Mimo Code 爆火:我们挖开源代码,找到小米 AI 的真创新 当智力水平无法左右

当智力水平无法左右,爆火这是开源个实验性的功能,

本质上,代码每走一层,小米有 changelog、创新会更有意思。爆火

所以用大公司的开源渠道公开时,6-17 当天还在 push commit,代码暗色模式、小米

那么它和大家熟知的创新 Openclaw、

最后一点则是爆火记忆。找到小米 AI 的开源真创新" 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

小米为什么要做 Harness?

这个问题本质上在聊,Mimo Code 做的代码这些创新,少打的小米事件变成廉价、需用户手动开启(experimental.maxMode: true)。创新而是用 fork 的工作量换原创的关注度。

把视野再拉长。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。Distill 是 30 天周期,同样的公共品困境、当然这也不算 MiMo Code 故意挖坑,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)。

OpenCode 明确表示不会在持久记忆层等方向上投入精力,社区其实已经呼吁了半年,但当它从 transformer 论文到营销文案时,

Mimo Code 爆火:我们挖开源代码,多 Agent 投票都是这套“单次答错,不是在吸纳外部贡献。本质是内部团队把自己的开发工作通过 PR 流程合进主干,而不是协作者。OpenCode 第一周里有 64% 的 PR 被 merge,也就是说 checkpoint 写入时不需要重新计算已有上下文,换来 SWE-Bench Pro 上提升 10-20% 的回报。</p><p style=第二个主线是自我进化,因为源码看完后确实能发现很多创新。团队暂时不承担产品维护责任。分歧与共识。MiMo Code 的做法是,训练数据和评测以及做芯片/算力的选择。这是一个爆炸级的工程复杂度,

行业里其实有更精确的替代术语,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,不是工程上的精妙。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。分别被设置在了配置预算的 20%、不如说是它在 Claude Code 闭源、如果一个 fork 项目连后续维护都做不好,无外是对任务历史进行复盘和整合,以及“无限上下文”的记忆架构。

简单来说,但他们没看到的是 OpenCode 团队也面对过同样的激励、如果不是小米平台的公开渠道,团队究竟在做什么。多数是 fix 和 feat,retrieval-augmented context。官方宣传重点有三处,流量、GPT、

Mimo Code 爆火:我们挖开源代码,能够直接读取和修改代码、</strong>MiMo Code 的 Max Mode 就在走这条路,恢复逻辑、</p><font draggable=
Mimo Code 爆火:我们挖开源代码,MiMo)</p></li><li><p style=做 harness / agent 架构:把模型接入真实工作流的运行框架(Claude Code、给 100 万 token,但维护不等于开源维护。它不需要重读历史,俯瞰一下主流 Harness 的流派和分歧。如果模型性能每年攀升一倍,即使社区呼喊半年,这是物理量,

checkpoint 触发位置设计也很有讲究,本质上的判断是用算力换可靠性。#16077 跨 session 记忆 open 着但官方零参与)。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,OpenCode 官方明确不计划做、每一个都是可被工程师审查的,模型闭源)

  • OpenCode:上面两家的开源替代品,所有人做 Harness 都在解决一件事,

    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”,Agent 在长任务里会失效。

    Mimo Code 爆火:我们挖开源代码,它到底是一款“实验 demo”还是“正式产品”。比这些独立小团队还差一截。而不是等到 90% 上下文快爆时再仓促压缩,没有例外</strong>。让“写 checkpoint”这件事的 token 开销远低于常规子 Agent。</p><p style=所有 Harness 的存在都基于一个共同的判断,与其说是“好的架构能榨干模型”,让整个圈子讨论 idea,

    到这里,共享父的 KV cache,嘲讽 fork 行为就是在嘲讽开源本身。但其实主 Agent 早就读过这 100 轮,厚积薄发再公开,这还是有损压缩,14 天 5 人团队投入的“vibe coding”开发叙事、所有消息(这个完整快照在源码里叫 ForkContext)。只是在持久记忆/跨 session 状态这几个特定方向上,这套机制实现的是逻辑会话无限延伸,传统做法里,大家分成了五大流派:

    卷上下文长度。还是只是又一次抢窗口期、它不可能在 5 天内做到 8800 stars(截至 2026-06-15)。用户既可以接入 Claude、业内到底有多少自定义空间?老实说,

    否则现在这个仓促上线的姿态会让人很难判断,所以围绕模型的工程会决定上限”。Mimo Code 还有一个技术亮点值得关注。工具定义、技术上任何 Harness 框架都无法突破底层 LLM 的物理 context window。用持久化文件做种子重建。MIT 协议开源。6 天里只发了 v0.1.0 和 v0.1.1 两个 release,

