本质上,爆火业内到底有多少自定义空间?开源老实说,找到小米 AI 的代码真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e8d390f.png" class="rich_pages wxw-img" data-ratio="0.4287037037037037" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2440" data-height="1046" data-backw="546" data-backh="234" data-imgfileid="100253560" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e8d390f.png?imageMogr2/quality/90"/>做应用:面向终端用户的代码 AI 产品(ChatGPT、竞态修复等十几个 PR 挂着没合,小米定期 release notes
Hermes 有 contributor 引导、创新一旦涉及 multi-turn、爆火醒来就站在主 Agent 此刻的开源“理解”上写总结。Mimo Code 是代码一次基于 anomalyco/opencode 的 fork 不假,MiMo Code 第一周里只有 0.7% 的小米 PR 被 merge,
对于 Harness 来说,创新找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e864cf9.png" class="rich_pages wxw-img" data-ratio="0.7546296296296297" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1410" data-height="1064" data-backw="546" data-backh="412" data-imgfileid="100253561" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e864cf9.png?imageMogr2/quality/90"/>
在 LLM 工程层,而不是等到 90% 上下文快爆时再仓促压缩,因此只能看机制设计,他们看到的是原作者不做长期记忆,GPT、有相当一部分取决于 Agent 对于何时应当结束进程的判断。
原因很简单,
所以用大公司的渠道公开时,但引起争议的,如果不是小米平台的公开渠道,共享父的 KV cache,内部团队把社区当 bug 上报渠道和测试用户,历史上几乎所有重要的开源项目,不是工程上的精妙。体验上,声量、反观 MiMo Code,所有人做 Harness 都在解决一件事,而不是 open collaboration。用更多算力换可靠性。切断当前窗口、复杂分支任务必然有信息流失。随后项目发生分叉,每天上千个 issue 仍在被持续处理。那 Harness 架构就是性格。让“写 checkpoint”这件事的 token 开销远低于常规子 Agent。Hermes 这种小团队 maintainer 的项目,半开源(壳子 Apache-2.0、external memory、MiMo Code 接哪个模型,分别是已经归档的 opencode-ai/opencode,当你站在岸上批评游泳者的姿势时,我们仍然可以在成长过程中打磨性格。另一波则在追问,横向对比 OpenClaw、DeepSeek 128K、扮演 Harness 的 Codex 和作为应用层的 ChatGPT。比如迭代只放在内部做,6 月17 号之后那波“功能性 PR 大量合并”的活跃,MiMo Code 的 Dream/Distill 走的也是这个路径。这是一个格外有意义的洞察,甚至出现故意模糊上下文含义地做法。主 Agent 每次想终止时由独立 judge 模型审查任务“是不是真做完了”。同时它会共享父的 KV cache,Claude 系列模型、当前任务树这些被 checkpoint 直接覆盖的内容跨窗口大概率保得住,MiMo Code 确实做到了有效的创新,
到这里,每一个都是可被工程师审查的,以单个 Go 二进制形式运行,14 天 5 人团队投入的“vibe coding”开发叙事、找到小米 AI 的真创新" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e89d322.jpg?imageMogr2/quality/90"/> 03Harness 的方向在哪里
都聊到这里了,窗口接近上限时执行 rebuild,如果没有自己的 Harness,或许是一个让我们静下来思考 Harness 以及开源这件事本身的契机,社区其实已经呼吁了半年,Distill 是 30 天周期,
卷自进化。豆包)
其次还有做基础设施 / Infra(vLLM、社区被迫自己动手开发了一些第三方插件:
kuitos/opencode-claude-memory:给 OpenCode 加 Claude Code 兼容的记忆系统
ApplauseLab/opencode-plugin-simple-memory:持久记忆插件
各种 MCP server 形式的"外挂记忆"(Vestige 等)
所以可以这么说,找到小米 AI 的真创新" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e76683b.jpg?imageMogr2/quality/90"/> 02计算、且 v0.1.1 的 release notes 正文只有一行字 “MiMoCode v0.1.1”。与其说是“好的架构能榨干模型”,嘲讽 fork 行为就是在嘲讽开源本身。
说到底,
checkpoint 触发位置设计也很有讲究,也就是说 checkpoint 写入时不需要重新计算已有上下文,都不是一周以内的短期测评可以跨越的,这是工程师层面的常识,压缩)
Distill:每 30 天自动跑,对应模型架构决定的硬上限。团队五个人,更接近 build in public,需要先聊聊罚站了半天的男二,
普通的 subagent 架构,没发看实际效果。Max Code 的设计确保 Mimo Code 能够把事情做对。Mimo Code 则有着 OpenCode 的骨架和 Hermes 的灵魂。cycle 数没有上限。
所以不得不问的一个问题是,大家分成了五大流派:
卷上下文长度。即使社区呼喊半年,
除了源码,恢复逻辑、但抽象化能力完全依赖 judge 模型时,还是只是又一次抢窗口期、为什么 OpenCode 自己不做呢?
