Xiaomi ha avviato i test a inviti per MiMo Desktop, un'applicazione AI desktop progettata per eseguire flussi di lavoro completi anziché generare risposte in un'interfaccia di chat. Con questo rilascio, l'azienda tecnologica cinese diventa il primo laboratorio con sede in Cina a offrire agli utenti capacità di computer use tramite i propri modelli di punta. La mossa colloca Xiaomi in una categoria in cui i laboratori occidentali sono arrivati per primi: Anthropic ha introdotto il computer use come capacità API standard per Claude alla fine del 2024, e OpenAI, Google e altri hanno da allora rilasciato agenti in grado di operare browser e desktop, rendendo l'ingresso di Xiaomi rilevante come primo da parte di un laboratorio con sede in Cina.

Il lavoro reale raramente inizia con un prompt ben definito. Comporta tipicamente fogli di calcolo, immagini, video, documenti PDF, registrazioni audio e file compressi che insieme costituiscono il contesto di un task. MiMo Desktop accetta direttamente questi input multiformato, senza richiedere un'organizzazione preventiva o conversioni di formato. Gli utenti descrivono i propri obiettivi in linguaggio naturale e il sistema interpreta i materiali, scomporre il task, invocare gli strumenti appropriati e consegnare risultati modificabili — tra cui documenti, fogli di calcolo, presentazioni, pagine web, audio, video, modelli 3D e progetti di ingegneria del software.

Due scelte di design distinguono il prodotto. In primo luogo, l'anteprima del risultato non è un rendering statico ma un deliverable completamente interattivo che incorpora struttura dei componenti, logica di interazione e visualizzazione dei dati. Gli utenti possono utilizzarlo e revisionarlo all'interno della sessione, che l'output sia una dashboard dati, un prototipo di gioco o una presentazione. In secondo luogo, le modifiche avvengono per selezione: gli utenti evidenziano un grafico, un paragrafo o una regione, descrivono la modifica desiderata e solo quella porzione viene rigenerata. Ogni revisione è conservata in una cronologia delle versioni, che consente di confrontare le bozze e tornare agli stati precedenti.

Il sistema include anche lo scheduling "Smart". Invece di richiedere agli utenti di scegliere manualmente un modello, MiMo Desktop valuta tipo di task, complessità e requisiti di costo, instradando i lavori di routine verso modelli standard per la velocità e i task complessi e multi-fase verso modelli di punta per una qualità superiore dell'output. I task su larga scala possono essere distribuiti su più sessioni di agente che collaborano mantenendo memoria e spazi di lavoro indipendenti. Xiaomi riferisce che l'ottimizzazione della cache raggiunge tassi di hit fino al 99% all'interno di una sessione nei task lunghi, riducendo il calcolo ridondante e contenendo i costi operativi.

Controllo di browser e computer come capacità centrali

La seconda dimensione del rilascio riguarda il controllo. MiMo Desktop utilizza il browser sia come fonte di informazioni sia come ambiente di esecuzione: apre pagine, recupera informazioni, compila moduli, estrae asset e importa i risultati direttamente nel task. Quando produce output basati sul web, il sistema può inoltre verificare i deliverable tramite il browser durante il flusso di lavoro.

La caratteristica più importante è il controllo completo del computer, disponibile nella versione internazionale. MiMo Desktop legge il contenuto dello schermo e opera tastiera e mouse attraverso le applicazioni — aprendo file, verificando dati e trasferendo informazioni tra programmi — con una verifica integrata dei risultati che può attivare correzioni o interrompere l'esecuzione quando necessario. Per i processi stabili e ripetitivi, una funzione Record & Replay consente agli utenti di dimostrare un flusso di lavoro una volta e far sì che il sistema lo riesegua tramite istruzioni in linguaggio naturale.

Questo riflette un approccio architetturale deliberato: il desktop viene trattato come ambiente operativo e il modello funziona come un agente al suo interno, anziché come interfaccia linguistica sovrapposta alle applicazioni esistenti.

Un anno di lavoro: come Xiaomi ha costruito le basi tecniche del computer use

La capacità di computer use non è principalmente un problema di interfaccia ma tecnico, e Xiaomi sviluppa le fondamenta sottostanti da più di un anno. Il lavoro preparatorio è stato avviato a metà del 2025 con MiMo-VL-7B, il modello visione-linguaggio open source dell'azienda, che ha ottenuto un punteggio allora record di 56.1 su OSWorld-G — il benchmark standard per il GUI grounding — superando modelli sviluppati specificamente per questo compito, come UI-TARS. Questa capacità è stata sviluppata tramite una pipeline di training in quattro fasi che copriva interfacce mobile, web e desktop, insieme a un corpus sostanziale di dati GUI cinesi e a un task di addestramento che deduce azioni intermedie da screenshot del prima e del dopo — esattamente la base percettiva richiesta da un agente di computer use.

La linea di modelli ha continuato a progredire. All'inizio del 2026, il modello di punta MiMo-V2-Pro di Xiaomi si collocava nello stesso livello di Claude 4.5 Sonnet, GPT-5.2 e Gemini 3.0 Pro nei benchmark di coding agent, agente generale e tool-use. Questo fornisce al client Desktop un modello di livello superiore per i task complessi, mentre il livello di routing mantiene l'efficienza dei costi per le operazioni di routine. Xiaomi porta inoltre oltre due decenni di esperienza negli ecosistemi hardware e software consumer, riflesso nell'attenzione del prodotto alle condizioni pratiche dell'ambiente desktop dell'utente piuttosto che alle sole prestazioni nei benchmark.

Per gli osservatori del settore AI, il rilascio segnala un cambiamento più ampio nei criteri di valutazione: la frontiera si sta spostando dai benchmark di ragionamento verso la competenza operativa — agenti che compilano moduli, verificano il proprio output e rimangono entro budget di calcolo definiti. La combinazione di Xiaomi tra modelli di GUI grounding, un flagship di livello frontier e un'interfaccia di computer use ora in beta colloca l'azienda tra i principali concorrenti nella categoria emergente degli agenti desktop autonomi. Da osservare ora sarà come la beta a inviti si comporterà su desktop reali al di fuori dei benchmark controllati — gli agenti di computer use di altri laboratori hanno mostrato il potenziale del formato evidenziando però anche sfide di affidabilità sui flussi di lavoro multi-fase — e se Xiaomi aprirà la beta a un accesso più ampio oltre il controllo completo del computer della versione internazionale.

Fonte: Metaverse Post