Xiaomi MiMo Claw

Xiaomi MiMo Claw官网:小米推出的零部署AI智能体服务平台,由OpenClaw开源框架构建

简介

Xiaomi MiMo Claw是小米于2026年3月正式推出的零部署AI智能体服务平台，基于自研MiMo-V2-Pro万亿参数大模型和OpenClaw开源框架构建，定位为”一键养虾”的云端解决方案。用户无需准备服务器、配置Docker环境或申请API Key，打开网页即可在2分钟内创建专属AI助手，单次可免费体验30分钟，退出后数据自动销毁，充分保障隐私安全。该平台深度集成金山WebOffice办公生态，原生支持Word、Excel、PPT、PDF四大主流文档格式的在线预览与处理，覆盖超95%的日常办公场景。MiMo Claw搭载总参数超1万亿、上下文窗口达100万Token的MiMo-V2-Pro旗舰模型，在Agent评测榜单中位居全球顶尖水平，代码能力接近Claude Opus 4.6，但API价格仅为其五分之一。平台支持复杂任务自动化执行，如通过Python爬虫定时抓取数据、生成静态网页并部署，还能自主修正执行过程中的错误。无论是文档生成、新闻获取、内容创作还是开发提效，用户都可通过自然语言指令完成，真正实现AI从对话到执行的跨越。

Xiaomi MiMo Claw官网: https://aistudio.xiaomimimo.com/

以下是完整的博客文章，直接可复制使用：

Xiaomi MiMo Claw 深度评测：一万亿参数的「移动龙虾」能否改写 AI Agent 格局？

2026年3月，科技圈被一股「养龙虾」的热潮席卷。OpenClaw 这个开源 AI Agent 框架以几近病毒式的速度传播，让无数人第一次亲眼见证了 AI 从「聊天工具」到「自主行动者」的质变。随即，中国各大科技巨头纷纷入场，抢占这块被无数人称为「下一代操作系统」的新大陆。

在这场竞速中，小米的出手堪称最系统、最完整，也最出人意料。2026年3月6日，小米正式宣布开始封闭测试 Xiaomi miclaw——官方称之为「手机龙虾」，这是国内首个以手机端为核心战场的系统级 AI Agent 产品。随后3月19日，小米一口气发布了三款全新大模型（MiMo-V2-Pro、MiMo-V2-Omni、MiMo-V2-TTS），同步上线了面向 PC 端和 Web 端的 Xiaomi MiMo Claw 平台，开放免费体验，并一键集成 OpenClaw 部署能力。

从手机到电脑，从移动 Agent 到云端 AI 助手，小米用两个产品线、三款模型、一套完整的生态战略，构建出了中国 AI Agent 赛道目前最完整的垂直纵深布局。

产品矩阵：MiMo Claw 的全貌

要真正理解 Xiaomi MiMo Claw，必须先搞清楚小米在这次布局中推出的三个紧密关联的产品形态，它们共同构成了「MiMo Claw」这个超级系统的完整面貌。

Xiaomi miclaw（移动端，手机龙虾）

这是整个布局的基石，也是最具差异化的产品形态。Xiaomi miclaw 是一个系统级移动 AI Agent，它运行在小米手机之上，突破了传统 AI 助手只能在单一 App 内对话的局限，真正实现了跨 App、跨系统功能的自主任务执行。

雷军在社交媒体亲自将其命名为「手机龙虾」，并表示小米接下来还将推出「电脑龙虾」。在国内所有手机厂商的 AI Agent 产品中，miclaw 是迄今为止功能规格最完整、开放测试最早的一款，直接将移动端 AI Agent 推向了一个全新的技术高度。

首批封测机型为小米17系列（小米17、17 Pro、17 Pro Max、17 Ultra、17 Ultra Edition）及 Redmi K90 系列，采用邀请制，不公开招募。

Xiaomi MiMo Claw（Web 端，PC Agent 平台）

这是2026年3月19日随三款大模型同步发布的平台产品，面向 Web 和 PC 用户开放免费体验。用户可以在 MiMo Studio 官网直接访问，进入后体验一个具备完整文件系统的云端 AI Agent 工作台。

