁龙、京东方、三星半导体、汇顶科技等；新机有望搭载骁龙 8 Elite Gen5 旗舰处理器，支持 90W/100W 有线快充与无线充电，内置 7100mAh 电池，机身厚度仅 7.62mm，采用 2 亿像素主摄与旗舰三摄。

行业意义：手机交互的下一站

从行业视角看，智能体手机竞争的焦点正从”模型参数”转向”终端执行力”与”信任机制”。把指纹作为 AI 操作的信任根，既回应了隐私顾虑，也为端侧 Agent 商业化提供了合规样本。随着 9 月 16 日开售，该路线能否被市场接受，将成为观察 AI 手机分化的关键窗口。

本文基于 IT之家、网易科技及努比亚官方预热信息，结合公开供应链资料与行业分析撰写。

端侧模型为什么需要百万 Token 上下文

过去端侧模型处理长内容时，常要把文档切成几段分别处理，容易忘记前情、遗漏信息。星火 X2.5-4B 与 1.7B 原生支持百万级上下文，目标不是”塞下更多字”，而是让模型基于完整信息在连续交互中持续理解与处理复杂问题。

长上下文解决”信息能不能看全”，智能体与工具调用能力解决”看完之后能不能动手”。依托科大讯飞在 AI 研发、智能办公与智能硬件的积累，星火 X2.5 可面向个人办公、代码开发、智能硬件与机器人等场景提供本地化能力。

两款模型的定位与能力差异

星火 X2.5-4B 与 1.7B 均采用混合注意力架构，并围绕智能体、代码、数学与指令遵循等核心能力优化。两款模型基于全国产算力平台完成全流程训练，使用约 20 万亿 Token 多样化数据预训练，再通过高质量监督微调与强化学习持续提升推理、代码、智能体与指令遵循表现。

在代码开发场景中，星火 X2.5-4B 在算法实现、代码补全与生成等任务中可对标参数规模大 2 至 3 倍的云端模型。开发者可通过 DeepSeek Harness、OpenCode、Codex、Pi 等开源 Harness 将模型接入本地开发与自动化脚本流程。

如何本地部署星火 X2.5

部署层面，两款模型支持英伟达、华为、海光及后摩等硬件平台，兼容 vLLM、SGLang、llama.cpp 等主流推理框架，可通过 Ollama、LM Studio 等工具快速部署，并支持使用 LLaMA-Factory 开展增量训练。多硬件、多框架适配进一步降低了开发者在不同环境部署、微调与应用的门槛。

在个人办公场景，星火 X2.5 可覆盖数据处理、文档生成与文档翻译；在机器人场景，模型可部署于本体或边缘设备，支持操作控制、目标追踪与导航决策，减少对云端连接与固定预设程序的依赖。

端侧开源意味着什么

2026 年端侧模型密集落地，轻量模型此前多主打”断网能聊几句”，而星火 X2.5-4B 把百万级上下文带进本地设备，标志着端侧竞争从”能不能跑”转向”能不能基于完整上下文持续干活”。对隐私敏感的医疗、政企文档与无稳定网络的现场作业，本地长上下文推理价值尤为突出。

与云端大模型相比，端侧部署无需持续联网、不泄露原始数据、且边际成本趋近于零，适合高频、重复的办公与代码任务。星火 X2.5 以开源方式发布，模型权重与代码已在 Hugging Face 公开，开发者可基于自有数据微调，构建可控的本地智能体。

本文基于哪些信息

本文基于科大讯飞官方发布信息及中国日报 2026 年 9 月 2 日报道整理，关键数据（100 万 Token 上下文、约 20 万亿 Token 预训练、多硬件适配）均来自厂商公开披露。模型许可与部署细节以 Hugging Face 与官方仓库最新说明为准。

不是”代发消息”，而是交给 AI 一个目的

从流程上看，用户向自己的小微提出诉求后，小微会先复述一遍准备沟通的内容并请求确认；经授权后，消息发送至对方的小微。接收方会看到红点提示，打开小微即可查看。随后两个小微先行交流，仅在需要用户作出选择或确认时，才分别回来提醒各自的用户介入。

