diff --git a/docs/mindspore/source_zh_cn/features/mint.md b/docs/mindspore/source_zh_cn/features/mint.md
new file mode 100644
index 0000000000000000000000000000000000000000..76e6db2ac7dafd9178c822ad3efead424b445ae5
--- /dev/null
+++ b/docs/mindspore/source_zh_cn/features/mint.md
@@ -0,0 +1,164 @@
+# mint API 介绍
+
+[![查看源文件](https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/master/resource/_static/logo_source.svg)](https://gitee.com/mindspore/docs/blob/master/docs/mindspore/source_zh_cn/features/mint.md)
+
+## 介绍
+
+随着cann推出aclnn类算子，mindspore存量的ops nn等API要进行适配优化，为了不影响原有API的行为同时保证兼容性，我们为此创建一个新的API目录来做这件事，新目录的名字mint的想法来自于linux is not unix。在mindspore.mint下，提供张量创建、计算、神经网络、通信等常用pytorch-like API。本文主要介绍mint类API支持范围和入参区别等。这部分API主要包含张量创建，随机采样，数学计算，神经网络，集群通信类。
+
+### 张量创建
+
+以empty这个API看下主要差异点
+
+| torch.empty | mindspore.mint.empty | 说明 |
+|:---: |   :---:  | :---:|
+| `*size` (int...) | `*size` (int...) | 必选 |
+| `dtype` | `dtype` | 可选 |
+| `device` | `device` | 可选 |
+| `layout` | 无 | 可选 |
+`requires_grad` | 无 | 可选 |
+| `pin_memory` | 无 | 可选 |
+|`memory_format` | 无 | 可选 |
+| `out` | 无 | 可选 |
+
+#### 当前不支持的参数说明
+
+- `layout`: 创建torch tensor时，一般默认layout是stride，即dense tensor。mindspore创建tensor时，默认是dense tensor，与torch 无差异。开发者无需设置。
+- `memory_format`: tensor的内存排布，默认都是NCHW格式。torch 提供channel_last格式即NHWC，在一些场景中，这样会有性能提升，但是泛化性和兼容性需要开发者实际测试和验证。使用mindspore开发，可不设置此参数。
+- `requires_grad`: 由于框架自动微分求导机制不同，mindspore在tensor的属性中没有设置此参数。对于是否需要计算梯度，常用的parameter类提供了此参数。如果无需计算梯度，可参考[mindspore.ops.stop_gradient](https://www.mindspore.cn/docs/zh-CN/master/api_python/ops/mindspore.ops.stop_gradient.html)
+- `pin_memory`: 返回的tensor被分配到pinned memory，我们已经规划支持此功能。计划在2.7.1版本推出。
+- `out`: 指定输出张量，用于原地操作和内存优化。当提供 `out` 参数时，操作结果会直接写入到指定的张量中，而不是创建新的张量。当前未规划支持此参数。
+
+**代码示例**:
+
+```diff
+- import torch
++ import mindspore
+
+- x = torch.empty(2, 3, dtype=torch.float32)
++ x = mindspore.mint.empty(2, 3, dtype=mindspore.float32)
+```
+
+总结：tensor相关可选参数涉及框架实现机制不同，我们也会根据开发者反馈不断完善，如tensor storage能力已规划。
+
+### 随机采样
+以bernoulli举例
+
+| torch.bernoulli | mindspore.mint.bernoulli | 说明 |
+|:---: |   :---:  | :---:|
+| `input` (Tensor...) | `input` (Tensor...) | 必选 |
+| `generator` | `generator`| 可选 |
+| `out` | 无 | 可选 |
+
+out参数差异参考张量创建
+
+**代码示例**:
+```diff
+- import torch
++ import mindspore.mint
+
+- a = torch.ones(3, 3)
++ a = mindspore.mint.ones(3, 3)
+
+- torch.bernoulli(a)
++ mindspore.mint.bernoulli(a)
+```
+
+### 数学计算
+
+基础计算类当前均已支持，以mul举例
+| torch.mul | mindspore.mint.mul | 说明 |
+|:---: |   :---:  | :---:|
+| `*size` (Tensor...) | `*size` (Tensor...) | 必选 |
+| `other` | `other`| 可选 |
