小米MiMo技术团队正式发布并开源终端原生AI编程助手 MiMo Code,标志着小米首次进入Coding Agent赛道

时间: ​ 2026年6月11日(北京时间),小米MiMo技术团队在 X(原Twitter)及官方渠道正式宣布;截至6月13日,项目已在 GitHub 收获 6.4k+ Stars / 499 Forks,issues 与 PR 同步涌入。

地点/主体: ​ 小米集团 MiMo 技术团队,项目开源托管的 GitHub 组织为 XiaomiMiMo(仓库:XiaomiMiMo/MiMo-Code),官网入口 mimo.xiaomi.com/zh/mimocode。

发生了什么事:

小米把一款名叫 MiMo Code V0.1.0 ​ 的终端原生 AI 编程智能体(Coding Agent) ​ 推了出来,并且采用 MIT 协议开源------个人与企业均可自由使用、修改和二次分发。

它并不是从零造轮子,而是基于开源项目 OpenCode​ 进行 fork 与二次开发,在此基础上叠加了小米自研的几层关键能力:

  • 持久记忆系统 :通过 MEMORY.md(项目级知识/规则)+ checkpoint.md(会话检查点)+ tasks/*/progress.md(任务进展)三层文件结构 + SQLite 历史兜底,由独立 **subagent(writer)**​ 自动保存状态;终端关掉再打开,Agent 不必重新理解项目------直击现有 AI 编程助手"长会话失忆"痛点。

  • 无限上下文 / 上下文预算管理 :在上下文窗口接近上限时,不从零拼历史,而是从 checkpoint + 项目记忆 + 近期消息做结构化重建,并按重要性预算化注入,避免噪声撑爆窗口。

  • Compose 编排模式:在原有的 build(执行)/ plan(只读分析)之外,新增第三种模式------specs-driven 的结构化开发流程,内置规划→编码→测试→审查→验证→合并的生命周期管理能力。

  • 多模型接入 :除了内置限时免费 的 MiMo-V2.5 多模态模型(官方称百万 Token 上下文、性能对标 Claude Sonnet 4.6),还支持接入 DeepSeek、Kimi、GLM​ 等主流模型 API / Token Plan,覆盖 75+ LLM Provider。

  • 语音输入 :集成 MiMo-V2.5-ASR,支持 /voice激活,通过语音下达指令与输入内容。

  • Goal 驱动停止条件 :/goal设置完成标准,Agent 想要"收工"时需经独立 judge 模型评估,缓解长任务中"假完成"问题。

安装路径极其短------

复制代码
# macOS / Linux
curl -fsSL https://mimo.xiaomi.com/install | bash

# Windows
npm install -g @mimo-ai/cli

首次启动选 **MiMo Auto(限时免费通道)**​ 即可零配置开始用。

有什么影响:

  1. 赛道信号 :这是小米 MiMo 系列首次公开切入 Coding Agent 赛道 ,意图不止是"送一个模型",而是构建 "模型 + Agent Harness + 记忆/安全边界"的生态闭环。小米从模型能力→推理成本→开源工具链的三步棋开始形成完整布局。

  2. 对开发者的即时冲击:

    • 免费入口极低:MIT 开源 + 限时免费 MiMo-V2.5 通道 + 一键安装,让大量个人开发者可以零摩擦试水终端 AI 编程 Agent。

    • 迁移友好 :支持从 Claude Code 迁移认证,兼容 OpenCode 的配置心智(.mimocode/目录结构),同时可接开发者已有的 DeepSeek/Kimi API Key。

    • 但需保持审慎 :V0.1.0 属探索性发布,GitHub issues 中已出现安装失败、WSL 异常、平台包不匹配等早期工程问题;更关键的是,凡是能执行命令、改文件、跑 Git 的 Agent,都必须在受控环境(非核心仓库、有 Git 保护)中试运行,所有破坏性命令须人工审批。

  3. 对行业的参照意义:MiMo Code 把"持久记忆 + checkpoint + 长任务编排"做进了开源工具里,倒逼整个 Coding Agent 赛道从"谁模型强"的竞争,转向"谁的底盘(Harness)+ 记忆 + 安全边界更稳"的竞争。它的 benchmark 数据(SWE-Bench Pro / Terminal Bench 2 等)目前主要来自小米官方自测,第三方独立复现仍是接下来社区要盯紧的事。


总结

小米 MiMo 团队以 MIT 开源 + 限时免费模型 + 零配置安装 ​ 的组合拳,把一款带持久记忆和长任务编排能力 的终端 Coding Agent 直接推到开发者桌面上。短期看它是一个"能白嫖的高起点工具";中长期看,它真正的筹码不是免费,而是证明了国产团队可以在 Agent Harness(记忆/权限/编排)层面做出差异化 ,并以此把 MiMo 模型嵌进真实开发工作流。接下来决定它口碑的,不会是 Star 数,而是:长任务稳定性、安全边界设计、以及社区 bug 修复节奏。

相关推荐
Java后端的Ai之路8 分钟前
【AIAgent开发】-Agent工具封装成CLI(纯干货!!!)
java·javascript·人工智能·agent·cli
Flynn Liang23 分钟前
Spring AI 上生产:限流熔断、密钥与成本治理、私有化/混合部署、降级与 Prompt 灰度架构全解
人工智能·spring·架构·高可用·springai·成本治理·生产架构
threerocks25 分钟前
2027 年最赚钱的 AI 创业方向
aigc·openai·ai编程
飞猫的边缘AI33 分钟前
边缘AI芯片的规则变了:从跑CNN到跑LLM和VLM
人工智能·语言模型·cnn·transformer·边缘ai
code2cat44 分钟前
【随笔】连续批处理:长短请求怎样在迭代之间补位
java·人工智能·后端·大语言模型·vllm
分布式存储与RustFS1 小时前
JuiceFS 接 RustFS 当数据后端:把对象存储挂成本地文件系统
运维·云原生·开源·对象存储·分布式存储·s3·性能基准
牧羊人.3331 小时前
卷积神经网络之VGG
人工智能·深度学习·神经网络·算法·cnn
Flynn Liang1 小时前
Spring AI 2.0 深度解析:ChatClient、Advisor 链与 MCP——Java 工程师的 AI 落地最优解
java·人工智能·spring·大模型·架构设计·spring ai
Martina_03211 小时前
AI生成3D模型一合并网格,材质就串色?用6步检查材质槽、UV与图集重映射
图像处理·人工智能·3d·材质·uv·游戏策划·1024程序员节
蓝鲨硬科技1 小时前
Token之后,物理AI需要什么样的度量衡?
大数据·人工智能