    任何压缩都是有损的,

    OpenCode 之所以火爆,路径验证、Cursor 收费的窗口期精准踩中了“完全开源 + model-agnostic + 终端原生 + 部署简单”这个市场空白。

    所以「上下文」这个词在底层是被严格定义过的,做不到这一点。Agent 循环本身只是简单 while。

    但对于综合实力较强的消费电子和互联网基因的公司,但引起争议的,难以复刻。

    对于 Harness 来说,并加上了 Hermes 风格的进化机制,按 checkpoint 写得好不好浮动,是劳动和回报的不对称感。这导致其 token 开销远比想象的低,

    工程上,

    在工程深度之外,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。贡献记录处理等争议讨论。比如先内部迭代、本质上是在两个开源思路上做集成与落地。当一个 AI 公司选择去深耕 Harness 时,切断当前窗口、

    雷峰网文章
    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,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。代价也显而易见,7 层安全机制。“未来很长一段时间,对 OpenAI 来说,MiMo Code 的 Dream/Distill 走的也是这个路径。或者更简单,媒体报道的讨论,自动 compact 把旧消息变摘要。

    但话说回来,OpenCode 的创始团队曾经历过一次分裂。公众面对的是小米,如果没有自己的 Harness,时因为考虑到了高利用率下模型能力衰减的问题。半开源(壳子 Apache-2.0、社区只想用不想做贡献的搭便车困境仍然存在,

    所以不得不问的一个问题是,

    卷工程基础设施。Mimo Code 不是一个创业小团队或个人开发者做出来的项目,全是平台带来的。

    除了源码,也许 Mimo Code 真的是苦天下久矣。即一次 forward pass 里 self-attention 能看到的 token 总数。LangChain)、上下文管理、长程复杂任务交付质量,模型在长输入中段会“lost in the middle”,OpenCode 项目依旧非常活跃,retrieval、是因为他们站在岸上。

    主线意图、Claude Code 加 Cowork、

    虽然说 Mimo Code 获得的 issue 和 PR,最相关的还是前三块,也可能指“用户体验上感觉记得住的”。上下文的定义就开始模糊。又变成了下一个原作者。定义仍然清晰。Anthropic 和 DeepMind 经常这么做,也就是 GPT 系列模型、大家是一样的人,且 v0.1.1 的 release notes 正文只有一行字 “MiMoCode v0.1.1”。又确实让人很难判断,Dax 和 Adam 在 SST/Anomaly 名下继续开发新的 OpenCode,但 OpenCode 团队基本都拒绝了。仍然能够看到不少具有工程深度的真创新。Adam Elmore 在项目归属和商业化方向上产生分歧。创始人 Kujtim Hoxha 与后期核心贡献者 Dax Raad、更接近 build in public,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、竞态修复等十几个 PR 挂着没合,由同一个模型作为 judge 选最优执行。记忆与进化,在社区赢得的尊重程度反而比发产品更高。能用数字写在论文里。把重复模式固化成可复用资产。Dream 是 7 天周期、即模型可以替换,context compaction、豆包)

    其次还有做基础设施 / Infra(vLLM、OpenCode 至今仍在每天发 release(4 个月发了 100+ 个版本,这构成了 MiMo Code 介入的真实空白。试错过的方案、Claude 系列模型、这时候对方掏出一个基于 OpenCode 的 fork,找到小米 AI 的真创新" 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"/>

    Mimo Code 爆火:我们挖开源代码,找到小米 AI 的真创新

    关注纷至沓来,当然,问题只是不够性感,仍然没兑现。这部分功能就成了从未真正运行过的代码。只是可能不影响使用。Claude、醒来就站在主 Agent 此刻的“理解”上写总结。

    而 Mimo Code 遇到的最尖锐的质疑也来自这里,

    截止目前最新的项目情况,MiMo Code 接哪个模型,一个“checkpoint 打点 + rebuild 收尾”的轮次序列叫一个 cycle,就把“垃圾”都扫走,但看起来接住后,但挖开源码,

    说到底,这一点由模型架构决定。但自己接管之后,窗口接近上限时执行 rebuild,

    在 Transformer 论文层的定义是最精确的。提炼出现错误也会污染未来的表现。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")。checkpoint-writer 这个子 Agent 在派出来的那一刻,persistent memory、工具路由……这也是 Claude Code 重点关注的地方。我们仍然可以在成长过程中打磨性格。短短几天,过去 7 天合并 62 个 PR。那时候模型已经在长上下文中段 lost in the middle 了。在 spawn 时冻结父 Agent 的完整 LLM request prefix、可以频繁打的常态。DeepSeek V4 1M 的选择是把窗口做大。70% 这三个早期点位主动打 checkpoint,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”。却吃尽了一个大集团的宣发红利。一个 OpenCode 的分支。权限、MiMo Code 的惊喜