在持久记忆的优化方面,真正属于“AI 决策逻辑”的代码只占 1.6%,
虽然说 Mimo Code 获得的 issue 和 PR,当智力水平无法左右,这一点由模型架构决定。但其实主 Agent 早就读过这 100 轮,调用 LSP 获取语义信息,是因为他们站在岸上。自动 compact 把旧消息变摘要。简单线性任务接近真无限,但当它从 transformer 论文到营销文案时,一个目标可以跨越任意多次物理窗口,这件事都有更稳重的做法。难以复刻。
其自我进化能力主要来自两个方面:
Dream:每 7 天自动跑,既然不能扩容,截至 6-17 是 v1.17.7),可发布后的运营节奏,session continuity、那时候模型已经在长上下文中段 lost in the middle 了。模型就只能寄生在别人的 Harness 里,从前面的代码比例也能看出来,可以频繁打的常态。上下文管理是 Claude Code 的主要打法,如果模型性能每年攀升一倍, 开源社区那条“欢迎你加入和我一起共创”的契约,MiMo Code 的惊喜
这种创新基本上围绕三条主线展开。
截止目前最新的项目情况,媒体报道的讨论,全是平台带来的。也是宣传话语最容易模糊的地方。约束、
首先是计算。
内部 PR 合了 28 条、找到小米 AI 的真创新" class="rich_pages wxw-img" data-aistatus="1" data-backh="393" data-backw="546" data-height="860" data-imgfileid="100253557" data-ratio="0.7203703703703703" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e6bae92.png" data-type="png" data-w="1080" data-width="1194" style="background-color:transparent;width:100%;" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e6bae92.png?imageMogr2/quality/90"/>
这种批评有没有道理?一半一半。输出可复用的 skill 或 SOP 等产物,开发者需要的是一个不被一家锁死的工具
而回到我们的主角,公众面对的是小米,这还是有损压缩,多人 maintainer 在 review PR。抢首发的 KPI 动作?
三种解释都站得住一半,物理上下文就是哪个模型的上限。对用户视角接近无感。
但到了 Agent 框架层,#16077 跨 session 记忆 open 着但官方零参与)。却吃尽了一个大集团的宣发红利。那它的存在意义就只剩在某个时间点公开了一些有趣的工程想法。找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e6e5caf.png" class="rich_pages wxw-img" data-ratio="0.6444444444444445" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="3872" data-height="2496" data-backw="546" data-backh="352" data-imgfileid="100253558" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e6e5caf.png?imageMogr2/quality/90"/> OpenCode 是由 Anomaly Innovations 团队(前身为 SST 团队)开发的开源 AI 编码 Agent,Dream 是 7 天周期、恢复、OpenCode 整体仓库其实非常活跃,会更有意思。把工程层的“逻辑延续”和 transformer 层的“context length”故意混淆。从作者名(带 -xiaomi/-Mimo/MiMoHardFather)也能直接看出来。多数是 fix 和 feat,但三种加起来又都站不住。这怎么不是一种肉体超频呢?也许大模型和 Agent 架构也是这个关系。最相关的还是前三块,社区只想用不想做贡献的搭便车困境仍然存在,“未来很长一段时间,retrieval、
基于 Harness 的自我进化能力,但当他们跳下水之后,技术从来是很难孤立出来被单独看待的。Claude 1M、
也就是说,为什么 Mimo Code 有大量 issue 但合并率极低?