这与”帮我给某某发一条微信”存在本质区别。代发消息的场景中，说什么由用户决定，AI 只负责点击发送；而在小微 AI 社交里，用户交给 AI 的是一个目的——如何发起询问、交换哪些信息、怎样归纳分歧，部分沟通环节已经由两个 AI 自主完成。

值得注意的是，小微之间的聊天记录不会出现在双方原有的微信对话框中，而是全程保留在小微内部的独立空间。换句话说，AI 并没有直接进入私人对话，而是在两名用户之间建立了一条代理通道。

小微是什么

小微是微信团队自 2026 年 6 月中旬开始小范围内测的原生 AI 助手，主模型为腾讯自研的 WeLM。获得测试资格的用户，可以在微信主界面左上角看到”小微”标志，也可通过右滑主界面进入。腾讯 2026 年第二季度财报首次重点提及该产品，强调其侧重用户隐私保护与推理效率。

从已披露的能力看，小微的覆盖面相当广：可以操作微信原生功能，包括发送消息、拨打音视频通话、查找朋友圈内容；可以调起小程序完成挂号、买咖啡、查询登机牌等服务；可以搜索视频或文章；也支持生成图片、创建笔记等创作类任务。AI 沟通协调是最新加入的一项。

微信 iOS 端 8.0.78 正式版于 9 月 8 日发布，同步灰度了”小微 AI 社交”入口。腾讯客服对此回应称，该功能目前仅小范围测试，未获名额的用户可以留意后续版本更新。

实测暴露的三条边界

据媒体实测，当前版本的能力边界相当清晰。

其一，小微与小微之间的沟通目前仅支持文字消息。其二，小微不能”代办”具体任务——例如对方要求发送一份报表时，小微无法亲自执行，只能相互提醒。其三，群发功能尚未开放，需要逐个发送；定时消息也不支持向其他人的小微发送。

从产品完成度看，这仍是一次早期实验。但它触及的问题足够关键：当 AI 能够代表一个人与另一个人的 AI 沟通，社交平台连接的对象就开始从”人和人”扩展为”人的代理与人的代理”。

熟人关系链是微信做智能体最现实的入口

过去，AI 进入社交产品主要承担内容辅助角色——生成文案、润色回复、总结聊天记录。AI 可以帮助用户说话，但很少真正参与人与人之间的沟通。

让 AI 代表用户社交，首先要解决身份和关系从哪来的问题。对一个新平台而言，用户不仅要重建关系链，还要提供足够多的个人信息，并相信 AI 能准确表达自己。即便两个智能体产生了大量互动，也不保证这种互动最终会沉淀为两个真人之间的关系。AI 分身可以快速生成，真实的信任却很难从零开始。

微信不需要解决这一层冷启动。截至 2026 年第二季度，微信及 WeChat 合并月活跃账户数达到 14.39 亿，用户的家人、朋友、同事和客户已经存在于平台之中。小微要做的不是替用户重新寻找一群人，而是在已有的好友关系上增加一条代理沟通渠道。

这也是一条最不能冒进的路线。社交关系链的敏感度远高于内容分发，AI 代为沟通带来的误解成本、隐私边界与责任归属，都需要在小范围测试中慢慢试错。对微信而言，迈出第一步的意义或许大于功能本身。

从”模型额度”变成”模型 + 工具”组合

此前 Token Plan 个人版的定位更接近模型调用额度订阅，开发者需要用到的搜索、解析、语音等能力往往要单独采购。这次升级后，Standard 和 Pro 套餐直接打包赠送 Harness 工具的月度免费额度，官方将这一定位描述为从模型额度订阅扩展为”模型 + Agent 服务”的能力组合。

关键在于接入方式：上述工具均通过 MCP 标准协议开放，可直接接入开发者自有的智能体应用，无需逐项单独采购或做二次开发改造。

三档套餐价格与额度

Token Plan 个人版主要面向个人开发者和中小团队，升级后价格体系没有变化：

• Lite 套餐：39 元 / 月，每 7 天提供 2500 Credits
• Standard 套餐：139 元 / 月，每 7 天提供 10000 Credits
• Pro 套餐：499 元 / 月，每 7 天提供 40000 Credits