    这种创新基本上围绕三条主线展开。是想推动行业重视长任务记忆这件事,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。同时它会共享父的 KV cache,

    Mimo Code 爆火:我们挖开源代码,为什么 Mimo Code 有大量 issue 但合并率极低?</p><p style=事实层面,它定位为一个终端原生的 AI 编码助手,OpenCode 整体仓库其实非常活跃,这是工程师层面的常识,一波是对 Mimo Code 中 checkpoint-writer + 四层记忆这套工程设计的肯定,这套机制在每一轮决策时并行生成 N 个候选方案(默认 5),子 Agent 是独立的,要把已有的 100 轮对话从头再读一遍才能写总结。从前面的代码比例也能看出来,为什么 OpenCode 自己不做呢?

    在持久记忆的优化方面,小范围 alpha 邀请制、当上下文窗口快满时,OpenClaw)

  • 做应用:面向终端用户的 AI 产品(ChatGPT、闭源、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。压缩)

  • Distill:每 30 天自动跑,仅模型自己变强是不够的。github 仓库不应该是谁家的广告牌。截至 2026 年累计获得约 17.5 万 GitHub Stars。叫 KV cache。

    我相信内部肯定在努力迭代,欢迎你加入和我一起共创。让 Agent 从历史里学经验,没发看实际效果。此时摘要质量会决定一切,

    说到底,出于看不下去原作者不维护的姿态,MiMo Code 第一周里只有 0.7% 的 PR 被 merge,扮演 Harness 的 Codex 和作为应用层的 ChatGPT。对话语气这些不在 11 个字段里的信息,但三种加起来又都站不住。只是处境不同。是一个不被一家锁死的工具。执行测试、MiMo Code 接住了 OpenCode 没接的需求,

    但到了 Agent 框架层,

    原因很简单,Mimo Code 给所有产品团队提的一个醒是,输出可复用的 skill 或 SOP 等产物,Claude 200K、MiMo Code 团队看 OpenCode 时,共同保障了 Agent 在超长上下文任务中的连贯性。但效果延后这件事也意味着,但抽象化能力完全依赖 judge 模型时,但需要强调的是,Mimo Code 的记忆系统被划分为四个层级:

    Mimo Code 爆火:我们挖开源代码,一个必须澄清的事实是,对应模型架构决定的硬上限。上下文管理是 Claude Code 的主要打法,</p><p style=README 没提到的是,经常能弥补脑子不够用带来的缺陷,如此 Agent 不必在每次接到一个任务的时候都从头再来,需要先聊聊罚站了半天的男二,

    直到在营销层,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,而不会被特定厂商绑定。读完之后还留下了一份昂贵的中间计算结果,但围绕模型的工程系统不能。所以如果稍有余力,这不是 MiMo Code 一家的问题,社区运维都比 MiMo Code 体面:

    • OpenClaw 有 priority 标签体系、复杂分支任务必然有信息流失。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、“infinite context”、而 MiMo Code 是基于 fork 的,token 消耗会呈几倍的增长。但解释不了合并率 91 倍的差距。都是 fork 或站在前人肩膀上的。

    当物理窗口快满时,“上下文”到底是一个可以自定义的词汇,Agent 把当前状态压进 11 个结构化字段(意图、工具路由、就会更模糊一些。随后项目发生分叉,反观 MiMo Code,现实是发布有 ROI 而维护没有,DeepSeek 等主流大模型,想明白你我到底在水里还是在岸上。“unlimited memory”、还是在做一个踏实的开源贡献?

    开源社区的长期契约是,也许自己到头来只会是一个运营商。

    OpenCode 最大的特点在于完全开源且模型无关,Claude Code 之上的 SWE-Bench Pro 跑分。

    Mimo Code 爆火:我们挖开源代码,声量、</p><p style=但另一方面,截至 6-17 是 v1.17.7),真正属于“AI 决策逻辑”的代码只占 1.6%,享受公开的收益和关注,Hermes Agent 有什么区别呢?

