Hace unos días Xiaomi hizo algo que no esperaba nadie del gigante chino de los móviles y los coches eléctricos: ha lanzado MiMo Code, un agente de programación para terminal, open source y gratuito para empezar. No es solo otro asistente de código. Es una apuesta directa contra Claude Code, Codex CLI y el resto de agentes que están redefiniendo cómo se desarrolla software.
La pregunta para tu empresa no es si lo vas a usar mañana, sino si entiendes qué cambia con herramientas como esta. Porque lo que Xiaomi está vendiendo no es solo un modelo de IA: es una nueva forma de construir el harness, el andamiaje que rodea al modelo y decide qué puede hacer solo.
Qué es MiMo Code
MiMo Code es un agente de coding que vive en la terminal. Puede leer archivos, ejecutar comandos, gestionar Git y escribir código siguiendo instrucciones. En eso se parece a Claude Code, Codex CLI o Gemini CLI. Pero Xiaomi ha hecho dos cosas que lo diferencian:
- Ha liberado el código bajo licencia MIT, así que cualquiera puede inspeccionarlo, modificarlo e integrarlo.
- Ha diseñado una arquitectura de memoria persistente que, según sus tests, mejora el rendimiento cuando una tarea supera los 200 pasos.
La clave está en que no dependes solo de la ventana de contexto del modelo. MiMo Code guarda información en cuatro niveles: un archivo MEMORY.md por proyecto, checkpoints de sesión, notas rápidas y logs de progreso por tarea. Todo indexado con SQLite FTS5, es decir, con búsqueda en texto completo.
El subagente que toma notas por ti
La idea más interesante es su checkpoint-writer: un subagente independiente que escribe lo que ocurre mientras el agente principal programa. Piensa en ello como una obra de construcción: el albañil levanta la casa y un arquitecto va actualizando los planos en tiempo real.
Cuando el contexto se acerca al límite, el agente principal puede reconstruir el estado a partir de esos checkpoints sin perder el hilo. Eso es lo que Xiaomi llama acabar con la amnesia de los agentes de código. Y en su prueba con 576 desarrolladores y 474 repositorios privados, MiMo Code ganó más del 65% de las veces a Claude Code cuando las tareas superaban los 200 pasos. Bajo ese umbral, el resultado era prácticamente un empate.
Números y matices
Según los datos publicados por Xiaomi:
- SWE-bench Verified: 82% vs 79% de Claude Code
- SWE-bench Pro: 62% vs 55%
- Terminal Bench 2: 73% vs 69%
Son cifras prometedoras, pero hay que leerlas con criterio. Xiaomi no compara contra OpenAI Codex ni Google Gemini CLI, y en la leaderboard oficial de Terminal-Bench 2.0, Codex CLI con GPT-5.5 marca un 82,2%, por encima del 73% de MiMo Code. Además, son resultados auto-reportados por el fabricante, no verificados de forma independiente.
Lo que sí es relevante: usando el mismo modelo subyacente, MiMo Code saca unos 5 puntos más que Claude Code en dos benchmarks. Eso significa que una parte del mejorón no viene del modelo, sino del diseño del agente.
Precio y accesibilidad
MiMo Code incluye acceso gratuito por tiempo limitado a MiMo-V2.5, el modelo multimodal de Xiaomi con una ventana de contexto de un millón de tokens. Si prefieres usar tus propios modelos, también soporta APIs compatibles con OpenAI, DeepSeek, Kimi y GLM.
Los precios de Xiaomi son agresivos: MiMo-V2.5-Pro cuesta 1 dólar por millón de tokens de entrada y 3 de salida hasta 256K de contexto. Para comparar, modelos top de OpenAI o Anthropic pueden costar 30 o 60 dólares por millón combinado. Esa diferencia importa mucho si tu equipo va a usar agentes a escala.
Qué significa para tu empresa
Para responsables técnicos, MiMo Code es candidato de evaluación de bajo riesgo: licencia permisiva, arquitectura visible y posibilidad de apuntarlo a un endpoint interno en lugar de la nube de Xiaomi. Pero también hay contrapuntos: el acceso gratuito es temporal, enviar tu código a sus servidores puede chocar con políticas de datos sensibles, y es una versión 0.1.0, es decir, muy verde.
La lección más importante es otra: en 2026, la batalla de los agentes de IA no la gana solo quien tenga el modelo más grande. La gana quien diseñe mejor el sistema alrededor del modelo: memoria, checkpoints, subagentes y flujos de trabajo. Ese es el terreno en el que se está jugando.
¿Quieres explorar cómo los agentes de IA pueden encajar en tu equipo? Hablemos.