9 月 30 日，哔哩哔哩 Index LLM 团队正式发布多语言翻译模型家族 Index-Translate。其 2B、9B 以及 35B-A3B（预览版）文本模型权重已在 Hugging Face 与 ModelScope 平台开放，面向开发者提供下载与使用。

Index-Translate 是基于 Qwen3.5 构建的多语言翻译模型家族，文本模型覆盖包括中文、英文在内的 150 种语言，并支持术语、格式、保留内容等翻译指令。团队还将共同的多语基础扩展到语音翻译、音节可控翻译以及长文档翻译等方向。

一个家族，四种能力

Index-Translate 并非单一模型，而是一组面向不同场景的翻译模型：

– Index-Translate：负责翻译文本、结构化内容与社区表达，是家族的基础文本翻译模型。
– Index-Echo：可生成目标语言的字幕或配音，在生成配音时会参考源语音的说话人声音特征。
– Index-Homura：能够根据用户指定的目标音节数调整译文，使翻译结果在节奏和长度上更贴合需求。
– Index-NativeLong：支持输入完整文档，利用上下文维持前后文联系，适合长文翻译。

看懂社区”黑话”的翻译

官方展示的案例凸显了这类模型对社区语境的理解能力。例如一句游戏社区常用表达”狒瘾犯了就去打”，其真实含义是”想玩《最终幻想 XIV》的劲头又上来了”。Index-Translate-9B 将其译为英文”当最终幻想的瘾头上来了，就去玩”；2B 版本译为”想玩最终幻想时就去玩”；作为对比，另一款翻译模型则误译为”如果你得了猴子瘾，去打架”，未能理解”狒”在此处是”最终幻想”的谐音梗。

在音节可控方面，针对”生活两天，是一种什么体验”这一句，Index-Homura-9B 在设定三个不同目标长度时给出了不同措辞：目标与实测均为 10 个音节时给出较短译文；14 个音节时扩展为带语气词的完整问句；18 个音节时则进一步补充了”勉强度日”的语境。这种按音节数调控的能力，对歌词、诗歌、配音台词等讲究韵律的场景尤为有用。

长文档翻译的一致性挑战

长文翻译中，人名前后不一致是常见难题。在一段约 32K tokens 的奇幻文本中，”王妃”是一个人物姓名。官方对比显示，同一 9B 模型采用相邻上下文及自动词表的分块翻译时，同一人名在不同位置被译成了多个不同写法，甚至出现语义偏差；而 Index-NativeLong-9B 采用原生全文翻译，则能保持人物称谓的一致性。

这说明，对于小说、剧本、长篇报告等长文本，借助上下文进行整体翻译，能显著提升专有名词与人物称谓的前后统一。

已开放体验与代码

目前，Index-Translate 已提供公开演示页面，用户可在线体验文本翻译功能；模型代码与权重也已托管至 GitHub 与 Hugging Face，方便开发者本地部署与二次开发。ModelScope 平台同样上线了相关模型，其中包括 35B-A3B 版本。

对中文互联网社区而言，这类开源、支持多语言且能理解社区表达的翻译模型，有望在字幕生成、跨语言内容创作、长文档本地化等场景中发挥作用。随着多语基础向语音与长文档方向延伸，翻译模型的适用边界也在持续拓宽。

核心功能：提示词键盘

用户在系统设置中添加 QuillCue 键盘后，即可在任意兼容文本框一键插入已保存的提示词，也支持配合「键入式 Siri」使用。用户可为提示词指定分类、配色与符号，并在列表与网格视图之间切换。

组织与个性化

QuillCue 支持创建自定义分类、将常用提示词标记为收藏，并按标题或正文快速搜索；收藏与分类在键盘上同样可用。外观方面，应用提供多种主屏图标、字体、配色与布局选项，支持触感反馈、单色模式，甚至拟物风格的软木板主题。

