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。

9 月 8 日，小米宣布 Xiaomi MiMo Desktop 桌面客户端正式开放邀测。该应用面向真实工作场景，用户即日起申请邀测并通过后，可限时、限量、免费体验两款 MiMo 新一代模型的预览版，代号分别为 MiMo-X-Pro-Preview 与 MiMo-X-Flash-Preview。

直接读取多种文件格式

MiMo 桌面客户端可直接从提示词中读取表格、图片、视频、PDF、录音与压缩包等内容，无需用户预先整理或转换格式，最终交付可继续编辑的成果。它还能生成包含组件结构、交互逻辑、状态变化与数据可视化的完整预览界面，并支持在会话中直接展示。用户在生成轻量游戏原型、复杂数据网页、Office 文件及需要动态交互的 Demo 时，成果可立即预览、提问并迭代，无需预先搭建本地前端环境。

自动选择模型与智能体

MiMo Desktop 会根据任务类型、复杂程度、交付要求与执行成本，判断应当调用哪款模型、哪个智能体，在质量、速度与成本之间自动做出最优选择，从而减少用户在工具选择上的心智负担。

自主操控浏览器

值得一提的是，MiMo Desktop 可自主控制电脑上的浏览器，读取浏览页面、执行交互操作，包括打开网页、检索信息、填写表单与提取素材。浏览器不再只是信息来源，而作为任务执行环境的一部分：从浏览器中获取的信息可直接进入当前任务，用于调研、分析、整理与内容制作。在生成网页类成果时，它还能在同一工作流中调用浏览器检查关键交互，自动验证成果是否符合预期。

MIMO 是自 4G 以来几乎所有现代蜂窝通信标准的基础技术。发送端把 N 个比特通过一个 N×N 的信道发出，信道会把它们搅混并叠加噪声；接收端手里只有一份被污染过的信号，却要把原始的 N 个比特一位不差地还原出来。

一个卡了 25 年的理论目标

理论上存在一个万无一失的办法，叫最大似然（ML）检测：把所有 2 的 N 次方种比特组合都算一遍，找出与接收信号最匹配的那个。这种方法在数学上一定正确，但代价是指数级——N 稍微大一点，穷举就要算到天荒地老。

早在 1989 年，塞尔吉奥·贝尔杜（Sergio Verdú）就证明，这类问题在最坏情形下是 NP-hard 的，也就是说，无论用什么算法，都存在某些刻意构造的输入让计算量爆炸式增长。但「最坏情形」指的是数学上专门为难算法的信道矩阵；现实中的无线信道是随机产生的，不会挑最难的来考接收端。

于是从 2000 年代初开始，学界换了一个更贴合实际的问题：如果信道是随机生成的，只要统计上还存在恢复原始比特的可能，是不是就一定能找到不需要穷举的快速算法？后续研究给出了一条精确的分界线——当信噪比达到 2logN 时，原始比特能被完全恢复的概率趋近于 1；低于这条线，连最大似然检测本身都会开始出错。这条线因此被称为「最大似然阈值」。问题于是变得具体：能不能设计一个跑得快的算法，精确命中 2logN？

从穷举到 2logN 这道墙

过去 25 年里，一波又一波学者轮番上阵，却没人能真正翻过这道墙。

2001 年，哈西比（Hassibi）与维卡洛（Vikalo）认为球形译码能在期望意义下以多项式时间运行；但 2005 年，亚尔登（Jaldén）与奥特斯滕（Ottersten）证明，在任意固定信噪比下它依然是穷举级别的。此后学界又试过半正定松弛、比特翻转局部搜索、近似消息传递（AMP）、统计物理方法，每一种都能写出漂亮的分析，却没有一种被严格证明能精确匹配 2logN。2020 年，一种把离散问题放宽成连续优化来解的「盒式松弛」（box relaxation）拿到了当时最好的严格结果——能在信噪比达到 4logN 时做到精确恢复，正好是理论门槛的两倍。

两步算法，复杂度 O(N³)

帕派利奥普洛斯的新算法出奇简单，只有两步。第一步叫 LMMSE 取整：先用线性最小均方误差估计给出一个连续值的粗略猜测，再把每个坐标按正负号取整成 +1 或 -1。论文证明，取整结果与真实比特之间的汉明距离只有 o(N)——也就是说，随着 N 增大，猜错的比特占比趋近于零。第二步叫贪心逐位翻转：从第一步的猜测出发，每一轮找出翻转哪一位能让「代价函数」下降得最多，就翻转那一位并重复。

为了让贪心搜索不会中途卡死，论文证明了两件事：在正确解附近的一个范围内，每个还没猜对的点都至少存在一位翻转能让代价严格下降，且下降幅度有一个不趋于零的下限；同时，代价函数本身随汉明距离增大而增大，形成一道天然护栏，搜索无法翻越逃逸。两者合起来证明，贪心搜索只会在真实比特串处停下，总复杂度为 O(N³)。

这个结果还是双向的：一头证明算法能在 2logN 精确恢复，另一头进一步确认，信噪比只要略低于 2logN，连最大似然检测都会开始失败——阈值不是被「逼近」，而是被确认就是那堵墙。

30 分钟思路，7 天证明

大模型扮演了关键但不替代的角色。帕派利奥普洛斯让 OpenAI 的 GPT-5.6 和 Anthropic 的 Claude Fable 5 来试这道题，两个模型很快分别给出了证明思路：GPT-5.6 走的是近似消息传递（AMP）路线，Fable 5 走的是「符号 LMMSE 加贪心逐位翻转」这条业内实际在用、却从未被严格证明过的老算法。他最终选择了 Fable 的路线，再让 GPT-5.6 接手检查并修补论证中的漏洞，期间反复让两个模型互相简化彼此的证明，唯一底线是无论如何都要保住 2logN 这个门槛。

据他描述，核心的理论突破由 AI 在大约 30 分钟内给出，而完整的验证与证明撰写则耗费了整整七天，期间大量工作是为 AI 的思路补缺、纠错、把「符号墙」化简到能逐行手算核对。这项成果由一个攻读博士期间就盯上该题、十七年后才最终收尾的研究者完成，也折射出顶尖实验室里数学与工程研究正在发生的人机协作转向。

来源：Moneycontrol