它的核心定位是：让不懂技术的普通用户，通过点击几个按钮，就能在云端环境中一键部署 OpenClaw，并立即开始使用 AI Agent 完成各类任务，无需自行配置 Docker、Node.js 等任何开发环境。

MiMo Studio（模型开发者平台）

作为底层支撑，MiMo Studio 是小米面向开发者开放的模型调用和 Agent 开发平台，开发者可通过 API 接入 MiMo-V2-Pro 和 MiMo-V2-Omni，构建定制化的 AI Agent 应用。当前 API 定价为输入 $1/百万 Token、输出 $3/百万 Token，远低于同级别竞争对手。

底层大脑：三款模型的技术突破

MiMo Claw 之所以与市面上的同类产品拉开差距，根本原因在于其背后的模型支撑——小米这次推出的三款大模型，每一款都具有足以引发业界震动的技术规格。

MiMo-V2-Pro：「OpenClaw 原生大脑」

MiMo-V2-Pro 是这次发布的旗舰模型，也是 MiMo Claw 最核心的技术底座。

这是一款万亿参数级别的大语言模型，活跃参数达到420亿，配备100万 Token 的超长上下文窗口——这意味着它可以一次性处理相当于整本长篇小说的文本内容，并在整个任务流程中保持完整的记忆连贯性。

在权威评测基准上，MiMo-V2-Pro 的表现令人印象深刻：

• SWE-bench Verified（代码工程能力）：78%，仅略低于 Claude Opus 4.6 的80.8% 和 Claude Sonnet 4.6 的79.6%
• ClawEval（Agent 能力基准）：81分，几乎与 Claude Opus 4.6 的81.5分并肩，远超 GPT-5.2 的77分
• PinchBench（OpenClaw 标准评估）：全球领先成绩
• Artificial Analysis Intelligence Index：全球第七位，中国模型中排名第三

但最令市场震撼的不是成绩本身，而是定价：MiMo-V2-Pro API 的混合价格仅为每百万 Token $1.50，相比同级别的 Claude Opus 4.6（$15/$75 输入/输出）便宜近20倍以上。这一定价策略直接搅动了全球 AI 模型的定价体系，社区用户称之为「AI 定价大屠杀」。

值得一提的是，MiMo-V2-Pro 在正式公开前，曾以「Hunter Alpha」的匿名身份出现在 OpenRouter 平台，在没有任何推广的情况下悄悄登顶排行榜榜首长达一周，引发开发者社区的广泛猜测。这次「匿名测试」进一步证明了其真实能力的可靠性。

模型背后的技术团队由前 DeepSeek R1 核心成员领衔，这也解释了为何 MiMo-V2-Pro 在复杂推理和 Agent 任务上的表现如此出色。在训练方式上，小米采用了跨多种复杂 Agent 脚手架的 SFT + RL 联合训练策略，赋予了模型更强的工具调用稳定性和多步推理能力。

MiMo-V2-Omni：突破感知边界的全模态模型

MiMo-V2-Omni 是小米同期发布的多模态旗舰，也是 MiMo Claw 在多模态任务场景下的核心支撑。

它的架构设计彻底区别于「将图像、音频、文本能力拼凑在一起」的传统多模态方案——MiMo-V2-Omni 将专用的图像编码器、视频编码器、音频编码器融合进统一共享主干网络，实现了真正意义上的同步感知，而非分离处理。

核心能力亮点：

• 视觉推理超越 Claude Opus 4.6：在 MMMU-Pro（多学科视觉推理）和 CharXiv RQ（复杂图表分析）两项基准上，MiMo-V2-Omni 的得分均超过 Claude Opus 4.6，接近 Gemini 3 水平
• 10小时连续音频理解：行业首创能力，可在单次请求中处理超过10小时的连续音频内容，无任何质量损失，适用于完整会议分析、播客/访谈内容提取、长篇语音对话理解等高价值场景
• 原生工具调用与 UI 定位：不需要借助外部插件，即可直接进行界面元素识别和操作
• 原生音频视频联合输入：不仅能分别理解音频和视频，更能在同一任务中对两者进行联合分析理解
• MM-BrowserComp（网页导航能力）：超越 GPT-5.2 和 Gemini 3 Pro

