Xiaomi выпустила MiMo Code — полноценного автономного AI-агента

Xiaomi выпустила MiMo Code — конкурента не просто моделям, а агентным системам. 

Главная проблема текущих AI-агентов — они быстро забывают ^[2] или модифицируют контекст. Задача, которую можно сделать за один-два запроса, выполняется корректно, но когда речь заходит о десятках и сотнях переделок и изменений промптов, агенты начинают забывать контекст задачи. 

MiMo Code создана для марафонов, а не для спринтов. Long-Horizon Tasks — задачи долгосрочного типа, такие как написание сложного кода, с последующими его модификациями, или перенос кода на другой язык программирования.

Здесь проявляется сильная сторона агента — MiMo строит многоуровневую память ^[3], создавая контрольные точки, как в играх, и воссоздает потом состояние проекта из этой точки, восстанавливая его в другом контекстном окне. Пока другие модели меряются количеством токенов контекста, Mimo тихо строит систему контрольных точек памяти.

Как это устроено технически

Разработчики из Xiaomi не стали просто «скармливать» все файлы проекта модели в лоб. Чтобы контрольные точки работали без сбоев, они реализовали четырехуровневую гибридную архитектуру памяти:

• Session. Отвечает за краткосрочную память — хранит текущий диалог с пользователем и самые свежие правки кода;

• Project. Содержит граф зависимостей репозитория, структуру папок и общую архитектурную карту проекта;

• Global. База знаний о фреймворках, внешних библиотеках и специфике используемого языка программирования;

• History. Архив всех прошлых успешных и неудачных попыток решения аналогичных задач в рамках сессии.

Когда контекстное окно базовой модели начинает забиваться, встроенный субагент запускает алгоритм семантического сжатия без потерь. Он переводит детализированный лог разработки в векторные эмбеддинги и краткие структурированные резюме. 

В итоге, если на сотой правке вы попросите агента изменить фичу, написанную в самом начале, он не начнет галлюцинировать, а мгновенно подтянет нужный «чекпоинт» из слоя History.

За стабильность этой базы данных отвечает фоновый процесс /dream. Это сервисный субагент, который запускается раз в семь дней во время простоя системы. Работает это как сон ^[4] у человека: MiMo сканирует старые сессии, удаляет повторяющиеся логи и мусор, обновляет пути к перемещенным файлам и архивирует важные паттерны кода. 

Механизм Goal

Еще один, по моему мнению, интересный момент — механизм Goal. Он работает независимо от основного агента и проверяет, выполнена ли задача на самом деле. Если агент говорит, что задача выполнена, но на деле это не так, проверка от Goal дает обратную связь агенту, и задача продолжает выполняться. Другие агенты, в свою очередь, могут так «зарассуждаться», что придут к выводу, что задача выполнена, оставив пользователя с нерабочим кодом или багами.

Масштабируемость и логика общения

Еще пара небольших, но значимых плюсов модели — масштабируемость и переработка логики общения с агентом, но обо всем по порядку.

Масштабируемость. Ее можно сравнить с ветками рассуждений в ChatGPT, когда модель готовит несколько вариантов решения задачи параллельно друг другу, а пользователь выбирает наиболее релевантный ему ответ. Так и тут, режим Max Mode MiMo увеличивает метрики SWE-Bench на 10-20%, но за счет параллелизма решения задач вырастает расход токенов.

В официальном отчете разработчики Xiaomi подтверждают этот компромисс:

«On SWE-Bench Pro, Max Mode improves performance by 10–20% compared with single sampling, at the cost of roughly 4–5 times the token consumption. »

Workflow вместо текста. С переработкой логики общения с агентом тоже получилось интересно — в Xiaomi заявили, что естественный язык не слишком корректен для сложных задач – его можно интерпретировать по разному, он разнообразен (не все говорят по-английски или китайски). Поэтому в MiMo человеческий язык интерпретируют в программируемые workflow.

Обратная сторона медали

О сильных сторонах модели поговорили, теперь затронем ее недостатки.

Как говорилось ранее, MiMo создан для марафонов, а не спринтов — преимущества раскрываются на довольно длинных и сложных задачах, а на маленьких ощутимой разницы незаметно.

Доказательной базы эффективности модели пока недостаточно для справедливой оценки. Все можно красиво нарисовать и доказать лучшую эффективность вашего агента, но без тестирования обычными пользователями это всего лишь доводы. 

Решать повседневные простые задачи, генерировать картинки и общаться через MiMo может быть сомнительным решением — позиционирование другое.

Облачная инфраструктура для ваших проектов

Виртуальные машины в Москве, Санкт-Петербурге и Новосибирске с оплатой по потреблению.

Подробнее → ^[6]

Что в итоге

Если привычные собеседники — Claude, Qwen или ChatGPT — это умные чат-боты, умные браузеры, генераторы сомнительного качества кода или картинок, то MiMo от Xiaomi идет по другой стезе. Это уже больше похоже на OpenClaw или что-то в этом роде с выстраиванием полноценной многозадачной системы, которая нацелена на решение самых больших и сложных проектов.

MiMo, на мой взгляд — более автономная и сложная система, призванная на помощь инженерам в решении незаурядных и больших задач, которые трудно доверить другим агентам или моделям.

Если новинка вас заинтересовала и вы хотите покрутить этот инструмент в деле прямо сейчас, Xiaomi выкатили два удобных способа для старта:

Быстрый тест в браузере. Если не хочется ничего скачивать, можно развернуть облачную веб-версию прямо на официальном сайте ^[7] MiMo.

Полноценная локальная установка. для тех, кто хочет интегрировать агента в рабочее окружение, доступен консольный CLI-клиент. Он ставится стандартно через терминал.

Инструкция и команды для быстрой установки на ваш ПК:

# One-line install, or install via npm
curl -fsSL https://mimo.xiaomi.com/install | bash
npm install -g @mimo-ai/cli