隐私优先的设计

这款应用没有账号体系，不含分析、广告，也不运行开发者服务器。用户的提示词库完全存储在设备本地，不提供云同步，但可随时导出 JSON 备份以便迁移或保存。

获取信息

QuillCue 于 2026 年 9 月 22 日首次发布，完全免费、无内购与广告，仅支持 iPhone，需要 iOS 27.0 或更高版本，应用体积约 29.1 MB，当前为英文界面。

从定位上看，QuillCue 把一次性的语音助手交互，变成了一层可重复使用的生产力工具。不过其能力上限仍受 Siri AI 本身能力约束。对于习惯用 Siri AI 处理日常任务的用户，这类「提示词随身化」的思路值得参考。

两款工具分别做什么

在 2026 年 Connect 大会上，Meta 对其 Horizon 平台进行了一次重要扩充，推出 Horizon Create 和 Horizon Studio 两款人工智能工具，目标是让普通用户无需编写代码，就能直接在手机上完成游戏的构思、制作与发布。

Horizon Create 是一款移动端应用，用户只需输入一段提示词，它就能快速生成一个可运行的游戏雏形。Horizon Studio 则是一款运行在浏览器中的编辑器，提供比手机端更精细的控制选项，方便创作者对项目进行打磨和完善。

从想法到完整游戏

Meta 表示，这两款工具可以把创作者的想法转化为完整的 2D 或 3D 手机游戏。生成的游戏能够包含成长系统、难度平衡、美术方向以及多人模式，创作者还能在之后随时调整游戏中的各项内容。

两款应用都将以「抢先体验版」的形式发布。Meta 目前尚未公布正式的公开上线时间，感兴趣的用户可以注册候补名单，等待后续开放测试资格。

游戏将直接出现在社交信息流中

为了让作品更容易被玩家发现，Meta 还计划扩大 Horizon 游戏的分发范围。使用这两款工具制作并发布的游戏，可以获得 Facebook 和 Instagram 的推荐；用户也能够直接在这两个平台中游玩相关作品。

据 Meta 介绍，Instagram 用户点击游戏片段后，可以在几秒钟内进入多人游戏，整个过程既不需要下载独立的 App，也不需要跳转到其他页面，游戏内容会直接出现在用户熟悉的信息流当中。

Qoder 是阿里推出的 AI 编程智能体产品，此前已支持主流操作系统。此次上线鸿蒙 PC 应用市场，是其向国产操作系统生态的进一步落地。据介绍，Qoder 团队与鸿蒙团队进行了紧密配合，重点解决了几个关键问题：首先是让 Qoder 的完整任务闭环——从理解意图、拆解步骤、调用工具到交付结果——在鸿蒙系统上流畅运行，确保核心体验不打折；其次是充分发挥鸿蒙 PC 的系统级能力，支撑 Qoder 的多 Agent 协同、代码执行和文件操作等核心场景。

自然语言驱动，多 Agent 协同

在鸿蒙 PC 上，开发者可以用自然语言描述需求，由 Qoder 自主完成代码编写、重构、问题排查和功能测试。Qoder 具备深度代码库理解能力（Deep Codebase Awareness），能够基于真实的项目背景和工作环境完成任务；还支持前端开发（Frontend Dev）、后端开发（Backend Dev）、质量保障（QA）等多个 Agent 角色协同工作。

值得关注的是，在通用模式下，用户即使不接触代码，也能借助 Qoder 的编程与工具能力完成日常工作，包括文档处理、演示文稿生成、资料研究和数据分析。一个 Agent 即可覆盖多种高频办公场景，无论是否具备编程基础，都能将想法快速转化为可落地的成果。

生态意义

从行业视角看，随着鸿蒙 PC 生态的逐步完善，开发工具链的适配成为生态建设的关键一环。Qoder 的加入，为鸿蒙电脑上的开发者提供了一套端到端的 AI 辅助编程方案，也为后续更多 AI 工具登陆鸿蒙平台提供了参考样本。