MiMo-V2-TTS：为 Agent 配上流畅的声音

第三款模型 MiMo-V2-TTS 是小米为完整 Agent 体验补上的最后一块拼图——高质量语音合成模型。它与 MiMo Claw 的语音交互功能深度结合，让用户与 AI Agent 的对话可以以自然、流畅的语音形式完成，而不只是文字堆砌。

核心功能深度解析

系统级跨 App 任务执行

Xiaomi miclaw 最核心的能力，是跨越单一 App 边界的系统级任务执行。这与传统 AI 助手存在根本性差异：

传统 AI 助手（如 Siri、小爱同学）只能在特定功能模块内回答问题或执行简单指令；miclaw 则能够理解用户的意图，自动规划任务路径，跨越多个 App 和系统功能模块，完成复杂的多步骤工作流。

一个典型场景：用户收到一条演唱会购票成功的短信，只需对 miclaw 说「帮我安排好这件事」，它就会自动完成三项联动任务——在日历中创建活动、查询当天的天气预报、提前两小时设置出门提醒闹钟。用户全程不需要打开任何应用，更不需要手动操作任何步骤。

目前 miclaw 已集成超过 50个系统工具，涵盖：

• 短信读写与发送
• 日历事件创建与管理
• 联网搜索与信息提取
• App 启动与操控
• 文件访问与管理
• 网络购物下单
• 出行时间计算与路线规划
• 天气查询
• 智能家居设备控制（米家全品类）

一键部署 OpenClaw

在 Web 端的 MiMo Claw 平台，最受普通用户欢迎的功能是「一键部署 OpenClaw」。用户无需了解 Docker、Node.js 等任何技术知识，点击按钮即可在云端沙箱环境中运行完整的 OpenClaw 实例，立刻开始使用 AI Agent 能力。

这一功能将此前需要30分钟以上专业配置才能完成的操作，压缩到了不到30秒。每位用户可免费体验30分钟，退出后数据自动销毁，兼顾了可用性与隐私保护。

深度集成金山 WebOffice

MiMo Claw Web 平台的另一大亮点是与金山 WebOffice 的深度整合。平台原生支持 Word、Excel、PPT、PDF 四大主流文档格式的在线预览与编辑，覆盖超过 95% 的文档类型。用户可以直接在 MiMo Claw 中处理 Office 文档，让 AI Agent 辅助完成：

• 文档自动生成与排版
• 数据表格分析与可视化
• PPT 内容优化与重构
• PDF 内容提取与摘要

这一整合将 AI Agent 与国内最主流的办公生态直接打通，使其能够融入用户的真实工作场景，而不只是一个「展示用的演示工具」。

个人上下文记忆

miclaw 具备个人化上下文理解能力，能够识别用户身份、记住使用偏好，并在处理模糊指令时进行合理推断。例如，当用户说「下班去那个我常去的地方」，它能够结合历史使用记录理解「那个地方」指的是什么，而无需每次都重新解释。

这种记忆能力让 AI Agent 从「每次从零开始的工具」进化为「真正理解你的私人助理」，是用户体验上的质变。

MCP 协议支持

miclaw 原生支持 MCP（Model Context Protocol），这意味着它可以与外部系统、数据库、第三方服务进行标准化的上下文共享，大幅扩展了 Agent 能够操控的工具范围和应用场景。对开发者而言，这也是一个极具吸引力的特性，意味着可以基于 miclaw 构建定制化的垂直行业 Agent 解决方案。

多模态交互

结合 MiMo-V2-Omni 的能力，MiMo Claw 支持真正意义上的多模态交互：

• 发送图片，Agent 理解图片内容并据此执行操作
• 语音下达指令，系统理解语义并自动规划任务
• 分析摄像头画面，例如查看家中是否有人并截图发送
• 视频内容分析，结合长达10小时的连续音频理解能力，适用于长视频摘要等场景

