MiMo Code – pamięć, której brakowało każdemu programiście

Pracowałeś kiedyś z AI coding agentem nad czymś poważniejszym? Jeśli tak, pewnie znasz ten problem. Im dłuższa sesja, tym gorzej. Agent zaczyna zapominać kontekst, gubi decyzje, a ty w kółko tłumaczysz mu strukturę projektu. Xiaomi postanowiło to zmienić i udostępniło otwartoźródłowe narzędzie o nazwie MiMo Code. Sercem jest architektura pamięci trwałej – i wygląda to naprawdę interesująco.

Co potrafi MiMo Code?

To terminalowy asystent kodowania oparty na otwartoźródłowym frameworku OpenCode. Xiaomi dorzuciło do niego autorską warstwę pamięciową, która korzysta z SQLite FTS5 do wyszukiwania pełnotekstowego. System działa na czterech poziomach:

• Pamięć projektu – zapisywana w pliku MEMORY.md
• Checkpointy sesji – zapis stanu w danym momencie
• Notatki robocze – szybkie myśli
• Logi postępu zadań – śledzenie tego, co już zrobione

Najciekawsze jest to, jak to wszystko działa razem. MiMo Code ma dedykowany subagent odpowiedzialny wyłącznie za dokumentację – działa w tle, podczas gdy główny agent koduje. Wyobraź sobie, że masz architekta, który na żywo aktualizuje dokumentację, podczas gdy ekipa budowlana pracuje. Nikt nikogo nie hamuje.

Jest też komenda /dream. Okazjonalnie przegląda historię sesji, usuwa duplikaty i kompresuje zdobyte informacje do pamięci długoterminowej. Podobne podejście stosują ostatnio OpenAI i Anthropic w swoich modelach.

Benchmarki – jak wypada?

Xiaomi chwali się imponującymi liczbami. Według ich danych, MiMo Code z modelem MiMo-V2.5-Pro pokonuje Claude Code z Sonnet 4.6 w trzech testach:

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

Co ciekawe, Xiaomi twierdzi, że sam framework agentowy odpowiada za około pięciu punktów procentowych tej przewagi. Nawet ten sam model działał lepiej dzięki lepszemu systemowi agentowemu.

Ale rzeczywistość jest bardziej skomplikowana. OpenAI Codex CLI z GPT-5.5 osiąga 82.2% na oficjalnym Terminal-Bench – to jakieś dziewięć punktów powyżej własnych wyników MiMo. Za to na SWE-Bench Pro Xiaomi wygrywa (62% vs 58.6%). Warto zauważyć, że Xiaomi porównuje się wyłącznie z Claude Code, pomijając OpenAI i Google Gemini CLI. To istotne zastrzeżenie przy ocenie tych claimów.

Jak zacząć?

MiMo Code jest już dostępne na GitHubie, licencja MIT. Instalacja jest prosta:

macOS i Linux:

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

Windows:

npm install -g @mimo-ai/cli

Dodatkowo Xiaomi oferuje ograniczony czasowo darmowy dostęp do flagowego modelu MiMo-V2.5 z milionem tokenów kontekstu – bez rejestracji.

Co to oznacza w praktyce?

Problem z pamięcią to nie细节 – to realny ból głowy. Ekipy próbujące "vibe codować" większe projekty wiedzą, ile frustracji kosztuje ciągłe rekontekstualizowanie. Branża zwykle traktowała to jako problem rozmiaru okna kontekstowego – większe okna, lepsza kompresja. Xiaomi idzie inną drogą: explicite przechowuje i pobiera informacje, decydując co jest ważne i kiedy to przypomnieć.

Czy konkretna implementacja MiMo Code okaże się lepsza od konkurencji? Zobaczymy. Ale sam pomysł – poważne inżynierowanie architektury pamięci trwałej – wydaje się strzałem w dziesiątkę. Udostępnienie kodu otwartoźródłowo to mądry ruch. Community zweryfikuje podejście w prawdziwych warunkach.

Jeśli masz dość ciągłego wyjaśniania agentom, co robisz – warto przetestować. Milion tokenów kontekstu plus trwała pamięć między sesjami to combo, które może naprawdę zmienić vibe coding. Pod warunkiem, że benchmarki przełożą się na codzienną pracę.