腾讯 WorkBuddy 在 5.5.6 版本中上线了全栈「应用」生成能力，首期支持全栈网页应用。用户用自然语言描述需求，即可生成自带云数据库、文件存储、注册登录与 AI 调用的完整网站，发布后直接获得可分享的访问链接，无需自购服务器、配置环境或管理模型密钥。

从页面到上线，一个流程跑通

过去要做一个能对外提供服务的网站应用，往往要同时搞定前端、后端、数据库与上线部署。WorkBuddy 把这三层整合进同一条流程：前端负责页面与交互，后端负责业务逻辑与权限，数据库负责长期保存用户、订单与记录。

官方列出的核心能力包括：一站式制作与发布，页面生成、数据配置、上线发布闭环在 WorkBuddy 内完成；免部署，发布即得访问链接；云数据库存放结构化数据，支持增删改查并可通过权限规则限定读写范围；文件存储承接图片与附件的上传和调用；注册登录内置身份认证，用户数据按账号隔离；免密钥 AI 调用，直接调用大模型而不必自己申请和管理 API Key；上线后可查看用户数量与注册增长等运营数据。

怎么用：说清三件事

制作入口有两个：一是在对话框里用日常语言描述需求，当描述中出现「数据存储」「账号体系」等关键词时，WorkBuddy 会在制作过程中询问是否开启云服务，确认后自动创建全栈网页应用；二是切换到「代码开发」模式，选择「网站开发」或「Agent 应用」，再用预设提示词触发。

官方建议把三件事说清楚：谁会用（顾客、学员还是管理员）、需要保存哪些数据（报名信息、订单还是打卡记录）、希望跑通什么流程（谁提交、谁审核、谁看结果）。已有本地静态页面的，也可以直接要求「加上登录和数据存储」，升级为完整全栈应用。应用生成后，可在预览区检查注册登录与数据入库是否正常，再通过链接或二维码分享；后续修改重新发布时访问地址保持不变，也可以随时下线。

适用方向覆盖多人工作台、按用户隔离数据的个人应用、报名与台账类信息收集、需要上传文件的应用以及调用大模型的 AI 应用。官方展示了市集活动运营后台、宠物健康档案、线上作品征集展、多人旅行合账本等已上线示例。

会员权益同步调整

随着资料库与「应用」生成能力上线，WorkBuddy 国内个人版会员权益有所调整：新增「资料库的存储空间」，免费用户可获得累计 5G 资料库容量；新增云服务相关权益项，不同会员版本可同时开启云服务的应用数量不同，免费版 10 个、标准版 30 个、高级版 50 个、旗舰版 99 个，每个云服务应用每月资源点依次为 5000、25000、50000 和 150000。

资源点按需消耗，只有开启云服务的应用才会计入，消耗场景包括数据落库、文件存储、用户访问峰值与模型调用次数；不开云服务的应用以本地存储方式运行，不消耗资源点，也不占名额。会员到期或额度用尽导致云服务暂停时，数据有 15 天保留期，逾期将被删除。全栈「应用」生成能力目前仅覆盖网页应用，后续将扩展至小程序等形式。

从 95% 到 98.2%

PrismML 今年早些时候推出的 Bonsai 27B，以显著更低的内存占用实现了 Qwen3.6 27B 基础模型 95% 的性能。而在新版本中，基础模型升级至 Qwen3.8 27B，推理、编程、视觉、长程智能体性能全面提升，内存占用进一步压到不足原来的 1/9，综合基准仍保留 98.2% 的水平。

PrismML 表示，Bonsai 2 27B 足以在本地承担”真正的知识工作”——包括编程智能体循环、计算机使用工作流、私有文档解析、多模态调试与混合编排，仅在需要时再调用云端 API。