深度测评：亲历体验与用户反馈

实测表现

根据 IT之家等媒体的实测结果，以及来自开发者社区的大量用户反馈，可以归纳出 MiMo Claw 的真实使用体验：

代码生成与 Web 开发：在 OpenClaw 框架内，MiMo-V2-Pro 表现出色，能够快速生成功能完整的网页应用，前端样式精致，代码质量稳定。有用户评价「它真的是一口气生成了一个完整的网站，不只是片段代码」。

新闻抓取与内容存储：IT之家测试显示，MiMo Claw 可以成功抓取网站图片和新闻内容，并自动存储到内置文件系统中，任务完成度高，操作流畅。

手机端自动化：在移动端 miclaw 的演示场景中，「打开家中摄像头、分析画面、截图发送」这一四步复合任务得到了验证，整个过程由用户一句话触发，AI 自主执行，无需人工干预。

信息检索与整合：模型在处理需要联网搜索并整合多来源信息的任务时，响应准确，信息梳理清晰，体现了1M Token 超长上下文的实际价值。

Reddit 开发者评价：来自 OpenClaw 社区的开发者普遍对 MiMo-V2-Pro 给出了「非常出色、高度一致、能记住所有内容」的评价，对其 Agent 任务执行能力的一致性印象深刻，认为它是目前在 OpenClaw 环境下表现最稳定的开源模型之一。

已知限制与不足

移动端设备限制：miclaw 首批仅支持小米17系列和 Redmi K90 系列，非小米设备用户完全无法体验，在现阶段是最大的使用门槛。

封测阶段功能未完全开放：由于仍处于邀请制封测阶段，miclaw 的部分高级功能尚未向普通用户开放，完整能力体验需要等待公测。

Web 端免费体验时长限制：MiMo Claw Web 平台每次免费体验仅30分钟，退出后数据销毁，对需要长时间持续工作的用户而言存在明显局限。

Agent 基准仍与顶尖模型存在差距：在 ClawEval 中，MiMo-V2-Omni 仅得54.8分，显著低于 Claude Opus 4.6 的66.3分，说明在全模态 Agent 任务上仍有提升空间。

「MiMo Claw」与「miclaw」命名混乱：两个产品形态的命名极为相似，文档和媒体报道中存在大量混用，给用户造成明显的理解困惑，小米在产品命名管理上需要进一步规范。

五款同类产品深度对比

随着 AI Agent 赛道的高速升温，市场上已经聚集了一批具有代表性的竞品。以下将 Xiaomi MiMo Claw 与五款主要产品进行深度横向对比。

竞品一：腾讯 QClaw

腾讯的 QClaw（官方昵称「小龙虾」）是目前国内 AI Agent 产品中知名度最高的一款，也是 MiMo Claw 最直接的国内竞争对手。

产品定位：QClaw 是一款面向普通用户的本地 AI Agent 工具，强调「零配置安装」和「数据本地化处理」，最大亮点是与微信、QQ 小程序的深度整合，通过微信直接下达语音/图片指令来操控电脑。

核心优势：

• 微信 + QQ 双平台入口是任何竞品都无法复制的天然护城河
• 本地化处理架构，数据不上云，隐私保护有力
• 三步完成安装，面向非技术用户极度友好
• 14亿微信用户的自然流量入口

主要不足：

• 内存占用偏高，低配设备体验受影响
• 移动端与桌面端无法同时保持活跃连接
• 功能丰富程度不及原版 OpenClaw，存在一定「阉割感」
• 没有自研大模型支撑，底层能力依赖 OpenClaw 框架本身

与 MiMo Claw 对比：QClaw 在社交生态入口上有压倒性优势，但 MiMo Claw 拥有自研万亿参数旗舰模型这张牌，在 Agent 执行能力的天花板上更高。QClaw 是「生态优先」的产品逻辑，MiMo Claw 是「技术驱动」的产品逻辑，两者代表了截然不同的竞争路径。此外，MiMo Claw 的手机端能力是 QClaw 完全不具备的维度。

