Se turhauttava muistiongelma, jonka jokainen vibe-koodaaja tuntee

Oletko koskaan huomannut, miten AI-koodausavustajat tuppaavat unohtamaan asioita kesken projektin? Mitä pidemmäksi sessio venyy, sitä enemmän kontekstia katoaa. Päätökset häipyvät, projektirakenteita joutuu selittämään uudestaan ja uudestaan. Xiaomin tuore avoimen lähdekoodin työkalu, MiMo Code, lyö vetoa, että ratkaisu löytyy pysyvästä muistista – ja yhtiö on nyt julkaissut sen ilmaiseksi, jotta yhteisö voi testata, onko hypoteesi oikea.

Mitä MiMo Code oikeastaan tekee

MiMo Code on terminaaliin integroitu AI-koodausavustaja, joka rakentuu avoimen lähdekoodin OpenCode-agenttikehyksen päälle. Xiaomi on laajentanut sitä mukautetulla muistiarkkitehtuurilla, joka säilyttää kontekstin sessioiden välillä SQLite FTS5 -täydellistekstihakua hyödyntäen. Järjestelmä toimii neljällä eri tasolla: projektimuisti pysyvässä MEMORY.md-tiedostossa, sessioiden checkpointit, hätämuistiinpanot ja tehtäväkohtaiset edistymislokit.

Nerokas yksityiskohta löytyy arkkitehtuurista: MiMo Code hyödyntää erillistä "checkpoint-writer"-alienttiä, joka huolehtii dokumentoinnista samalla kun pääasiallinen koodausagentti jatkaa työtään. Ajattele sitä niin, että projektin arkkitehti päivittää piirustuksia reaaliajassa, kun rakennusporukka rakentaa – kaikki pysyvät samalla sivulla ilman keskeytyksiä.

Mukana on myös /dream-komento, joka käy säännöllisesti läpi aiempia sessioita, poistaa duplikaatit ja tiivistää opit pitkäaikaismuistiin. "Distill"-toiminto puolestaan kaivaa esiin toistuvia työnkulkuja menneistä sessioista ja automatisoi ne – samaa lähestymistapaa ovat hiljattain omaksuneet myös OpenAI ja Anthropic omissa malleissaan.

Numerot puhuvat, mutta maltilla

Xiaomin julkaisemat luvut ovat vaikuttavia. Yhtiön mukaan MiMo Code yhdistettynä MiMo-V2.5-Pro-malliin päihitti Claude Coden yhdistettynä Claude Sonnet 4.6:een kolmessa standardiarvioinnissa:

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

Mielenkiintoisempaa on Xiaomin väite, että pelkkä testauskehys selittää noin viisi prosenttiyksikköä tuosta erosta. Sama MiMo-V2.5-Pro-malli eri kehyksissä tuotti mitattavia eroja puhtaasti agenttijärjestelmäarkkitehtuurista johtuen.

Kilailutilanne on kuitenkin monimutkaisempi kuin Xiaomin suosimien vertailujen perusteella voisi kuvitella. OpenAI:n Codex CLI mallilla GPT-5.5 saa virallisella Terminal-Bench-taulukolla 82,2 % – noin yhdeksän pistettä yli MiMo Coden omatoimisesti ilmoittaman 73 %. SWE-Bench Pro -testissä MiMo Coden väitetty 62 % kuitenkin ohittaa OpenAI:n raportoiman 58,6 % GPT-5.5:lle.

Xiaomi vertailee materiaaleissaan ainoastaan Claude Codeen, välttäen suoria vertailuja OpenAI:n Codex CLI:hin tai Googlen Gemini CLI:hin. Tämä valikoiva benchmarkkaus kannattaa pitää mielessä arvioitaessa väitteitä.

Mistä työkaluun pääsee käsiksi

MiMo Code on nyt saatavilla GitHubissa MIT-lisenssillä. Asennus on suoraviivaista:

macOS ja Linux:

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

Windows:

npm install -g @mimo-ai/cli

Xiaomi tarjoaa myös rajoitetun ajan ilmaista pääsyä MiMo-V2.5:een – heidän lippulaivamalliinsa, jossa on miljoonan tokenin konteksti-ikkuna – ilman rekisteröitymistä.

Miksi tällä on väliä kehittäjän arjessa

Muistiongelma ei ole vähäpätöinen. Vibe-koodaajille, jotka työskentelevät isompien projektien parissa, kontekstin katoaminen pitkien sessioiden aikana luo kitkaa, joka syö AI-koodausavustajien lupaamat tuottavuushedelmät. Ala on pitkälti kohdellut tätä konteksti-ikkunan ongelmana – suurempia ikkunoita, parempaa pakkausta – mutta Xiaomin lähestymistapa ehdottaa toisenlaista polkua: eksplisiittistä tallennus- ja hakuarkkitehtuuria, joka päättää itse, mikä tieto on oleellista ja milloin se pitää hakea muistiin.

Onko MiMo Coden toteutus lopulta ylivoimainen, jää nähtäväksi. Perusväite siitä, että pysyvän muistin arkkitehtuuri ansaitsee tosissaan insinöörityötä, vaikuttaa kuitenkin järkevältä. Avoimen lähdekoodin julkaisu antaa yhteisölle mahdollisuuden validoida lähestymistapaa laajemmassa mittakaavassa.

Jos olet kyllästynyt selittämään AI-avustajillesi projektirakenteita yhä uudestaan, tämä voi olla kokeilemisen arvoinen. Miljoonan tokenin konteksti-ikkuna yhdistettynä sessioiden yli jatkuvaan muistiin voisi oikeasti muuttaa vibe-koodaamisen luonnetta – jos benchmarkit kestävät kriittisen tarkastelun oikeassa maailmassa.