5.9GB 装下 27B 参数

Bonsai 2 27B 采用 FP16 分组缩放的三值量化，每个权重的有效比特为 1.76，模型总大小仅 5.9GB，并支持 262K 上下文窗口。这意味着一张消费级显卡或一台 Apple 设备就能跑起原本需要数十 GB 显存的 27B 量级模型。

性能方面，该模型在 NVIDIA GeForce RTX 5090 上可达 143TPS（词元/秒）的吞吐量，在 Apple Silicon M5 Max 上可达 46.8TPS。在 GeForce RTX 4090 上，其能效为 0.714mWh/Token，比全精度 8B 模型低 40%。

开源可本地运行

Bonsai 2 27B 可通过 CUDA 在 NVIDIA GPU 上运行，也可通过 MLX 在 Apple 设备上运行，并以 Apache 2.0 许可证开放权重。对于希望在本地、离线、低成本运行较强大模型能力的开发者而言，这一组合显著降低了门槛。

三款工具的产品形态

三者在「长什么样、怎么用」上走了完全不同的路线：

– Cursor：构建在 VS Code 之上的 AI 原生代码编辑器，提供图形界面（GUI），支持多模型切换，上手门槛低，适合习惯在编辑器里写代码的开发者。 – Claude Code：Anthropic 推出的终端（命令行）编程智能体，强调代理式执行，能够自主读写文件、运行命令并迭代修复，适合复杂项目的重构与跨文件改造。 – Codex：OpenAI 的云端自主编程代理，任务在沙盒云端虚拟机中异步运行，适合把「让 AI 长时间自动干活」这类工作流交给它。

价格区间

三款工具的入门价格均在每月 20 美元左右：Cursor Pro 约 20 美元/月，Claude Code 走 Claude 订阅体系（Pro 约 20 美元/月），Codex 随 ChatGPT Plus（20 美元/月）可用或按 API 用量计费。对个人用户而言，起步成本接近，重度使用才需要升级更高档位。

怎么选：看场景而非看参数

– 日常写代码、改小需求：Cursor 最容易上手，补全与建议体验顺滑。 – 跨多文件的大改造、项目重构：Claude Code 的代理能力更强，但命令行操作对新手有门槛。 – 长时间自动化任务、脚本与流水线：Codex 适合让 AI 在云端异步跑完一整段工作。

三款工具并不冲突，不少开发者会两三个搭配使用。

中国开发者的可用路径

这三款国际工具均需要访问对应的海外服务。对于中国开发者，国内市场也有替代方案可选，例如字节跳动的 Trae、阿里的通义灵码等 AI 编程产品，在合规接入与本地化体验上更贴合国内环境。选择时可优先考虑团队实际的访问条件、数据安全要求与协作习惯。

小结

选 AI 编程工具，先想清楚自己「主要在什么界面、做什么类型的任务」。GUI 派选 Cursor，终端代理派选 Claude Code，云端异步派选 Codex；若更看重国内可用与合规，可把国产替代方案纳入首选清单。

从单人作业到多人协作

OpenAI 宣布进一步完善 ChatGPT Sites，新增名为”Build Together”的协作功能。在此之前，Sites 生成的项目默认只能由创建者一人修改和发布，协作基本靠截图、口述和来回传话。

更新之后，创建者可以向其他人发出协作邀请，受邀成员进入项目后能够直接编辑、保存并发布内容。官方给出的典型场景是：开发者 A 为一场活动生成了一个内部项目，随后把它交给开发者 B；B 不必反复向 A 提修改意见，可以直接动手调整，还能用自然语言查询数据库里实际存了哪些内容，无需单独打开数据库工具翻查。

私有预览与发布前的内部测试

与协作配套的，是更细的权限控制。用户可以把 ChatGPT Sites 生成的项目设为完全私有，仅向指定人员开放访问权限。这让团队能够在产品正式对外之前，邀请多人进行内部测试，而不必担心链接被扩散。

