Xiaomi, la misma empresa que hace tu celular Redmi y tu purificador de aire, lanzó un agente de codificación open-source que desafía al Claude Code. MiMo Code. MIT license. 10.8K estrellas en 16 días. Fork del OpenCode. Nosotros analizamos los números, los caveats y lo que eso realmente significa para ingeniería de IA.
Qué es el MiMo Code
Según Xiaomi, el MiMo Code es un agente de codificación nativo de terminal con tool use completo: archivos, bash, Git, LSP y MCP. Tiene sistema de subagentes con ejecución paralela, memoria persistente vía SQLite FTS5 con checkpoint y auto-mantenimiento (dream/distill), Max Mode con best-of-N paralelo (N=5), y Compose Mode para desarrollo specs-driven con skills embutidos (planeamiento, TDD, code review, debugging). Entrada por voz vía TenVAD + MiMo ASR.
El modelo detrás es el MiMo-V2.5-Pro: 1.02T de parámetros totales, 42B activos por inferencia, MoE con atención híbrida (Sliding Window + Global), contexto de 1M tokens, 3 capas MTP para speculative decoding (~3x speedup). Pre-entrenado en 27 trilloneses de tokens. FP8 nativo.
Bono: el MiMo-7B-RL (7.8B denso) empata con el o1-mini en benchmarks de math/code. Un modelo 7B igualando un modelo 20x mayor, según Xiaomi (auto-reportado, sin verificación independiente).
Los benchmarks, y por qué debes leer con cautela
Según Xiaomi (auto-reportado, sin verificación independiente):
- SWE-bench Verified: 82% vs 79% del Claude Code (+3)
- SWE-bench Pro: 62% vs 55% (+7)
- Terminal Bench 2: 73% vs 69% (+4)
- Teste doble-ciego con 576 devs: >65% de win rate en tareas con 200+ pasos. Abajo de 200 pasos: ~50/50.
Los números son impresionantes. Pero todos son auto-reportados por Xiaomi con cero verificación independiente. Lo repetimos porque es fundamental: no existe auditoría de terceros, no existe reproducibilidad publicada, no existe peer review. Es el equivalente a una empresa divulgando su propio NPS, puede ser verdad, pero no sabes si lo es.
Y la comparación es solo vs Claude Code (Sonnet 4.6). El Codex CLI + GPT-5.5 hace 82.2% en el Terminal-Bench 2.0, 9 puntos arriba del MiMo Code. Cuando el campo de comparación se amplía, la narrativa cambia.
Harness > modelo, la innovación real
La innovación real del MiMo Code no es el modelo. Es el harness, la arquitectura de orquestación alrededor del modelo. Según Xiaomi (auto-reportado, sin verificación independiente), aun usando el mismo modelo MiMo-V2.5-Pro, el harness del MiMo Code puntúa ~5 puntos arriba del harness del Claude Code en el SWE-bench Pro.
La diferencia está en la arquitectura de memoria: checkpoint-writer salva el contexto en intervalos regulares, context rebuild reconstruye el contexto cuando el límite de tokens se aproxima, y dream/distill comprime y consolida memorias entre sesiones. Eso da ventaja en tareas largas, exactamente donde el teste doble-ciego mostró >65% de win rate.
Es la misma lección del SantanderAI: la arquitectura importa más que la capacidad bruta del modelo. El modelo es commodity (común); el harness es la diferenciación. Cuando SantanderAI open-sourceó su stack de IA, la señal era que la capa de infraestructura está volviéndose común. El MiMo Code refuerza eso: si el mismo modelo puntúa diferente dependiendo del harness, el valor no está en el modelo, está en la orquestación.
Los caveats que importan
Cuatro caveats que no aparecen en el README:
Benchmarks auto-reportados: cero verificación independiente. Xiaomi pudo haber seleccionado tareas favorables, calibrado hiperparámetros específicamente para los benchmarks, o simplemente reportado los mejores runs. Sin reproducibilidad, los números son indicativos, no concluyentes.
Comparación limitada: solo vs Claude Code. El Codex CLI + GPT-5.5 puntúa 82.2% en el Terminal-Bench 2.0, 9 puntos arriba. Si la comparación fuera vs Codex, la narrativa sería diferente.
MiMo Auto y ley china: el MiMo Auto es gratuito por tiempo limitado y rutea código por los servidores de Xiaomi. Xiaomi es una empresa china sujeta a la ley china, eso incluye obligaciones de cooperación con autoridades gubernamentales. Para código propietario, datos de clientes y secretos comerciales, eso es un riesgo real. El deploy local es la alternativa, pero requiere ~8x H200 GPUs (~600GB+ de VRAM en FP8).
V0.1.0: es el primer release público. Software V0.1.0 tiene bugs, APIs inestables y documentación incompleta por definición. No es production-ready sin validación extensiva.
El patrón: SantanderAI → Xiaomi → ¿quién viene?
El patrón queda claro: el open-source de fuentes inesperadas está redefiniendo infraestructura de IA. Primero Santander, un banco europeo open-sourceando su stack de gobernanza de IA. Ahora Xiaomi, una fabricante china de celulares lanzando un agente de codificación que desafía al líder del mercado.
¿Qué tienen en común estos dos? No son empresas de IA. Son empresas que dependen de IA y decidieron que la capa de infraestructura no es diferencial competitivo. Santander abrió guardrails y bridges porque todo banco necesita de ellos. Xiaomi abrió un agente de código porque el modelo es commodity (común), el harness es lo que importa.
En Tech86, nosotros vemos ese patrón acelerándose. Empresas de sectores no-IA van a open-sourcear cada vez más infraestructura de IA. El próximo puede ser una automotriz, una minorista o una empresa de logística. Cuando la infraestructura es open-source, la diferenciación migra para la aplicación, y es ahí que ayudamos empresas a competir: adoptando la capa open-source y diferenciándose en la integración, calibración y operación.