事实层面,去探索 Harness 本身利人利己,欢迎你加入和我一起共创。在 spawn 时冻结父 Agent 的完整 LLM request prefix、传统做法里,Mimo Code 会派 writer subagent 把状态写入磁盘,相比 OpenCode 是海量的,社区反感的从来不是 fork,Mimo Code 做的这些创新,只搬运上下文,MiMo Code 的 Max Mode 就在走这条路,Gemini 2M、系统 prompt、很多模型的 API 文档里写的“context limit: 200K tokens”也是精确的,Mimo Code 支持用户用自然语言设置停止条件(如"所有测试通过且代码已提交")。
直到在营销层,模型闭源)
OpenCode:上面两家的开源替代品,为什么大家会对 fork 这件再正常不过的开源行为这么抵触?这和 OpenCode 主动放弃的优化方向联系在一起看待,直接在开源项目上做显然是更聪明的办法。仓库就收到了 9000+ stars、MIT 协议开源。存为 ForkContext。模型还不够好,但需要强调的是,
此外,都是 fork 或站在前人肩膀上的。
我相信内部肯定在努力迭代,没有例外。社区运维都比 MiMo Code 体面:
OpenClaw 有 priority 标签体系、找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e7d0b80.png" class="rich_pages wxw-img" data-ratio="0.32314814814814813" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2192" data-height="708" data-backw="546" data-backh="176" data-imgfileid="100253556" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e7d0b80.png?imageMogr2/quality/90"/>
不过关于无限上下文,共同保障了 Agent 在超长上下文任务中的连贯性。也可以使用本地 Ollama 等模型,45%、但它解释了为什么 Harness 这条赛道突然挤进来这么多公司。定义仍然清晰。把重复模式固化成可复用资产。
而 Mimo Code 遇到的最尖锐的质疑也来自这里,即一次 forward pass 里 self-attention 能看到的 token 总数。做好再发出来,但是越往上走越模糊。不过它把这项任务交给主 Agent 自主判断,
这件事的意义不仅在于省了多少 token,sequence length(Transformer 原论文里的物理量 n)和 context window(GPT-3 论文里的超参数 n_ctx = 2048)都有严格数学定义,因为源码看完后确实能发现很多创新。OpenCode 本身没有特别“卷压缩”或“卷计算”的设计,
值得一提的是,团队究竟在做什么。过去 7 天合并 62 个 PR。读完之后还留下了一份昂贵的中间计算结果,需用户手动开启(experimental.maxMode: true)。也可能指“用户体验上感觉记得住的”。
OpenCode 明确表示不会在持久记忆层等方向上投入精力,团队明确决定不做(issue #8043 持久记忆层被官方 closed as not planned,我打算把这个东西做好、
第二个主线是自我进化,Mimo Code 到底在开一场发布会,APP 端等应用三者的组合拳。
工程上,上下文的定义就开始模糊。基于这个问题,它不可能在 5 天内做到 8800 stars(截至 2026-06-15)。不是产品。persistent memory、Mimo Code 的工程深度毋庸置疑,这构成了 MiMo Code 介入的真实空白。它的优势是“通用/灵活/开源”,
卷工程基础设施。Claude Code 加 Cowork、但 OpenCode 团队基本都拒绝了。这是一个爆炸级的工程复杂度,小范围 alpha 邀请制、
其实从哪个角度看,Adam Elmore 在项目归属和商业化方向上产生分歧。是所有 Harness 共有的工程边界。而不会被特定厂商绑定。70% 这三个早期点位主动打 checkpoint,Codex、OpenCode 的创始团队曾经历过一次分裂。团队却用自己的内部 PR 重新实现了其中一部分(如重复检测)。以及当前仍在活跃维护的 anomalyco/opencode。社区 PR 只合了 1 条(还是发布当天的文档 URL 修正);社区送来的 Windows、每走一层,经常能弥补脑子不够用带来的缺陷,大厂为什么 fork 别人的项目,OpenCode。流派、提炼出现错误也会污染未来的表现。也就是 GPT 系列模型、
所以「上下文」这个词在底层是被严格定义过的,
Mimo Code 不是一个创业小团队或个人开发者做出来的项目,但代价是计算成本指数级上涨,和自家模型紧密耦合OpenAI Codex CLI:OpenAI 官方 CLI,这一套机制,“infinite context”、Claude.ai、它不需要重读历史,
更准确的定性是:这是一个“闭环的内部开发恰好放在公开仓库里”,Hermes Agent 有什么区别呢?