竞品二：字节跳动 ArkClaw（火山方舟）

字节跳动旗下火山引擎推出的 ArkClaw，是基于 OpenClaw 的云端部署版本，用户无需本地安装，直接通过浏览器使用 AI Agent 能力。

产品定位：ArkClaw 主打「云端零配置」体验，面向希望不依赖本地算力就能使用 AI Agent 的用户，同时也在积极推进与飞书（Feishu）的深度整合——飞书是 OpenClaw 官方正式支持的唯一中文即时通讯平台，这为字节构建了独特的商务场景优势。

核心优势：

• 纯浏览器访问，跨设备体验一致
• 火山引擎强大的云计算基础设施支撑
• 飞书原生集成，企业协作场景优势明显
• 字节庞大的 AI 研发团队持续迭代

主要不足：

• 云端处理数据，隐私顾虑较明显
• 面向消费者市场的渗透力不如微信（QClaw）或手机系统（MiMo Claw）
• 飞书用户规模远小于微信，生态入口的日活优势有限
• 无自研专为 Agent 优化的旗舰模型

与 MiMo Claw 对比：在企业市场和商务协作场景下，ArkClaw + 飞书的组合具有明显优势；但在消费端日常使用、手机系统整合以及模型能力上，MiMo Claw 更胜一筹。ArkClaw 更适合 B 端客户，MiMo Claw 则同时覆盖 B 端和 C 端。

竞品三：Manus AI

Manus 是本轮 AI Agent 热潮中国际关注度最高的产品，由中国团队打造、面向全球市场，主打高度自主的复杂任务执行能力。

产品定位：Manus 将自己定位为「真正自主的通用 AI Agent」，核心优势是一次会话内完成多步骤、高复杂度的综合任务，包括网页研究、数据分析、文档处理、代码执行、多工具协同等，任务质量精良，在国际开发者社区口碑极佳。

核心优势：

• 复杂任务执行能力强，尤其擅长需要多工具协同的复合型任务
• 界面设计精良，用户体验细节打磨到位
• 国际化部署，全球用户可访问
• 在专业任务场景下的完成质量接近乃至超越本地 OpenClaw

主要不足：

• 纯订阅付费制，无免费版本，使用成本较高
• 闭源产品，无法自定义或审计
• 没有与任何主流即时通讯平台的原生集成（无微信、Telegram、飞书接口）
• 会话制设计，不支持7×24小时持续后台自动化
• 长任务处理中偶发上下文丢失

与 MiMo Claw 对比：Manus 在单次复杂任务的完成质量上是强劲对手，但 MiMo Claw 在国内生态整合（手机系统+办公软件）、数据隐私（本地处理）、使用成本（免费+超低 API 定价）以及手机端能力上具有系统性优势。对中国普通用户而言，MiMo Claw 的上手门槛和使用成本远低于 Manus。

竞品四：阿里巴巴 JVS Claw + Wukong

阿里巴巴在这波 AI Agent 热潮中的策略是「双线并进」：面向移动端部署的 JVS Claw，以及面向企业级多 Agent 协同的 Wukong 平台。

产品定位：JVS Claw 专注于降低移动端 OpenClaw 的部署门槛，以手机 App 形式帮助用户更方便地使用 Agent 能力；Wukong 则面向企业场景，能够协调多个 AI Agent 并行处理复杂业务流程。

核心优势：

• 阿里云的算力和技术积累深厚
• Wukong 在企业级多 Agent 协同场景下功能完整
• 与钉钉的整合优势（企业市场）
• 阿里在电商、支付、物流等场景的数据积累有利于垂直场景优化

主要不足：

• JVS Claw 主打移动端部署，但与小米 miclaw 系统级能力相比层次偏浅
• 钉钉月活用户规模与微信相差悬殊，消费端生态入口处于劣势
• 两款产品定位分散，缺乏统一的品牌叙事，市场认知模糊
• 没有像 MiMo-V2-Pro 这样的旗舰 Agent 专用模型

与 MiMo Claw 对比：阿里的优势在企业级市场，小米的优势在消费级市场。在手机系统级 Agent 的深度上，miclaw 目前是明显领先的；但在企业场景下的多 Agent 协同和商业化落地上，Wukong 的产品化程度更高。两者基本处于平行赛道，直接竞争有限。