从产品形态看，Sites 已经超出”静态页面生成器”的范畴。它在 2026 年 7 月随 ChatGPT Work 一同进入公开测试，用户可以在网页端或桌面端的 Work、Codex 模式中描述需求，加入文件、数据和限制条件，生成一个可预览、可修改、可发布的网址。官方开发文档显示，需要长期保存的数据可以写入平台提供的关系型数据库，图片、文档、音视频等文件则进入对象存储；发布被拆成”保存版本”和”部署版本”两步，访问范围也能限定为自己、受邀成员、整个组织或完全公开。

能绑自己的域名了

本次更新的另一项实用变化是自定义域名。用户可以把自己持有的域名绑定到 Site 上，分享给客户、同事或朋友的网址不再局限于 ChatGPT 提供的通用地址。对于要对外交付的项目来说，这一步几乎是必需项。

部署时间砍掉约一半

速度方面，OpenAI 表示从输入提示词到完成 Site 部署所需的时间已经缩短约一半。对需要反复修改提示词、频繁测试和验证的用户而言，部署提速直接压缩了每一轮试错的周期。

另一个背景是模型侧的能力升级。9 月 4 日 OpenAI 发布新一代旗舰模型 GPT-6 Astra，官方明确 Astra 可以通过 Sites 直接创建、托管和分享网站、网页应用乃至游戏。模型能力与交付通道打通之后，Sites 的定位也从”AI 建站”转向了”AI 应用交付”。

谁在用，怎么用得上

Sites 目前以预览版形式面向 ChatGPT 的 Business 与 Enterprise 订阅用户开放，中国内地用户若要使用，需要自行具备相应的账号与网络条件。对国内团队来说，更现实的参照价值在于产品思路：把”生成内容”延伸到”生成一个团队能持续使用的入口”，正在成为 AI 办公工具的共同方向。

值得一提前提的是，预览版意味着限额、数据驻留与长期定价都还没有稳定下来。用 Sites 做活动页、内部看板这类低风险场景问题不大，涉及客户数据或关键业务流程的项目，仍应保留源码与数据导出的退路。

先写谱，再演唱

主流音乐生成模型的路径是文本或歌词直接进、音频直接出，改一个和弦只能换个种子重新”抽卡”。YuE2 把中间那一步显式地拿了出来。

模型采用自回归与非自回归混合的 Transformer 主干，官方接口正好对应四个步骤：首先由歌词与风格提示生成一份 ABC 记谱格式的乐谱，包含旋律与和弦；接着把乐谱转成 25Hz 的语义 token；再由 flow matching 生成声学潜变量；最后解码为 48kHz 立体声音频。

由于乐谱是纯文本，改旋律、换和弦、调速度、动段落都可以在”音符”这一层完成，改完再重新渲染整首歌。官方把这套流程称为白盒音乐生成。仓库里还附带了一个技能包，支持 Codex、Claude Code 这类兼容技能文件的智能体直接加载，用来做生成、翻唱和改谱；文档明确说明，并不需要额外的专用智能体模型，智能体只是在既有接口之间做调度。

生成时有三种模式可选：默认模式同时规划旋律与和弦；旋律模式只规划旋律，官方推荐用于翻唱；关闭模式则不写谱直接生成，也就拿不到可编辑的乐谱。

改得准不准，有数据

官方给了一组小规模配对实验：10 首原创作品、2 个种子、380 段完整录音。改动音符的旋律达成率从 0.0083 提升到 0.9375，改动和弦的和声达成率从 0 提升到 0.8313。

需要说明的是，样本只有 10 首，而且是在这批作品上开发的方法。官方自己也写明，这证明的是”能通过乐谱做选择性控制”，并不代表未改动部分的波形会一模一样——重新渲染后，歌声和音色仍会变化。

