Xiaomis MiMo Code übertrifft Claude Code bei komplexen KI-Coding-Aufgaben

Xiaomis KI-Team hat mit MiMo Code V0.1.0 ein Terminal-basiertes KI-Assistenzsystem veröffentlicht, das Entwickler bei komplexen Coding-Projekten unterstützen soll. Das Tool übertrifft laut Unternehmensangaben Anthropics Claude Code in mehreren Agentik-Benchmarks – insbesondere bei langfristigen, mehrstufigen Aufgaben mit über 200 Schritten. Die Lösung steht seit dem 10. Juni 2026 als Open-Source-Projekt auf GitHub zur Verfügung und bietet zeitlich begrenzten kostenlosen Zugang zum multimodalen Modell MiMo-V2.5 mit einem Millionen-Token-Kontextfenster, das ohne Registrierung genutzt werden kann.

MiMo Code ist als Abspaltung von OpenCode Agent entstanden und wurde von Xiaomi um eigene Speicherarchitekturen, Arbeitsabläufe und ein Modularsystem erweitert. Die Installation erfolgt per Terminalbefehl oder über npm:

curl -fsSL  | bash

npm install -g @mimo-ai/cli

KI-Coding-Agenten verlieren den Überblick – Xiaomis Lösung für mehr Kontinuität

Ein häufiges Problem bei KI-gestützten Coding-Assistenten ist der Verlust von Kontext während langer Arbeitsphasen. Je mehr Schritte ein Agent absolviert, desto stärker leidet die Leistung, da wichtige Entscheidungen, Konventionen und Projektzustände aus dem Arbeitsspeicher verschwinden. Xiaomi argumentiert, dass eine reine Komprimierung des Kontexts keine nachhaltige Lösung darstellt. Stattdessen setzt das Unternehmen auf ein explizites Speicher- und Abrufsystem, das Informationen gezielt in persistente Strukturen überträgt und bei Bedarf wieder abruft.

Der Kern von MiMo Codes Ansatz besteht aus einem mehrschichtigen Gedächtnissystem, das auf SQLite FTS5 basiert:

• Projektgedächtnis: Eine permanente MEMORY.md Datei, die zentrale Projektdetails speichert.
• Sitzungscheckpoints: Automatische Speicherpunkte während der Arbeitssitzung.
• Notizen: Ein separates Subsystem, das Entscheidungen und Fortschritte dokumentiert.
• Aufgabenprotokolle: Detaillierte Aufzeichnungen der ausgeführten Schritte.

Ein entscheidender Unterschied zu herkömmlichen Systemen ist die Einführung eines unabhängigen „Checkpoint-Writers“-Subagenten. Während der Hauptagent an der Code-Erstellung arbeitet, übernimmt dieser Subagent die Dokumentation der Entscheidungen, Probleme und des tatsächlichen Projektverlaufs. Bei Bedarf kann der Hauptagent auf diese strukturierten Checkpoints zurückgreifen, um verlorenen Kontext wiederherzustellen und die Arbeit nahtlos fortzusetzen.

Zwei weitere Funktionen unterstützen die langfristige Wissensspeicherung:

• Der `/dream`-Befehl analysiert regelmäßig historische Sitzungen, dedupliziert Inhalte und komprimiert sie in langfristiges Gedächtnis.
• Die „Distill“-Funktion identifiziert wiederkehrende Arbeitsabläufe aus vergangenen Projekten und schlägt Automatisierungen vor – ein Ansatz, der kürzlich auch von OpenAI und Anthropic mit ihren „Dreaming“-Systemen verfolgt wurde.

Überzeugende Benchmark-Ergebnisse in realen Szenarien

Xiaomi veröffentlicht eigene Leistungsdaten, die MiMo Code in Kombination mit MiMo-V2.5-Pro gegenüber Claude Code und Claude Sonnet 4.6 testen. Die Ergebnisse zeigen durchgängige Vorteile:

• SWE-bench Verified: 82 % (MiMo Code) vs. 79 % (Claude Code)
• SWE-bench Pro: 62 % vs. 55 %
• Terminal Bench 2: 73 % vs. 69 %

Interessanterweise bleibt ein Teil des Vorsprungs auch bei Verwendung desselben Modells erhalten: MiMo Code erreicht mit MiMo-V2.5-Pro 62 % auf SWE-bench Pro und 73 % auf Terminal Bench 2, während Claude Code mit demselben Modell nur auf 57 % bzw. 68 % kommt. Dies deutet darauf hin, dass die Agenten-Architektur selbst einen messbaren Einfluss auf die Performance hat.

In einer internen Doppelblind-Studie mit 576 Entwicklern, die in 474 privaten Repositories arbeiteten, zeigte sich ein besonders deutlicher Unterschied bei Aufgaben mit über 200 Schritten: Während die Systeme bei kurzen Aufgaben ähnlich abschnitten, gewann MiMo Code in längeren Szenarien mit einer Win-Rate von über 65 %. Xiaomi räumt jedoch ein, dass klassische Benchmarks oft nur einmalige Problemlösungen messen und die multisessionalen Fähigkeiten von MiMo Code nicht vollständig erfassen.

Ausblick: Langfristige Produktivität statt kurzfristiger Effizienz

MiMo Code steht für einen Paradigmenwechsel in der KI-gestützten Softwareentwicklung. Anstatt auf maximale Komprimierung von Kontext zu setzen, setzt Xiaomi auf strukturierte Wissensspeicherung und kontinuierliche Lernfähigkeit. Die Integration eines unabhängigen Subagenten für Dokumentation und die automatisierte Identifikation von Arbeitsmustern könnten den Weg für eine neue Generation von Agenten ebnen, die nicht nur kurzfristig Code generieren, sondern langfristig Wissen aufbauen und weitergeben.

Die Open-Source-Veröffentlichung ermöglicht es Entwicklern weltweit, das System zu testen, zu erweitern und an ihre Bedürfnisse anzupassen. Ob MiMo Code tatsächlich zu einem Standard-Tool für komplexe Softwareprojekte wird, hängt jedoch nicht nur von den Benchmark-Ergebnissen ab, sondern auch von der praktischen Akzeptanz durch die Entwicklercommunity. Eines ist jedoch sicher: Die Diskussion über nachhaltige KI-gestützte Entwicklung hat mit diesem Projekt eine neue Dimension erreicht.