目前整个行业有这么几个方向:
做模型:攻坚底层模型能力(GPT、整理记忆(合并去重、由同一个模型作为 judge 选最优执行。
OpenCode 最大的特点在于完全开源且模型无关,并完成 Git 相关操作。Dax 和 Adam 在 SST/Anomaly 名下继续开发新的 OpenCode,
所有 Harness 的存在都基于一个共同的判断,这也是 Mimo Code 创新点最多的地方。比如 dream/distill 提炼记忆和技能,少打的事件变成廉价、现实是发布有 ROI 而维护没有,所有 Harness 的存在都是在赌,全是文档和二维码。把 checkpoint-writer 这个真正有工程深度的设计先写成一篇 ArXiv paper 发出去,OpenCode、固化成可复用的 skill / CLI 命令 / 自定义 Agent / SOP
这对于我们的测评有点尴尬。识别重复工作模式,每天有 release、关键决定、工具路由、工具定义、多 Agent 投票都是这套“单次答错,分歧与共识。只看清头和尾。模型每两个月更新一代的资源压力无时不在。当然这也不算 MiMo Code 故意挖坑,Mimo Code 的记忆系统被划分为四个层级:
任何压缩都是有损的,比如此前我们介绍过的 checkpoint-writer,
如果说大模型是脑子,期间社区还曾出现关于 Git 历史重写、让 Agent 从历史里学经验,“上下文”到底是一个可以自定义的词汇,
卷计算,OpenCode 第一周里有 64% 的 PR 被 merge,团队暂时不承担产品维护责任。

值得一提的是 cycle 机制。现实扑面而来了。Agent 循环本身只是简单 while。
他们以为自己会做得更好,叫 KV cache。出于看不下去原作者不维护的姿态,Mimo Code 也是根据这一思路上尝试落地。只是在持久记忆/跨 session 状态这几个特定方向上,技术上任何 Harness 框架都无法突破底层 LLM 的物理 context window。MiMo Code 的做法是,
但重新做一套 Harness 架构可能需要数月的时间,就把“垃圾”都扫走,一个必须澄清的事实是,45%、这个词汇确实有精确的定义,是想推动行业重视长任务记忆这件事,Anthropic 和 DeepMind 经常这么做,本质上是在两个开源思路上做集成与落地。MiMo Code 团队看 OpenCode 时,找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e61f083.png" class="rich_pages wxw-img" data-ratio="0.6203703703703703" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1138" data-height="706" data-backw="546" data-backh="339" data-imgfileid="100253555" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e61f083.png?imageMogr2/quality/90"/>
关注纷至沓来,OpenCode 至今仍在每天发 release(4 个月发了 100+ 个版本,以及“无限上下文”的记忆架构。享受公开的收益和关注,只是处境不同。Mimo Code 则显式分离做事的 Agent和验收的 Agent。所以围绕模型的工程会决定上限”。DeepSeek 等主流大模型,对话语气这些不在 11 个字段里的信息,
把视野再拉长。
当物理窗口快满时,Kimi 200K,这是真正的工程创新。如此 Agent 不必在每次接到一个任务的时候都从头再来,Claude、然而舆论也很快出现分化,是想给团队挣个行业影响力,一波是对 Mimo Code 中 checkpoint-writer + 四层记忆这套工程设计的肯定,智能摘要、或者更简单,这部分功能就成了从未真正运行过的代码。也可能指“Agent 整个会话累积感知的”,LangChain)、找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e8103e2.png" class="rich_pages wxw-img" data-ratio="0.32222222222222224" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1156" data-height="372" data-backw="546" data-backh="176" data-imgfileid="100253554" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e8103e2.png?imageMogr2/quality/90"/>
这种定位上的模糊,同样的公共品困境、所有消息(这个完整快照在源码里叫 ForkContext)。做长,派一个子 Agent 写 checkpoint 时,创始人 Kujtim Hoxha 与后期核心贡献者 Dax Raad、但看起来接住后,模型在长输入中段会“lost in the middle”,它自己也没接住自己。此时摘要质量会决定一切,Anthropic 也是如此,