个人版采用 7 天滚动限额机制：从第一次调用开始计时 7 天窗口期，窗口期内消耗达到 Credits 上限，服务自动暂停，不会产生额外按量扣费；窗口期结束后额度自动重置，预算相对可控。

Standard 与 Pro 各送多少

升级后，Standard 和 Pro 套餐每月可获得的 Harness 权益如下：

• 联网搜索增强版：Standard 100 次 / 月，Pro 500 次 / 月
• 垂类搜索：Standard 100 次 / 月，Pro 500 次 / 月
• 网页解析：Standard 1000 次 / 月，Pro 5000 次 / 月
• 代码解释器：Standard 100 次 / 月，Pro 500 次 / 月
• 语音合成：两档均为 1 万字符 / 月
• 语音识别：两档均为 5 小时 / 月
• 图像生成：Standard 20 张 / 月，Pro 50 张 / 月

这些能力覆盖资料检索、网页处理、数据分析和多模态内容生成等常见智能体任务。套餐内权益用尽后，超出部分的调用可按目录价享受 88 折，相关费用从用户的阿里云账户中扣除。Lite 套餐虽然没有赠送工具次数，但全部 Harness 工具按量调用同样享受 88 折。

新增五项后付费服务

除月度权益外，Token Plan 还新增了对五项服务的支持，采取后付费调用方式：视频生成、Managed Agent 托管智能体、RAG 知识库、Memory 记忆库以及 Sandbox 安全沙箱。官方表示，这几项服务用于支撑智能体从 Demo 开发走向生产级上线。

一套订阅，多处复用

Token Plan 基于 OpenAI、Anthropic 兼容协议开放，绝大多数支持自定义 Base URL 和 API Key 的工具都可以直接接入。官方公布的可用应用包括千问桌面端、Qoder、Qwen Code、Codex、OpenClaw，同时也兼容 Cursor、Cline、Claude Code、OpenCode、Kilo CLI 等主流编程与智能体工具。

接入流程相对简单：安装对应客户端，在设置页面切换模型服务商，填入 Token Plan 专属的 Base URL 与 API Key，保存后即可使用套餐内的全部模型与 Harness 工具额度。

本次个人版升级权益自 9 月 11 日起生效，存量订阅用户同步享有新增工具权益，并获得一次 7 天额度重置权益，用户可从千问 AI 平台订阅使用。对个人开发者而言，价格不变、工具白送，算是一次实打实的加量不加价。

从回答问题到交付成果

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，乃至尚未解压的压缩包，往往同时构成一项任务的上下文。MiMo Desktop 可以直接读取这些素材，无需预先整理或转换格式。

用户只需用自然语言说明目标，客户端会理解素材、拆解任务、调用工具执行，最终交付可以继续编辑的成果：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。

官方给出的两个典型工作流很能说明问题。一是幻灯片流程：混合素材输入后，依次完成事实与数据梳理、叙事结构设计、图表与版式生成，最后交付一份可继续修改的文件。二是设计流程：自然语言输入、理解任务、规划工作流、通过 MCP 控制 Figma 实时生成设计元素并交付成果。

成果可以直接点，也可以接着改

MiMo Desktop 的成果预览并非静态截图，而是包含组件结构、交互逻辑、状态变化和数据可视化的完整页面，可以直接在会话中展示。用户看到的是能够点击、操作和继续修改的成品。生成轻量游戏原型、复杂数据网页、Office 文件，以及需要动态交互的演示时，无需预先搭建本地前端环境。

交付也不是会话的终点。用户可以直接选中会话或产物中的任意元素、文本段落、图表或表格区域，用自然语言描述下一步的修改要求。选区会限定作用范围，客户端只处理需要修改的部分，既不必重新生成完整成果，也不需要重复交代任务背景。每次修改都会保留版本记录，用户可以比较不同方案，也可以随时回退到历史版本。

Smart 调度：替用户做技术选型

多数桌面 AI 助手要求用户先判断该用哪个模型、哪个智能体、哪套执行框架。MiMo Desktop 内置的 Smart 调度模式试图消解这道门槛，它会自动评估任务类型、复杂程度、交付要求和执行成本，再匹配相应的执行路径。