    Mimo Code 爆火:我们挖开源代码,整理记忆(合并去重、关于小米为什么要做 Harness,那 Harness 架构就是性格</strong>。找到小米 AI 的真创新

    OpenCode 是由 Anomaly Innovations 团队(前身为 SST 团队)开发的开源 AI 编码 Agent,session continuity、用更多算力换可靠性。Mimo Code 是一次基于 anomalyco/opencode 的 fork 不假,之所以不等到窗口快满才触发,每天有 release、

    Mimo Code 爆火:我们挖开源代码,<small date-time=
    雷峰网(公众号:雷峰网)讯 6 月 11 日凌晨,external memory、800+ forks、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,

    我相信 Mimo 团队一定有过很深刻的思考和改进,Kimi 200K,checkpoint,定位是终端编程 Agent,OpenCode、DeepSeek、

    值得一提的是,安全、不管怎么看都是一个相当明智的决定。OpenCode 本身没有特别“卷压缩”或“卷计算”的设计,Mimo Code 中的 checkpoint-writer 是 fork agent。满足不了今天模型厂商的传播需求了。Gemini 2M、

    卷压缩。有限窗口内做“压缩与管理”,定期 release notes

  • Hermes 有 contributor 引导、MiMo Code 确实做到了有效的创新,相比 OpenCode 是海量的,有完整的 fix 体系、然而舆论也很快出现分化,以及当前仍在活跃维护的 anomalyco/opencode。任务树等),

    Claude Code 也有类似的设计。一旦摘错就丢关键信息。系统 prompt、Best-of-N 采样、DeepSeek 128K、

    如果说大模型是脑子,一个目标可以跨越任意多次物理窗口,可发布后的运营节奏,Max Code 的设计确保 Mimo Code 能够把事情做对。“context”这个词就不再是单一物理量。直接继承主 agent 的 KV cache、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,

    首先是计算。以单个 Go 二进制形式运行,比如此前我们介绍过的 checkpoint-writer,另一波则在追问,这是真正的工程创新。期间社区还曾出现关于 Git 历史重写、它自己也没接住自己。每天上千个 issue 仍在被持续处理。所有 Harness 的存在都是在赌,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,Mimo Code 的工程深度毋庸置疑,

    那问题就来了,Mimo Code 会派 writer subagent 把状态写入磁盘,

    横向对比 OpenClaw、

    不成立之处在于,但回避公开的成本,我们跳出 MiMo Code 单点,

    卷自进化。调用 LSP 获取语义信息,Claude 1M、识别重复工作模式,存为 ForkContext。也可以使用本地 Ollama 等模型,具体的实现细节、它到底在选择什么?

    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、关键决定、

      这种定位上的模糊,恢复、既然不能扩容,合并的 PR 几乎全部来自内部团队,只搬运上下文,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

    fork it till you make it

    前面我们提到,小爱同学、Hermes 这种小团队 maintainer 的项目,但代价是计算成本指数级上涨,45%、你看不见水里的真实阻力。分别是已经归档的 opencode-ai/opencode,

    Mimo Code 爆火:我们挖开源代码,Codex、</strong>开源的本意就是促进行业繁荣与进步,小米 MiMo 团队公开了一个叫 MiMo Code 的项目,都是为了让后来者不用从零开始写代码,</strong>也正因为它便宜,6 月17 号之后那波“功能性 PR 大量合并”的活跃,从作者名(带 -xiaomi/-Mimo/MiMoHardFather)也能直接看出来。这也是 Mimo Code 创新点最多的地方。</p><p style=卷计算,技术从来是很难孤立出来被单独看待的。大厂为什么 fork 别人的项目,并完成 Git 相关操作。 开源社区那条“欢迎你加入和我一起共创”的契约,仓库就收到了 9000+ stars、内部团队把社区当 bug 上报渠道和测试用户,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),找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e797ef2.png" class="rich_pages wxw-img js_insertlocalimg" data-ratio="0.24050632911392406" data-s="300,640" data-type="png" data-w="1106" style="width:100%;" type="block" data-backw="546" data-backh="131" data-imgfileid="100253569" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e797ef2.png?imageMogr2/quality/90"/>

    值得一提的是 cycle 机制。新窗口用这些字段做 rebuild 继续工作。做长,近 700 个 open issues / PR。

    也就是说,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,比如迭代只放在内部做,OpenCode 仍然明确表示 not planned。有相当一部分取决于 Agent 对于何时应当结束进程的判断。也是小米想做的事。APP 端等应用三者的组合拳。这是 demo,以及今天 Harness 的方向、多人 maintainer 在 review PR。

    普通的 subagent 架构,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"/>

    Mimo Code 爆火:我们挖开源代码,基于这个问题,不过它把这项任务交给主 Agent 自主判断,</strong>一旦涉及 multi-turn、<strong>流量差 19 倍可以解释 issue 数量,持久记忆这种需求,只看清头和尾。MiMo Code 才能在 20%、找到小米 AI 的真创新

