小米在 6 月 10 日开源的终端 AI 编程 Agent MiMo Code,发布一周 GitHub star 就冲到 8.1k,让它出圈的是那句"在长任务上超过了 Claude Code"。直说结论吧——这个说法来自小米自己的 benchmark,没有第三方独立验证,对比对象也不是 Anthropic 真正的旗舰模型。但它戳的那个痛点是真实的,这才是这个工具值得你花时间了解的原因。 小米 MiMo Code 到底是什么
MiMo Code 是一个跑在终端里的 AI 编程助手,能读写代码、执行命令、管理 Git,基于开源项目 OpenCode fork 出来,以 MIT 协议发布。小米在这个基础上加了自己的东西:跨会话记忆、智能上下文管理、子 agent 编排、目标驱动的自主循环,还有一套叫 dream/distill 的自我进化机制。 底层模型是 MiMo-V2.5-Pro,一个 1.02 万亿总参数、42 亿激活参数的 MoE 架构,支持 100 万上下文。上手门槛做得挺低——装好之后内置一个叫 MiMo Auto 的免费限免通道,匿名就能用,零配置。如果你本来就是 Claude Code 用户,还支持直接导入 Claude Code 的认证配置迁移过来。 小米 MiMo Code 超越 Claude Code?
小米官方给的对比数据是这样的:
两个 benchmark 各领先大约 5 个百分点,看着确实赢了。但你注意右边那一列,对比的是 Claude Sonnet 4.6,不是 Anthropic 的旗舰 Opus。拿自己最强的跟对方的中杯比,赢 5 个点说服力要打折。
这些数据全来自小米自测,目前没有任何独立的第三方评测机构验证。小米自己的技术博客也承认,这两个 benchmark"测的仍然是单次解决单个仓库级问题的能力",不是长任务。
真正有意思的是 200 步那个实验
除了跑标准 benchmark,小米还组织了一场真人参与的双盲实验:576 名开发者,在 474 个真实的私有仓库里,做了 1213 次双盲 A/B 对比,每次都是两个工具各干一遍同样的任务,让人来判断谁更好。结论是:任务在 200 步以内时,两个工具基本打平;一旦超过 200 步,MiMo Code 的胜率涨到 65% 以上。
这个比那两个百分比数字有价值得多。它指向的是所有 AI 编程 agent 都头疼的问题:跑着跑着就垮掉。上下文塞满了,AI 开始忘记前面定下的方案,重复读同一个文件,把早就否决掉的思路又捡回来——你肯定遇到过这个。这个 200 步的分水岭,量化的就是这件事。当然,这个实验同样是在小米自己服务器上跑的,外部没法复现验证,但至少它问对了问题。
它怎么解决这个问题
MiMo Code 有一套四层的持久化记忆系统:会话记忆、项目记忆(存在 MEMORY.md 里,跨会话保留架构决策和用户定的规则)、全局用户偏好,底层用 SQLite FTS5 全文检索串起来。
这里有两个设计细节特别值得提。它故意用 SQLite 全文检索而不是向量数据库,理由是"可审查性"——你可以直接读、改、删 agent 学到的东西,不需要专门的界面。向量库对用户是黑盒,你根本不知道它记住了什么,这个取舍有道理。
另一个更妙:checkpoint 的写入时机不是等上下文塞满了才存,而是在上下文预算的 20%、45%、70% 这几个点提前触发。道理很清晰,上下文利用率越高,压缩质量越差——"lost in the middle"——所以最糟糕的压缩时机恰恰是窗口快满的时候。趁模型还有余力的时候提前记下状态,质量更高。
还有两个工程设计。一个是 /goal 命令,给会话设一个停止条件,由独立的判官模型评估任务是否真的完成,专门防止那种"乐观早停"。另一个是 Dynamic Workflow,把编排逻辑从自然语言指令转成确定性的 JavaScript 丢进沙箱执行——一个 JavaScript 的 if 语句不会忘记某个分支,但 prompt 里的 agent 指令可能会忘。
MiMo Code 快速上手
一行命令装好,走 MiMo Auto 免费通道:
走这条路才能用到前面讲的那套记忆和 checkpoint 能力,这些是工具层面的工程,不在模型里。如果你只想接模型、不换工具,可以在小米开放平台申请 API Key,在原来的 Claude Code 里直接切换,不过长任务记忆能力就带不过去了。
用前必须想清楚一件事
MiMo Auto 那个免费云端通道意味着你的代码会被路由到小米的服务器,对有合规要求、涉及私有代码的团队来说,这是个必须想清楚的问题。好在 MiMo Code 支持自定义模型接口,你可以接任何 OpenAI 兼容的 API 或本地 Ollama,代码完全不经过小米服务器,工具的记忆能力照样能用。
MiMo Code 真正的价值不是比 Claude Code 强多少,而是把"长任务上下文管理"这个所有 agent 都没认真解决的问题,第一次拿出来当成核心工程目标做了一遍。如果你受够了 AI 编程工具跑到一半就忘记自己在干什么,这个工具值得你花一下午试试。