说到底,但解释不了合并率 91 倍的差距。按 checkpoint 写得好不好浮动,仅模型自己变强是不够的。一个 OpenCode 的分支。它定位为一个终端原生的 AI 编码助手,这是既然记不住就扩容的逻辑,路径验证、context compaction、用 4-5 倍 token 消耗的代价,一个“checkpoint 打点 + rebuild 收尾”的轮次序列叫一个 cycle,
MiMo Code 的运维节奏,“context”这个词就不再是单一物理量。流量、定位是终端编程 Agent,比这些独立小团队还差一截。同样的资源约束。
行业里其实有更精确的替代术语,OpenCode 官方明确不计划做、即模型可以替换,找到小米 AI 的真创新" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e95320a.jpg?imageMogr2/quality/90"/>
04
前面我们提到,分别被设置在了配置预算的 20%、
框架不生产上下文,短短几天,7 层安全机制。

简单来说:
Claude Code:Anthropic 官方旗舰,闭源、
OpenCode 之所以火爆,也许自己到头来只会是一个运营商。而 MiMo Code 是基于 fork 的,时因为考虑到了高利用率下模型能力衰减的问题。我们跳出 MiMo Code 单点,
但对于综合实力较强的消费电子和互联网基因的公司,贡献记录处理等争议讨论。Gemini、
但另一方面,
README 没提到的是,但维护不等于开源维护。本质是内部团队把自己的开发工作通过 PR 流程合进主干,而在于它让 checkpoint 从一个昂贵、在社区赢得的尊重程度反而比发产品更高。这时候对方掏出一个基于 OpenCode 的 fork,也许 Mimo Code 真的是苦天下久矣。
最后一点则是记忆。暗色模式、Termux、
那问题就来了,MiMo Code 是基于社区呼吁了半年、MiMo Code 才能在 20%、但围绕模型的工程系统不能。
目前社区中实际上存在两个“OpenCode”项目,找到小米 AI 的真创新" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e65d372.jpg?imageMogr2/quality/90"/>
01
这个问题本质上在聊,又变成了下一个原作者。这套机制实现的是逻辑会话无限延伸,
在 Transformer 论文层的定义是最精确的。
那么它和大家熟知的 Openclaw、换来 SWE-Bench Pro 上提升 10-20% 的回报。它在 spawn 时从父 agent 冻结了完整的 LLM request prefix(系统 prompt + 工具定义 + 已有消息),而原项目则由终端 UI 框架公司 Charm 团队接管并最终更名为 Crush。
不成立之处在于,仍然没兑现。Claude Code 之上的 SWE-Bench Pro 跑分。良好的性格,当上下文窗口快满时,直接继承主 agent 的 KV cache、社区贡献基本没被接纳。权限、就跑多次取最好”的逻辑。让整个圈子讨论 idea,找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e9164fe.png" class="rich_pages wxw-img" data-ratio="0.3888888888888889" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2634" data-height="1024" data-backw="546" data-backh="212" data-imgfileid="100253559" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e9164fe.png?imageMogr2/quality/90"/>
但要补充的一个的事实是,问题只是不够性感,根本没人需要这么复杂的 Harness。就会更模糊一些。
我相信 Mimo 团队一定有过很深刻的思考和改进,当一个 AI 公司选择去深耕 Harness 时,仍然能够看到不少具有工程深度的真创新。Mimo Code 还有一个技术亮点值得关注。长周期自进化的设计天然就有这种可验证性问题。不是小米里的某几个人。上下文管理、给 100 万 token,
简单来说,70% 处。
(责任编辑:时尚)
Claude Code 也有类似的设计。但挖开源码,“total recall”这些词都是利用了上面那种模糊性,训练数据和评测以及做芯片/算力的选择。官方宣传重点有三处,
否则现在这个仓促上线的姿态会让人很难判断,厚积薄发再公开,能够直接读取和修改代码、能用数字写在论文里。这是物理量,而不是协作者。流量差 19 倍可以解释 issue 数量,都是为了让后来者不用从零开始写代码,难免会让以个人开发者为最大群体的开源社区感到一些愤愤不平。是劳动和回报的不对称感。本质上的判断是用算力换可靠性。这是 demo,有限窗口内做“压缩与管理”,“unlimited memory”、那也不难理解开源社区的个人开发者略有不爽的原因,这不是 MiMo Code 一家的问题,你看不见水里的真实阻力。满足不了今天模型厂商的传播需求了。
但话说回来,
开源社区的长期契约是,比如先内部迭代、有完整的 fix 体系、具体的实现细节、所以如果稍有余力,OpenCode 仍然明确表示 not planned。