Problém s pamětí, který zná každý vibe coder

Když pracujete s AI coding agenty na větších projektech, dřív nebo později narazíte na stejnou zeď: čím delší session, tím víc agent zapomíná. Context se komprimuje, rozhodnutí mizí a najednou vysvětlujete strukturu projektu potřetí. Xiaomi vsadilo na to, že řešením je persistentní paměť – a teď dali svůj nástroj zdarma k dispozici.

Co MiMo Code umí

MiMo Code je terminalový AI coding assistant postavený na open-source frameworku OpenCode. Xiaomi ho rozšířili o vlastní paměťovou architekturu, která udržuje context napříč sessions pomocí SQLite FTS5 full-text search. Systém funguje na čtyřech vrstvách: projekt memory v persistentním MEMORY.md souboru, session checkpointy, scratch notes a per-task progress logy.

Trik je v architektuře: MiMo Code používá dedikovaný "checkpoint-writer" subagent, který se stará o dokumentaci, zatímco primární coding agent pokračuje v práci. Představte si to jako kdyby architekt aktualizoval plány v reálném čase, zatímco stavaři staví – všichni zůstávají synchronizovaní bez zastavení práce.

Systém má také příkaz /dream, který periodicky prochází historické sessions, deduplikuje je a komprimuje learnings do dlouhodobé paměti. Je tu i funkce "distill", která hledá v minulých sessions opakující se workflow k automatizaci – podobný přístup nedávno adoptovaly OpenAI a Anthropic.

Benchmarky

Xiaomi ukazuje slušná čísla. Podle jejich publikovaných dat MiMo Code s MiMo-V2.5-Pro porazil Claude Code s Claude Sonnet 4.6 ve třech standardních evaluacích:

• SWE-bench Verified: 82% vs. 79%
• SWE-bench Pro: 62% vs. 55%
• Terminal Bench 2: 73% vs. 69%

Zajímavější je tvrzení, že samotný harness je zodpovědný za zhruba pět procentních bodů toho zisku. Stejný model v obou harnesích ukázal měřitelné rozdíly čistě díky architektuře agent systému.

Realita je ale nuancovanější než čísla, která Xiaomi rádo prezentuje. OpenAI Codex CLI s GPT-5.5 dosahuje 82.2% na oficiálním Terminal-Bench leaderboard – zhruba devět bodů nad MiMo Code. Na druhou stranu na SWE-Bench Pro MiMo Code s 62% těsně předstihuje OpenAI reportovaných 58.6% pro GPT-5.5.

Stojí za zmínku, že Xiaomi srovnává výhradně s Claude Code a vyhýbá se přímým srovnáním s OpenAI Codex nebo Google Gemini CLI.

Jak začít

MiMo Code je dostupný na GitHubu pod MIT licencí. Instalace je přímočará:

macOS a Linux:

curl -fsSL https://mimo.xiaomi.com/install | bash

Windows:

npm install -g @mimo-ai/cli

Xiaomi také nabízí omezený bezplatný přístup k MiMo-V2.5, jejich multimodálnímu vlajkovému modelu s milionovým context window – bez registrace.

Proč to má smysl

Problém s pamětí není trivialita. Pro vibe codery na větších projektech ztráta contextu během dlouhých sessions vytváří friction, který podkopává produktivitu, kterou AI coding agenty slibují. Průmysl to většinou řešil jako context window problém – větší okna, lepší komprese. Xiaomi ale naznačuje jinou cestu: explicitní storage-and-retrieval, který rozhoduje, jaká informace je důležitá a kdy ji připomenout.

Jak se MiMo Code osvědčí v praxi, se teprve uvidí, ale základní teze – že persistent memory architektura si zaslouží seriózní inženýrskou pozornost – dává smysl. Open-source release dává komunitě šanci přístup validovat ve velkém.

Pro vývojáře unavené z neustálého vysvětlování projektu AI asistentům to může být zajímavá volba. Miliontoken context window spárovaný s persistentní cross-session pamětí by mohl vibe coding zkušenost skutečně změnit – pokud benchmarky obstojí v real-world testech.