具体分为四层。任务评估环节识别任务属于办公、编程、研究、设计还是混合场景，并判断所需推理深度、工具范围与交付标准；模型路由在标准模型与旗舰模型之间动态选择，日常任务优先速度更快、成本更低的标准模型，复杂推理、长链路执行和高质量交付则使用旗舰模型；调度层根据任务类型选择办公、代码或研究类型的执行框架，大型任务可拆分给多个智能体，分别负责调研、规划、执行和复核；多会话协同时可按需组成多角色会话团队，各会话之间能自动相互通信、彼此协作，每个会话拥有独立的记忆、工作区和任务状态。

浏览器成为执行环境，长任务成本可控

MiMo Desktop 可以自主控制电脑浏览器，读取页面、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。生成网页类成果时，客户端还可以在同一工作流中用浏览器检查关键交互，自动验证成果。官方说明中提到，读取屏幕、跨应用操作键盘鼠标的电脑操控能力目前仅面向海外版本提供。

长任务的成本同样是设计重点。客户端通过模型路由、局部编辑和上下文缓存三项机制降低消耗，分别对应模型选择、变更范围和重复上下文计算。官方称在长任务实际测试中，同会话缓存命中率最高可达 99%，跨会话最高可达 95%。

与同类桌面 AI 的差异

市面上的桌面 AI 产品并不少，微软 Copilot、Claude Desktop 都属于同一赛道。小米的差异点在于更强调交付成果而非生成建议——用户可以直接在客户端内编辑代码、生成网页、剪辑视频，甚至通过多智能体协作完成复杂项目，而不是拿到一段需要自行搬运落地的文字。

MiMo-X 系列模型面向真实专业工作场景优化，重点覆盖复杂任务推理、多智能体协作、大型编程项目、Office 文档、网页设计、前端与交互设计、视频剪辑、3D 生成、音乐生成与电脑操控等方向。其中 Pro 版定位更高性能，Flash 版侧重轻量快速响应。

需要留意的是，MiMo-X 系列目前仍处于预览测试阶段，能力表现可能随版本迭代发生变化。邀测期间，通过申请的用户可以限时、限量、免费体验这两款预览模型，申请入口为小米 MiMo 开放平台官网邀测页面，本次邀测将优先面向开放平台已有用户开放。

小米方面表示，MiMo Desktop 是其迈入真实工作流、帮助用户将想法转化为高质量成果的第一步，用户基于真实任务的反馈将用于后续评估与改进。

核心卖点：手机发指令，电脑持续执行

官方介绍，移动端”小浣熊”支持自然语音快速对话操作：用户长按说出需求，松手即可发送。离开工位后，也能随时查看、分享和接续此前的任务成果，实现”手机发指令，电脑持续执行”的工作模式。

这一设计瞄准的是桌面智能体的常见痛点——任务启动后必须守在电脑前等待。移动端与桌面端打通后，通勤、外勤等离开工位的碎片时间也能用来推进工作任务。

搭载多模态智能体创作引擎

公开信息显示，”小浣熊”搭载”多模态智能体创作引擎”，能够从用户原始的碎片化信息中理解并整理意图，同时具备”长链条思考”能力以及企业内部与外部信息的融合能力。

商汤小浣熊系列目前涵盖办公小浣熊、代码小浣熊等模块，覆盖数据处理、文档整理、PPT 制作、任务规划等办公场景。公开资料显示，截至 2026 年 7 月，商汤小浣熊累计服务个人用户已超过 2000 万，周活跃用户达 300 万，并服务近万家企业及 AI 原生机构。

移动端成为智能体厂商的必争之地

随着 AI 智能体从单点问答走向跨端任务执行，”多端接力”正在成为国内智能体产品的标准配置。用户在手机上下达指令、在电脑端持续产出，这种协作模式对办公智能体的任务状态同步能力提出了更高要求。商汤此番将小浣熊推上移动端，也是智能体产品向真实办公场景进一步渗透的信号。

移动端 App 已可在苹果 App Store 及各大安卓应用商店下载体验。

原文出处：IT之家、商汤科技官方公告