El Problema de Memoria que Todo Vibe Coder Conoce de Primera Mano

Trabajar con agentes de IA en proyectos grandes tiene un secreto a voces: cuando la sesión se alarga, el asistente empieza a olvidar. La memoria se comprime, las decisiones previas desaparecen, y de pronto te encuentras explicando la estructura de tu proyecto por tercera vez. Xiaomi acaba de lanzar una herramienta que busca解决 este problema de raíz, y lo mejor es que la liberó como código abierto para que la comunidad decida si funciona.

Qué Hace MiMo Code

Se trata de un asistente de codificación nativo para terminal construido sobre el framework open-source OpenCode. Lo que distingue a MiMo Code es su arquitectura de memoria personalizada, capaz de mantener contexto entre sesiones gracias a SQLite FTS5 para búsqueda de texto completo.

El sistema funciona en cuatro capas bien definidas: memoria del proyecto guardada en un archivo MEMORY.md persistente, puntos de control de sesión, notas rápidas y registros de progreso por tarea.

Aquí viene lo interesante: MiMo Code despliega un subagente especializado llamado "checkpoint-writer" que se encarga de documentar mientras el agente principal sigue programando. Es como tener un arquitecto actualizando los planos en tiempo real mientras el equipo construye. Sin pausas, sin confusiones.

También existe el comando /dream, que revisa sesiones históricas, elimina duplicados y comprime aprendizajes en memoria a largo plazo. Hay además una función de "destilación" que extrae flujos de trabajo repetitivos para automatizarlos, algo similar a lo que han implementado recientemente OpenAI y Anthropic en sus respectivos modelos.

Los Benchmarks: Donde las Cosas Se Ponen Interesantes

Xiaomi presume de números competitivos. Según sus datos publicados, MiMo Code con MiMo-V2.5-Pro superó a Claude Code con Claude Sonnet 4.6 en tres evaluaciones estándar:

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

El detalle más relevante es que Xiaomi sostiene que solo la arquitectura del harness (el sistema que ejecuta los tests) representa aproximadamente cinco puntos porcentuales de esa ventaja. El mismo modelo corriendo en diferentes harness muestra diferencias medibles.

Dicho esto, el panorama competitivo es más complejo de lo que sugieren las cifras favorables. OpenAI Codex CLI con GPT-5.5 obtiene 82.2% en el leaderboard oficial de Terminal-Bench, casi nueve puntos por encima del 73% que MiMo Code reporta. Sin embargo, en SWE-Bench Pro, el 62% de MiMo Code sí supera el 58.6% reportado para GPT-5.5.

Un punto a considerar: Xiaomi compara exclusivamente con Claude Code en todos sus materiales, evitando menciones directas a Codex de OpenAI o Gemini CLI de Google. Esto es importante tenerlo en cuenta al evaluar las afirmaciones.

Cómo Empezar

MiMo Code ya está disponible en GitHub bajo licencia MIT. La instalación es simple:

macOS y Linux:

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

Windows:

npm install -g @mimo-ai/cli

Xiaomi también ofrece acceso gratuito por tiempo limitado a MiMo-V2.5, su modelo flagship multimodal con una ventana de contexto de un millón de tokens. No requiere registro.

Por Qué Debería Importarte

El problema de memoria no es menor. Para los vibe coders que trabajan en proyectos serios, perder contexto durante sesiones largas genera una fricción que contradice las promesas de productividad de los asistentes de IA.

La industria ha tratado esto principalmente como un problema de ventana de contexto: ventanas más grandes, mejor compresión. El enfoque de Xiaomi propone algo diferente: almacenamiento y recuperación explícito que decide qué información importa y cuándo rescatarla.

Si la implementación específica de MiMo Code resultará superior es algo que solo el tiempo y el uso real pueden confirmar. Pero la tesis base —que la arquitectura de memoria persistente merece atención seria— parece sólida.

Para developers cansados de re-explicar sus proyectos a los asistentes de IA, vale la pena darle una mirada. Una ventana de un millón de tokens combinada con memoria persistente entre sesiones podría cambiar radicalmente la experiencia de vibe coding. Siempre que, claro está, los benchmarks resistan el escrutinio de la vida real.