超过 Suno 了吗？要连着前提一起读

模型卡的原话是：YuE2 在自建评测集 WildSongBench 上，采用从 8 首里挑 1 首的做法，SongBench 均分 6.9632，Suno v5 为 6.8721。这句话是真的，但有四个前提必须同时看。

第一，基准是团队自建的。WildSongBench 共 192 条提示，其中 94 条中文、98 条英文。第二，挑出来的那首是按 Musicality 维度、提示词遵循、音素错误率的顺序筛选的，官方文档承认这并不等于单次调用的水平。第三，不挑选的标准版 YuE2 得分是 6.7316，低于 Suno v5 的 6.8721 与 Mureka 9 的 6.9377，只是略高于 Suno v5.5 的 6.7150 与 Suno v4.5 的 6.6995。第四，官方声明这一差距不构成统计显著性，也不代表所有指标领先或人类更偏好。

同一张表里，文本与音频的对齐指标由 Suno v5 更高；歌词发音错误率方面，Suno v4.5 的 5.80% 最好，YuE2 标准版为 8.44%。横向对比另一款本地方案 ACE-Step 1.5，其均分 6.0118，但歌词错误率 7.46% 更低。倒是纵向对比更有说服力：一代 YuE 只有 4.9165，一年半时间里同一团队把分数拉到了 6.73。

更准确的说法或许是：开源权重模型第一次进入了闭源头部产品的分数区间，而不是全面超过。

翻唱表现：差距几乎全部来自乐谱

在 SHS100K 上，官方测试了 948 首作品、2 种风格、2 个种子，每种方法生成 3792 首且不做挑选。衡量歌曲身份保留的 CLEWS mAP 指标中，ACE-Step 1.5 为 0.024，YuE2 完整乐谱为 0.647，去掉和弦为 0.598，完全不给乐谱则跌到 0.006。

这张表最有信息量的地方不是谁赢，而是同一个模型不给乐谱时身份保留几乎归零。也就是说，翻唱”像原曲”这件事几乎完全来自乐谱条件，而不是模型记得原曲。反过来，乐谱给得越死，目标风格的贴合度就越低——这是一组真实的取舍。

硬件门槛与成本

官方要求为 Linux 系统、Python 3.10 以上、24GB 显存的 NVIDIA 显卡（需支持 BF16）以及 24GB 可用主机内存，一次处理一首歌，Mac 不在官方支持列表中。

在 RTX 4090 上的实测数据（32 次热启动取平均，未量化）显示：默认模式生成耗时 71.04 秒，产出 214.85 秒音频，峰值显存 11.18 GiB；旋律模式为 68.68 秒、214.67 秒、11.02 GiB；关闭写谱模式为 57.91 秒、196.88 秒、11.09 GiB。虽然峰值只有约 11GB，但官方称最长上下文测试时峰值达到 14.08 GiB，因此把 24GB 定为支持基线。

按云端 RTX 4090 每小时 0.34 美元的价格估算，71 秒约为 0.0067 美元，折合人民币 5 分钱左右；若按基准那样生成 8 首选 1 首，成本约 0.054 美元。这一估算不含下载约 7.3GB 权重、配置环境和挑选试听的时间成本。服务端方面，用 vLLM 在 H800 上并发 32 路时，吞吐为每小时 373.53 首，峰值显存 76.61 GiB。

协议是最大的限制

授权分三层：代码与技能包为 Apache 2.0，可自由使用；模型权重与两个 VAE 为 CC BY-NC 4.0，禁止商业用途；配套的 SheetSage2 与 MERT-v2 同样为非商用协议。训练数据方面，官方称使用了 34.6 万小时音乐，主要为 CC0 音乐与合成数据，其中合成数据大部分由 Tokenwave.AI 授权提供。

对做配乐、做改编、做音乐教学的人来说，能够明确说出”第 12 小节换成 Dm7″，远比”再抽 20 次”有用得多。这也是 YuE2 与一众端到端音乐模型最实质的区别。

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。