不得不说，国内Agent大战已经到了白热化阶段，就在昨天，小米也正式下场。开放桌面端应用：MiMo Desktop。目前是邀测阶段。

这是 MiMo 第一个面向个人真实工作场景的桌面 agent 应用，邀测期间能免费体验小米的两款新一代模型：MiMo-X-Pro-Preview、MiMo-X-Flash-Preview

这次有幸靠刷脸，提前拿到了内测资格。

参数我就不多BB了，网上有的是。

说一下这次实测的感受：MiMo Desktop 做长程复杂任务很在行，交付的质量也非常高。别的Agent容易跑到一半就忘事，它能一口气跑完，缓存命中率高达99%，更省token。

ok，话不多说，是骡子是马，还得拉出来遛遛。

我给它布置了几个高难度的任务，我们一起来看看MiMo Desktop的表现如何。

**1、MiMo接入blender机械表建模

**

用MiMo Desktop + blender做3D表建模。

最终成果：

在表的建模中我采用了goal模式，mimo一口气跑了35m22s

如何用mimo接入blender呢？

在插件->创意->找到3D创作

主要就是靠blender插件

一开始我是用一张普通的桌子做测试，可以看出来效果还不错，

而且MiMo Desktop接入blender之后对于blender的各项设置都有很精准的把控，以及在材质处理上的精细把控。

MiMo Desktop会反思自己的行为，然后根据自己的行为对生成的东西做出反思调整，这对于人工来说大大提升了一次性直接出成果的概率

**2、mimo接入unity做3D游戏

**

看上去效果没有那么精致，但是这是两次直出的成果。

接入unity，后面所有的材质，逻辑都是可以用mimo desktop来调整，不断优化的。

后续开发完全可以控制每一个细节：

MiMo Desktop接入unity的核心也是通过mcp连接。

这里我还想提一嘴，mimo desktop的smart模式，对于有选择困难症的朋友来说还是很友好的。

###

**3、在three.js的3D建模能力还不错

**

《林渊：最后一夜》游戏设计提示词（Three.js 上帝视角森林僵尸生存射击）。效果如下：

然后是Three.js 第三人称赛车游戏

在细节方面做的还是很到位的：

它完美根据提示词把这些细节都做了出来：

最终效果如下：

**4、仓颉skill+微信读书cli 书籍蒸馏（长任务）

**

产物：

这次我准备的是三体这本书（整书共：88.7万字）从微信读书cli中提取449条热门画线，2998个用户想法，728条书评

将整书观点蒸馏和用户观点蒸馏分开，分开探讨作者和读者在思想和灵魂上的碰撞。

mimo desktop在进行长任务的时候会将任务拆分，交给自带的多个agent，大大降低主对话的压力

这里我测试了4个问题：

问题1

请调用蒸馏的skill，整书蒸馏代表作者，评论代表用户，作者观点和用户观点有什么不同？

从skill的展现上来说，我们人往往会将宏大的观点细化到生活中来，形成对自己有用的经验，从而在将来指导自己的行为

问题2

从作者的角度来看我应该成为一个怎么样的人，从读者的角度看我又应该成为一个怎样的人

作者希望你更加理性，更加自律的人，而兄弟们想让你能在社会中能够撑住走下去

问题3

作为一个集体的领导者，你觉得作者读者分别希望你成为什么样的领导者

作者希望你：把规矩定清楚、说到做到，别把关键按钮交给心软或不敢下手的人。

读者希望你：扛事别指望被夸，顺风时别飘，别把大家卷成只剩干活。

问题4

作者和读者最大的分歧点是什么？最大的相同点又是什么？

1.两边都承认——不能只靠善意和口号活下去。

2.作者：生存第一、威慑度、委托谁握开关——冷的、可量化的、制度向的。

读者：被不被感谢、傲慢、内卷有没有意义、舆论造神毁神——热的、情绪向的、自我向的。

**5、使用yingzao skill创作宣传图（考察mimo对skill使用的把握），生成网页场景

**

skill来源：归藏老师

mimo desktop是自带生图功能的

所以只要方向对我们能够产出高质量，有审美的图

在执行skill的时候，也是很严谨。

作为多模态模型的好处就是可以读懂每一张图，从而做出相关调整

为此我找了五组图片分别测试

图1 电车艺术字化

我们可以看出经过mimo+skill处理以后整个图片看上去更有氛围感

图2 青铜器五合一

之前我去省博物馆拍了很多文物，但光这样做为宣传图肯定是很丑的

于是我们将其进行艺术组合，是不是突然那种氛围感就上来了

图3 园林风景五合一

这是我从网上找的五张园林照片

处理之后，说是作为艺术摄影展作品的封面也不为过

图4 古镇照片艺术化

这也是我从网上找到的五张古镇的照片，艺术化以后可以看出变得比之前更有一种文化韵味

艺术化从来都不是简单的调调滤镜，搭配文字，而是你真正能感受到相互之间的呼应与其中展现出来的艺术气息

总结下来，我感觉mimo desktop主要有几点优势：

一是能力强：新模型和 harness 是协同调优的，框架基础是 MiMo Code，另外配了四重持久记忆——项目记忆、会话检查点、任务进度、全局记忆——专治Agent长任务「容易遗忘」的老毛病。

而且几个会话之间还能互相通信，按需自动凑成一个多角色Agent团队干活。

二是能力全：图片、视频、PDF、录音这些多模态素材直接丢进去（输入），产出（输出）可以是文档、设计、视频、3D，而且还能直连 Blender 和 Figma。

更关键的是改起来不折腾：支持元素级点选修改，改坏了有版本回滚，可以"悔棋"。

三是省钱：MiMo Desktop内置了 Smart 调度，可以按任务复杂度自动选模型；然后局部编辑只重算改动的部分；

最牛的是长会话里面的缓存命中最高能到 99%。

简单来说，长任务的成本是可控的。

我前两天还刷到一个中国办公 Agent 用户行为报告

5%的付费用户吃掉近半数算力，编程占任务量近四成

缓存这个点确实是重要的痛点，它能够极大节省agent的使用成本，看了一下这个报告。它表示DeepSeek能够实现96.8%的缓存命中，就能够节省约80%的费用。

而MiMo Desktop能够做到99%，那就意味着，它甚至可以节省超80%的费用！

最爽的是它支持自定义接入任何模型使用～

也支持操作浏览器：

最后

我感觉，MiMo Desktop 是我目前用下来，长任务跑得最稳的桌面 Agent之一。

而且它便宜。长任务是最费token的，这次依靠99%的缓存，能节省很多成本。

从 Claude Code、OpenClaw、Codex到今天小米也推出了 MiMo Desktop，我能感觉到 Agent 的比拼已经到了白热化的阶段，不仅要看效果，还得更便宜。

小米下场之后，这场仗只会打得更凶，对我们用户来说是好事。～