Minnesproblemet som varje vibe coder känner igen

Om du har jobbat med AI-kodningsagenter på större projekt har du säkert stött på samma vägg: ju längre sessionen pågår, desto mer glömmer agenten. Kontexten komprimeras, beslut försvinner, och plötsligt sitter du där och förklarar projektstrukturen för tredje gången. Xiaomis nya open source-verktyg, MiMo Code, satsar på att persistent minne är lösningen – och företaget har gjort det fritt tillgängligt för att se om communityn håller med.

Vad MiMo Code faktiskt gör

MiMo Code är en terminalbaserad AI-kodningsassistent byggd på det open source-baserade OpenCode-ramverket. Xiaomi har utökat det med en anpassad minnesarkitektur som bibehåller kontext mellan sessioner med hjälp av SQLite FTS5 fulltextsökning. Systemet arbetar över fyra distinkta lager: projektminne lagrat i en persistent MEMORY.md-fil, sessions-checkpoints, anteckningar, och framstegsloggar per uppgift.

Det smarta ligger i arkitekturen: MiMo Code använder en dedikerad "checkpoint-writer"-subagent som sköter dokumentationen medan huvudagenten fortsätter sitt arbete. Tänk dig det som att ha en projektarkitekt som uppdaterar ritningarna i realtid medan byggarbetarna bygger – alla håller sig synkroniserade utan att pausa arbetet.

Systemet inkluderar även ett /dream-kommando som regelbundet granskar historiska sessioner, deduplicerar dem, och komprimerar lärdomar till långtidsminne. Det finns också en "distill"-funktion som bryter ut upprepade arbetsflöden från tidigare sessioner för automatisering – en funktion som påminner om liknande tillvägagångssätt hos OpenAI och Anthropic med deras respektive modeller.

Benchmark-skrubben

Xiaomi hävdar imponerande siffror. Enligt deras publicerade siffror presterade MiMo Code ihopparat med MiMo-V2.5-Pro bättre än Claude Code ihopparat med Claude Sonnet 4.6 över tre standardutvärderingar:

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

Intressantare är Xioamis påstående att själva ramverket står för ungefär fem procentenheter av den vinsten. Att köra samma MiMo-V2.5-Pro-modell i båda ramverken visade mätbara skillnader enbart från agentens systemarkitektur.

Det sagt är konkurrenslandskapet mer nyanserat än vad Xiaomis föredragna benchmarks antyder. OpenAI:s Codex CLI som kör GPT-5.5 scorer 82,2% på den officiella Terminal-Bench leaderboard – ungefär nio poäng över MiMo Codes egna rapporterade 73%. På SWE-Bench Pro däremot slår MiMo Codes påstådda 62% OpenAI:s rapporterade 58,6% för GPT-5.5.

Xiaomi jämför genomgående bara mot Claude Code i sitt material, och undviker direkta jämförelser med OpenAI:s Codex eller Googles Gemini CLI. Den selektiva benchmarking值得noteras när du utvärderar påståendena.

Kom igång

MiMo Code finns nu på GitHub under en MIT-licens. Installationen är rak:

macOS och Linux:

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

Windows:

npm install -g @mimo-ai/cli

Xiaomi erbjuder även begränsad gratis tillgång till MiMo-V2.5, deras multimodala flaggskeppsmodell med en miljon token context window – utan krav på registrering.

Varför det här spelar roll för utvecklararbetsflöden

Minnesproblemet är inte trivialt. För vibe coders som jobbar på större projekt skapar kontextförlust under långa sessioner friktion som undergräver de produktivitetsvinster AI-kodningsagenter utlovar. Branschen har till stor del behandlat detta som ett context window-problem – större fönster, bättre komprimering – men Xioamis tillvägagångssätt antyder en annan väg: explicit lagring och återhämtning som avgör vilken information som spelar roll och när den ska hämtas tillbaka.

Huruvida MiMo Codes specifika implementation visar sig överlägsen återstår att se, men den underliggande tesen – att persistent minnesarkitektur förtjänar seriös teknisk uppmärksamhet – verkar sund. Open source-release ger communityn chansen att validera tillvägagångssättet i skala.

För utvecklare som är trötta på att förklara sina projekt för AI-assistenter om och om igen kan det här vara värt en titt. Miljon-token context window parade med persistent minne mellan sessioner kan genuint förändra vibe coding-upplevelsen – om benchmark-siffrorna håller under verklig granskning.