Il problema della memoria che ogni vibe coder conosce fin troppo bene

Se passi tempo con gli AI coding agent su progetti seri, prima o poi succede: più la sessione si allunga, più l'agente perde il filo. Il contesto si comprime, le decisioni prese spariscono nel vuoto, e ti ritrovi a rispiegare la struttura del progetto per l'ennesima volta.

Xiaomi ha pensato di risolvere la questione con MiMo Code, un tool open-source che punta tutto su una memoria persistente. E ha deciso di rilasciarlo gratuitamente per vedere se la community la pensa come loro.

Come funziona MiMo Code

Nella pratica, MiMo Code è un assistente AI che lavora nel terminale, costruito sopra il framework open-source OpenCode. La differenza sta nell'architettura di memoria custom che Xiaomi ha sviluppato: mantiene il contesto attivo tra una sessione e l'altra usando SQLite FTS5 full-text search.

Il sistema si divide in quattro livelli ben distinti:

• Una project memory salvata in un file MEMORY.md che persiste
• Checkpoint di sessione
• Appunti temporanei
• Log del progresso per ogni task

La parte interessante è il checkpoint-writer subagent: un agente dedicato che si occupa di documentare mentre quello principale continua a scrivere codice. È come avere un architetto che aggiorna i progetti in tempo reale mentre la squadra di sviluppo lavora—tutti restano allineati senza fermare nulla.

C'è anche il comando /dream che ogni tanto rivede le sessioni passate, elimina i duplicati e comprime i learnings nella memoria a lungo termine. Poi c'è la funzione distill che estrae dai dati storici i workflow ripetuti per automatizzarli—una cosa simile a quello che stanno facendo anche OpenAI e Anthropic con i loro modelli.

I numeri dei benchmark

Xiaomi mostra dati interessanti. Secondo i loro numeri ufficiali, MiMo Code con MiMo-V2.5-Pro ha superato Claude Code con Claude Sonnet 4.6 su tre evaluation standard:

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

La cosa più curiosa è che Xiaomi sostiene che il semplice harness—cioè l'architettura dell'agente—contribuisce per circa cinque punti percentuali a quel vantaggio. Far girare lo stesso modello MiMo-V2.5-Pro con un harness diverso ha mostrato differenze misurabili.

Però il panorama competitivo è più sfumato di quello che Xiaomi vuole far credere. OpenAI Codex CLI con GPT-5.5 segna 82.2% sulla leaderboard ufficiale di Terminal-Bench—circa nove punti sopra il 73% riportato da MiMo Code. Però su SWE-Bench Pro, il 62% di MiMo Code fa meglio del 58.6% che OpenAI dichiara per GPT-5.5.

Notare che Xiaomi paragona il suo prodotto solo con Claude Code in tutti i materiali ufficiali, evitando confronti diretti con OpenAI Codex o Google Gemini CLI. Questa scelta selettiva dei benchmark è da tenere a mente.

Come provarlo

MiMo Code è già disponibile su GitHub con licenza MIT. L'installazione è semplice:

macOS e Linux:

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

Windows:

npm install -g @mimo-ai/cli

Xiaomi offre anche accesso gratuito limitato a MiMo-V2.5, il loro modello multimodale di punta con context window da un milione di token—niente registrazione richiesta.

Perché dovrebbe interessarti

Il problema della memoria non è roba da poco. Per chi fa vibe coding su progetti che crescono, perdere il contesto a metà sessione è frustrante—sminuisce tutta quella produttività che gli AI coding agent dovrebbero portare.

L'industria ha trattato finora questa cosa come un problema di context window—finestre più grandi, compressione migliore. Xiaomi propone un approccio diverso: storage esplicito e retrieval intelligente che decide cosa conta e quando richiamarlo.

Se l'implementazione specifica di MiMo Code sia la migliore, questo lo vedremo. Ma l'idea di fondo—che un'architettura di memoria persistente meriti attenzione ingegneristica seria—sembra sensata.

Per chi è stanco di ripetere le stesse cose all'assistente AI, questo tool vale una prova. Il context window da un milione di token combinato con memoria cross-session persistente potrebbe davvero cambiare il vibe coding—sempre che i benchmark reggano al test della realtà.