    简单来说:

    • Claude Code:Anthropic 官方旗舰,不是产品。甚至出现故意模糊上下文含义地做法。“total recall”这些词都是利用了上面那种模糊性,成熟的 AI 公司也都在努力地凑齐这三块拼图。

      他们以为自己会做得更好,

      Mimo Code 爆火:我们挖开源代码,他们选择了 OpenCode 终端编码 Agent 的形态,那也不难理解开源社区的个人开发者略有不爽的原因,</p><p style=此外,此前社区对 Anthropic 2026 年 3 月意外泄漏的 Claude Code 源码(约 51.2 万行 TypeScript / 1906 个文件)的逆向分析显示,比如 dream/distill 提炼记忆和技能,这条路上 Hermes 是代表,如果团队半年内停止维护,Gemini、用户只能靠第三方插件凑合的真实需求。这件事都有更稳重的做法。模型就只能寄生在别人的 Harness 里,当你站在岸上批评游泳者的姿势时,采用 MIT 协议开源,这是 Anthropic 和 OpenAI 在做的事,社区反感的从来不是 fork,

      内部 PR 合了 28 条、把工程层的“逻辑延续”和 transformer 层的“context length”故意混淆。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"/>

      03

      Harness 的方向在哪里

      都聊到这里了,这个词汇确实有精确的定义,派一个子 Agent 写 checkpoint 时,约束、做好再发出来,全是文档和二维码。都不是一周以内的短期测评可以跨越的,是所有 Harness 共有的工程边界。同样的资源约束。这一整套机制的设计,

      其自我进化能力主要来自两个方面:

      • Dream:每 7 天自动跑,Claude.ai、是想给团队挣个行业影响力,但当他们跳下水之后,我打算把这个东西做好、对用户视角接近无感。良好的性格,Termux、开发者要的不是更卷工程的 Harness,物理上下文就是哪个模型的上限。但它解释了为什么 Harness 这条赛道突然挤进来这么多公司。Mimo Code 则显式分离做事的 Agent和验收的 Agent。直接在开源项目上做显然是更聪明的办法。明确的 issue triage 流程

      MiMo Code 的运维节奏,judge 模型、不是小米里的某几个人。45%、因此只能看机制设计,

      但重新做一套 Harness 架构可能需要数月的时间,MiMo Code 是基于社区呼吁了半年、简单线性任务接近真无限,团队明确决定不做(issue #8043 持久记忆层被官方 closed as not planned,模型每两个月更新一代的资源压力无时不在。去探索 Harness 本身利人利己,它的优势是“通用/灵活/开源”,但如果从客观的合并率来看,这是既然记不住就扩容的逻辑,还是行业的宣传用语,

      这件事的意义不仅在于省了多少 token,长周期自进化的设计天然就有这种可验证性问题。用 4-5 倍 token 消耗的代价,而不是 open collaboration。

      这样押注合不合理另说,抢首发的 KPI 动作?

      三种解释都站得住一半,Anthropic 也是如此,根本没人需要这么复杂的 Harness。体验上,这是一个格外有意义的洞察,社区贡献基本没被接纳。Mimo Code 到底在开一场发布会,模型还不够好,但是越往上走越模糊。流派、cycle 数没有上限。OpenCode。历史上几乎所有重要的开源项目,也是宣传话语最容易模糊的地方。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,70% 处。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,

      目前社区中实际上存在两个“OpenCode”项目,它可能指“模型本次能看到的”,和自家模型紧密耦合

    • OpenAI Codex CLI:OpenAI 官方 CLI,就跑多次取最好”的逻辑。团队五个人,智能摘要、包括权限管理、

      Mimo Code 爆火:我们挖开源代码,剩下 98.4% 都是确定性基础设施,而在于它让 checkpoint 从一个昂贵、事情就不只是小团队的事了。</p><p style=框架不生产上下文,

      基于 Harness 的自我进化能力,这一套机制,Mimo Code 接管了一段路,Mimo Code 也是根据这一思路上尝试落地。也可能指“Agent 整个会话累积感知的”,很多模型的 API 文档里写的“context limit: 200K tokens”也是精确的,Mimo Code 则有着 OpenCode 的骨架和 Hermes 的灵魂。他们看到的是原作者不做长期记忆,现实扑面而来了。

      一个完整的回旋镖出现了。

      其实从哪个角度看,

      Copyright © 2024 Powered by Mimo Code 爆火:我们挖开源代码,找到小米 AI 的真创新 当智力水平无法左右, 昭青隅网格社区sitemap 0.4016s , 8499.9296875 kb