Xiaomi выложила в open source фреймворк Miloco 2.0. Если в двух словах — это «Джарвис» для Mi Home. Система видит, слышит и запоминает что происходит дома, а потом сама предлагает что делать. Не по расписанию, не по сценарию написанному вручную. По ситуации.
Релиз состоялся 19 июня на GitHub. Прошлая версия Miloco 1.0 вышла в октябре 2025 и особого шума не наделала — сырая, ограниченная, для энтузиастов. Вторая версия — другой разговор. Xiaomi вложила в неё мультимодальную модель MiMo-V2.5, интеграцию с OpenClaw-агентами и четыре ключевые способности которых раньше не было ни у одной потребительской экосистемы.
Первая — мультимодальное восприятие. Камера видит пар над чайником, микрофон слышит сигнал — Miloco понимает что вода закипела. Не по таймеру, не по датчику температуры. По совокупности признаков, как человек. Система находит ближайшую к пользователю колонку и сообщает: чайник вскипел.
Вторая — семейная память. Miloco различает членов семьи и помнит кто что любит. Отцу когда он за ноутбуком — яркий тёплый свет. Матери когда она с блокнотом — мягкий нейтральный. Система учитывает медицинские особенности: если у кого-то проблемы с поясницей, напомнит размяться после часа сидения. Данные хранятся локально, через 30 дней автоудаляются.
Третья — проактивные сценарии. Miloco не ждёт команды. Заметил что ребёнок сутулится за уроками — сделал замечание через ближайшую колонку. Смотрит телевизор дольше часа — предложил перерыв. Пожилой человек ночью пошёл на кухню и долго не возвращается — система может отправить уведомление родственникам. Ничего из этого не требует настройки сценариев вручную.
Четвёртая — долгоиграющие задачи. Подготовка сюрприза ко дню рождения с отложенным запуском: за неделю начать подбирать музыку, за день напомнить купить торт, утром включить поздравление на всех колонках. Система держит контекст не минуту и не час, а дни и недели.
Как это устроено технически. Miloco 2.0 — прослойка между железом Mi Home и AI-агентом (OpenClaw или аналогом). Камеры и датчики Xiaomi собирают данные. Локальный сервер Miloco прогоняет их через мультимодальную модель MiMo. Извлечённые смыслы — «человек на диване читает», «чайник закипел» — уходят агенту. Тот принимает решение и через Miloco отдаёт команду устройствам. Исходные данные с камер наружу не уходят, только семантический результат.
Для запуска нужен ПК с OpenClaw, аккаунт Xiaomi, хотя бы одна камера Mi Home и API-ключ к мультимодальной модели. Xiaomi продвигает свою MiMo, но архитектура открытая — можно подключить другую модель. Весь код на GitHub, лицензия Apache 2.0.
Почему это важно. Умный дом до сих пор был тупым. Он выполнял сценарии: «если датчик сработал — включить свет». Miloco 2.0 делает шаг к дому который понимает контекст. Который не ждёт команд, а предлагает действия сам. Пока это ранняя версия для гиков, но направление задано. Через пару лет такой подход станет стандартом, и Xiaomi здесь первая.