+| `out` | 无 | 可选 |
+
+计算类ops当前不支持的参数与tensor creation是类似的，这与tensor实现机制相关。例如out
+
+**代码示例**:
+
+```diff
+- import torch
++ import mindspore.mint
+
+- a = torch.randn(3)
++ a = mindspore.mint.randn(3)
+
+- torch.mul(a,50)
++ mindspore.mint.mul(a,50)
+```
+
+### 神经网络
+
+常用nn类，例如conv2d，参数均一致。
+
+| torch.conv2d | mindspore.mint.conv2d | 说明 |
+|:---: |   :---:  | :---:|
+| `in_channels` (int) | `in_channels` (int) | 必选 |
+| `out_channels`(int) | `out_channels`(int) | 必选 |
+| `kernel_size` (int or tuple) | `kernel_size` (int or tuple) | 必选 |
+| `stride` (int or tuple) | `stride` (int or tuple) | 可选 |
+| `padding`(int,tuple or str) | `padding`(int,tuple or str) | 可选 |
+| `padding_mode` (str) | `padding_mode` (str)  | 可选 |
+| `dilation`(int or tuple) | `dilation`(int or tuple) | 可选 |
+| `groups` (int) | `groups` (int) | 可选 |
+| `bias`(bool) | `bias`(bool) | 可选 |
+
+
+**代码示例**:
+
+```diff
+- import torch
++ import mindspore
+
+in_channels = 16
+out_channels = 33
+kernel_size = (3, 5)
+stride = (2, 1)
+padding = (4, 2)
+dilation = (3, 1)
+
+- input = torch.rand(20,16,50,100)
++ input = mindspore.mint.rand(20,16,50,100)
+
+- model = torch.conv2d(16,33,(3,5),stride=(2, 1), padding=(4, 2), dilation=(3, 1))
++ model = mindspore.mint.conv2d(16,33,(3,5),stride=(2, 1), padding=(4, 2), dilation=(3, 1))
+
+output = model(input)
+```
+
+包含inplace参数的，当前未全部支持，例如
+
+| API  | Args  | 
+| :--- | :--- | 
+| torch.nn.functional_dropout2d | input, p=0.5, training=True, inplace=False |
+| mindspore.mint.nn.functional_dropout2d | input, p=0.5, training=True
+
+#### torch废弃的参数，不支持，例如
+
+| torch.nn.MSELoss | 是否废弃 | mindspore.nn.MSELoss | 说明 |
+|:---: |  :--- |  :---:  | :---:|
+| `size_average`  | yes  | N.A | 不支持 |
+| `reduce`  | yes  | N.A | 不支持 |
+| `reduction`  | no  | `reduction` | 支持 |
+
+### 集群通信类
+
+常用all_gather/all_reduce/all_to_all等均已支持，参数也保持一致，例如
+
+| torch.distributed.all_gather | mindspore.mint.distributed.all_gather | 说明 |
+|:---: |   :---:  | :---:|
+| `tensor_list` (list[Tensor]) | `tensor_list` (list(Tensor)) | 必选 |
+| `tensor`(Tensor) | `tensor`(Tensor) | 可选 |
+| `group`(ProcessGroup) | `group` (ProcessGroup) | 可选 |
+| `async_op` (bool) | `async_op` (bool) | 可选 |
+
+
+| torch.distributed.all_reduce | mindspore.mint.distributed.all_reduce | 说明 |
+|:---: |   :---:  | :---:|
+| `tensor` (Tensor) | `Tensor` (Tensor) | 必选 |
+| `op` | `op` | 可选 |
+| `group`(ProcessGroup) | `group` (ProcessGroup) | 可选 |
+| `async_op` (bool) | `async_op` (bool) | 可选 |
+
+更多API支持情况请查阅[mint支持列表](https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore.mint.html)
\ No newline at end of file