Xiaomi запустила тестирование по приглашениям для MiMo Desktop — настольного ИИ-приложения, предназначенного для выполнения полных рабочих процессов, а не для генерации ответов в чат-интерфейсе. С этим релизом китайская технологическая компания становится первой лабораторией в Китае, предложившей пользователям возможности computer use на базе своих флагманских моделей. Этот шаг ставит Xiaomi в категорию, где западные лаборатории выступили первопроходцами: Anthropic представила computer use как стандартную возможность API для Claude в конце 2024 года, а OpenAI, Google и другие впоследствии выпустили агентов, управляющих браузером и рабочим столом, поэтому выход Xiaomi заметен как первый от китайской лаборатории.

Реальная работа редко начинается с чётко сформулированного запроса. Обычно она включает электронные таблицы, изображения, видео, PDF-документы, аудиозаписи и сжатые файлы, которые вместе формируют контекст задачи. MiMo Desktop принимает такие многоформатные входные данные напрямую, без предварительной организации или конвертации форматов. Пользователи описывают свои цели на естественном языке, после чего система интерпретирует материалы, разбивает задачу на части, вызывает подходящие инструменты и выдаёт редактируемые результаты — включая документы, таблицы, презентации, веб-страницы, аудио, видео, 3D-модели и программные проекты.

Продукт отличают два проектных решения. Во-первых, предпросмотр результата — это не статичная визуализация, а полностью интерактивный продукт, включающий структуру компонентов, логику взаимодействия и визуализацию данных. Пользователи могут работать с ним и изменять его в рамках сессии, будь то информационная панель, прототип игры или презентация. Во-вторых, изменения вносятся путём выделения: пользователь выделяет график, абзац или область, описывает желаемое изменение, и регенерируется только эта часть. Каждая правка сохраняется в истории версий, что позволяет сравнивать черновики и откатываться к предыдущим состояниям.

Система также оснащена функцией «Smart»-планирования. Вместо ручного выбора модели MiMo Desktop оценивает тип задачи, сложность и требования к стоимости, направляя рутинную работу на стандартные модели ради скорости, а сложные многошаговые задачи — на флагманские модели ради более высокого качества результата. Крупные задачи могут распределяться между несколькими агентными сессиями, которые сотрудничают, сохраняя независимую память и рабочие пространства. По данным Xiaomi, оптимизация кэша обеспечивает частоту попаданий до 99% в рамках сессии на длинных задачах, что снижает избыточные вычисления и контролирует операционные расходы.

Управление браузером и компьютером как ключевые возможности

Второе измерение релиза касается управления. MiMo Desktop использует браузер одновременно как источник информации и как среду исполнения: он открывает страницы, извлекает информацию, заполняет формы, получает ресурсы и импортирует результаты напрямую в задачу. При создании веб-результатов система дополнительно может проверять их через браузер в ходе рабочего процесса.

Важнейшая функция — полный контроль над компьютером, доступный в зарубежной версии. MiMo Desktop считывает содержимое экрана и управляет клавиатурой и мышью в разных приложениях — открывает файлы, проверяет данные и передаёт информацию между программами — со встроенной проверкой результатов, способной запускать исправления или останавливать выполнение при необходимости. Для стабильных повторяющихся процессов функция Record & Replay позволяет пользователю один раз продемонстрировать рабочий процесс, после чего система выполнит его повторно по команде на естественном языке.

Это отражает осознанный архитектурный подход: рабочий стол рассматривается как операционная среда, а модель действует как агент внутри неё, а не как языковой интерфейс, наложенный поверх существующих приложений.

Год работы: как Xiaomi выстроила техническую базу для computer use

Возможность computer use — это в первую очередь не проблема интерфейса, а техническая задача, и Xiaomi развивала её основу более года. Фундамент был заложен в середине 2025 года с MiMo-VL-7B, открытой визуально-языковой моделью компании, которая набрала тогда рекордные 56,1 балла на OSWorld-G — стандартном бенчмарке для GUI grounding — превзойдя модели, созданные специально для этой задачи, такие как UI-TARS. Эта способность была развита с помощью четырёхэтапного обучающего пайплайна, охватывающего мобильные, веб- и настольные интерфейсы, а также значительного корпуса китайских GUI-данных и обучающей задачи, выводящей промежуточные действия из снимков экрана «до и после» — именно то перцептивное основание, которое требуется агенту computer use.

Линейка моделей продолжала развиваться. К началу 2026 года флагманская MiMo-V2-Pro от Xiaomi входила в один эшелон с Claude 4.5 Sonnet, GPT-5.2 и Gemini 3.0 Pro по бенчмаркам агентного программирования, универсальных агентов и использования инструментов. Это обеспечивает клиенту Desktop первоклассную модель для сложных задач, тогда как слой маршрутизации сохраняет экономическую эффективность для рутинных операций. Кроме того, Xiaomi обладает более чем двадцатилетним опытом в экосистемах потребительской техники и программного обеспечения, что отражается в ориентации продукта на практические условия рабочего стола пользователя, а не только на показатели бенчмарков.

Для наблюдателей ИИ-сектора релиз свидетельствует о более широком сдвиге в критериях оценки: передний край смещается от бенчмарков рассуждений к операционной компетентности — агентам, которые заполняют формы, проверяют собственные результаты и укладываются в заданные вычислительные бюджеты. Сочетание у Xiaomi моделей с GUI grounding, флагмана передового уровня и интерфейса computer use, ныне находящегося в бете, выводит компанию в число ведущих претендентов в формирующейся категории автономных настольных агентов. Далее стоит следить за тем, как закрытая бета покажет себя на реальных рабочих столах вне контролируемых бенчмарков — агенты computer use из других лабораторий продемонстрировали потенциал формата, но также и проблемы надёжности на многошаговых процессах — и откроет ли Xiaomi бета-версию для более широкого доступа, помимо полного контроля над компьютером в зарубежной версии.

Источник: Metaverse Post