竞品五：OpenClaw 原版自部署

既然 MiMo Claw 提供了「一键部署 OpenClaw」的能力，直接对比两者就具有最直接的参考价值。

OpenClaw 原版定义：开源 MIT 许可证，GitHub 上拥有超过24.7万颗星，是目前全球最热门的 AI Agent 开源框架，技术社区生态极为活跃。

原版优势：

• 功能最完整，无任何功能阉割或商业限制
• 完全开源，可无限自定义，可审计，可扩展
• ClawHub 市场拥有海量第三方技能和工具集
• 社区庞大，技术支持资源丰富
• 支持 Telegram、Discord、Slack 等多平台原生集成
• 长期使用成本最低（本地模型方案）

原版不足：

• 部署复杂，需要 Docker + Node.js 22+ + 网关配置，过程30分钟以上
• 安全漏洞记录较多（CVE-2026-25253 等高危漏洞）
• ClawHub 存在超过820个恶意软件包，需要谨慎甄别
• 非技术用户几乎无法独立完成安装
• 运维成本高，遇到问题需要自行排查

与 MiMo Claw 对比：对于开发者和技术爱好者，原版 OpenClaw 提供最大的自由度和最完整的能力；对于普通用户，MiMo Claw 的「一键部署」方案将门槛降到了最低。更重要的是，MiMo Claw 额外提供了手机端系统级 Agent 能力、金山 WebOffice 整合、MiMo-V2-Pro 旗舰模型能力——这些都是原版 OpenClaw 框架本身无法提供的价值增量。

横向对比一览

生态战略：小米为何能走出一条不同的路

表面上看，MiMo Claw 和 miclaw 是两个独立的产品，但放在更宏观的视角下，它们是小米整盘 AI 战略棋局中的关键落子。

小米的独特性在于：它是全球极少数同时拥有手机、智能家居 IoT、电动汽车和AI 大模型的企业之一。这套「人车家全生态」的战略在业界被频繁提及，但很多人没有意识到的是，AI Agent 的出现让这个生态战略真正有了「神经中枢」。

过去，「全生态」更多意味着设备互联互通，本质上是硬件的协同；有了 miclaw 这样的系统级 AI Agent，这个生态的整合层次从「设备互联」跃升到了「智能协同」——用一个 AI 大脑，在统一的意图理解下，调度手机、电视、摄像头、空调、电动汽车等所有设备，实现真正的「万物听命于一句话」。

雷军在3月19日的官方信息中明确表示：「手机龙虾已开放测试，电脑龙虾正在路上。」这意味着 miclaw 的产品线扩展路径已经清晰——从手机到笔记本电脑，再到汽车智能座舱，小米的 AI Agent 版图还在持续扩张。

当前状态与后续规划

截至2026年3月28日，MiMo Claw 的整体产品进展如下：

已完成里程碑：

• 3月6日：Xiaomi miclaw（手机龙虾）宣布封闭内测，首批支持小米17系列+Redmi K90系列
• 3月19日：MiMo-V2-Pro、MiMo-V2-Omni、MiMo-V2-TTS 三款模型同步发布
• 3月19日：Xiaomi MiMo Claw Web 平台上线，开放免费体验
• 3月19日：开放 OpenClaw、OpenCode、KiloCode、Blackbox、Cline 等框架限时免费接入一周

已知近期规划：

• 「电脑龙虾」（PC 端 miclaw）：雷军本人确认正在研发，时间节点待定
• 支持机型扩展：目前手机端仅支持小米17系列等旗舰机型，后续将逐步扩大覆盖范围
• MiMo Studio 开发者平台持续迭代，更多 API 能力和工具将陆续开放
• 与金山办公的整合将进一步深化，文档处理场景的 Agent 能力将持续提升

从技术积累、生态布局、定价策略和产品节奏来看，小米这次对 AI Agent 赛道的投入显然是经过深思熟虑的系统性押注，而非跟风之作。MiMo-V2-Pro「Hunter Alpha」的匿名测试策略、前 DeepSeek 团队的加盟、万亿参数模型在 Agent 基准上的实测表现——这些细节背后，是一个在这个赛道上真正做好了长期准备的玩家。