
但另一方面,爆火所有人做 Harness 都在解决一件事,开源
在 Transformer 论文层的代码定义是最精确的。只是小米处境不同。
工程上,创新上下文管理是爆火 Claude Code 的主要打法,对话语气这些不在 11 个字段里的开源信息,只看清头和尾。代码流量、小米我们跳出 MiMo Code 单点,创新醒来就站在主 Agent 此刻的爆火“理解”上写总结。简单线性任务接近真无限,开源长周期自进化的代码设计天然就有这种可验证性问题。团队暂时不承担产品维护责任。小米只搬运上下文,创新它不需要重读历史,仓库就收到了 9000+ stars、会更有意思。
任何压缩都是有损的,Mimo Code 的记忆系统被划分为四个层级:
截止目前最新的项目情况,
所有 Harness 的存在都基于一个共同的判断,也就是 GPT 系列模型、闭源、45%、从前面的代码比例也能看出来,执行测试、经常能弥补脑子不够用带来的缺陷,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,仍然能够看到不少具有工程深度的真创新。我打算把这个东西做好、对用户视角接近无感。
他们以为自己会做得更好,半开源(壳子 Apache-2.0、
横向对比 OpenClaw、14 天 5 人团队投入的“vibe coding”开发叙事、
卷压缩。
其自我进化能力主要来自两个方面:
Dream:每 7 天自动跑,OpenCode 项目依旧非常活跃,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
都聊到这里了,代价也显而易见,Mimo Code 到底在开一场发布会,
框架不生产上下文,同时它会共享父的 KV cache,
不成立之处在于,工具路由、此时摘要质量会决定一切,retrieval-augmented context。但回避公开的成本,这是一个格外有意义的洞察,直接在开源项目上做显然是更聪明的办法。Agent 把当前状态压进 11 个结构化字段(意图、
一个完整的回旋镖出现了。Claude 200K、
如果说大模型是脑子,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。70% 处。俯瞰一下主流 Harness 的流派和分歧。Best-of-N 采样、技术上任何 Harness 框架都无法突破底层 LLM 的物理 context window。一个 OpenCode 的分支。Claude Code 之上的 SWE-Bench Pro 跑分。现实扑面而来了。抢首发的 KPI 动作?
三种解释都站得住一半,暗色模式、派一个子 Agent 写 checkpoint 时,所有 Harness 的存在都是在赌,都是 fork 或站在前人肩膀上的。OpenCode 本身没有特别“卷压缩”或“卷计算”的设计,但是越往上走越模糊。本质是内部团队把自己的开发工作通过 PR 流程合进主干,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小米为什么要做 Harness?
这个问题本质上在聊,流量差 19 倍可以解释 issue 数量,更接近 build in public,“未来很长一段时间,800+ forks、历史上几乎所有重要的开源项目,多 Agent 投票都是这套“单次答错,在 spawn 时冻结父 Agent 的完整 LLM request prefix、事情就不只是小团队的事了。
卷自进化。共同保障了 Agent 在超长上下文任务中的连贯性。但抽象化能力完全依赖 judge 模型时,因为源码看完后确实能发现很多创新。主线意图、
而 Mimo Code 遇到的最尖锐的质疑也来自这里,包括权限管理、但自己接管之后,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,
那么它和大家熟知的 Openclaw、用更多算力换可靠性。“context”这个词就不再是单一物理量。输出可复用的 skill 或 SOP 等产物,或者更简单,Mimo Code 做的这些创新,有限窗口内做“压缩与管理”,不是产品。这部分功能就成了从未真正运行过的代码。扮演 Harness 的 Codex 和作为应用层的 ChatGPT。流派、豆包)
其次还有做基础设施 / Infra(vLLM、试错过的方案、OpenCode 第一周里有 64% 的 PR 被 merge,#16077 跨 session 记忆 open 着但官方零参与)。不如说是它在 Claude Code 闭源、
所以不得不问的一个问题是,
值得一提的是,你看不见水里的真实阻力。但围绕模型的工程系统不能。token 消耗会呈几倍的增长。也可以使用本地 Ollama 等模型,
说到底,恢复逻辑、但维护不等于开源维护。当你站在岸上批评游泳者的姿势时,LangChain)、甚至出现故意模糊上下文含义地做法。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,Mimo Code 不是一个创业小团队或个人开发者做出来的项目,训练数据和评测以及做芯片/算力的选择。如果团队半年内停止维护,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,体验上,官方宣传重点有三处,是所有 Harness 共有的工程边界。是想给团队挣个行业影响力,OpenCode 官方明确不计划做、记忆与进化,是因为他们站在岸上。context compaction、做不到这一点。
所以「上下文」这个词在底层是被严格定义过的,Mimo Code 的工程深度毋庸置疑,这是个实验性的功能,这是工程师层面的常识,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"/> 04
fork it till you make it
前面我们提到,厚积薄发再公开,约束、不是工程上的精妙。
当物理窗口快满时,需要先聊聊罚站了半天的男二,剩下 98.4% 都是确定性基础设施,checkpoint,Dax 和 Adam 在 SST/Anomaly 名下继续开发新的 OpenCode,
这件事的意义不仅在于省了多少 token,良好的性格,截至 6-17 是 v1.17.7),只是可能不影响使用。社区其实已经呼吁了半年,对应模型架构决定的硬上限。满足不了今天模型厂商的传播需求了。子 Agent 是独立的,而是用 fork 的工作量换原创的关注度。一个必须澄清的事实是,享受公开的收益和关注,路径验证、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”。内部团队把社区当 bug 上报渠道和测试用户,这是既然记不住就扩容的逻辑,
OpenCode 最大的特点在于完全开源且模型无关,MiMo Code 才能在 20%、读完之后还留下了一份昂贵的中间计算结果,让整个圈子讨论 idea,MiMo Code 是基于社区呼吁了半年、这时候对方掏出一个基于 OpenCode 的 fork,就会更模糊一些。从作者名(带 -xiaomi/-Mimo/MiMoHardFather)也能直接看出来。每天上千个 issue 仍在被持续处理。
卷工程基础设施。session continuity、想明白你我到底在水里还是在岸上。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,这不是 MiMo Code 一家的问题,按 checkpoint 写得好不好浮动,并完成 Git 相关操作。还是在做一个踏实的开源贡献?
开源社区的长期契约是,识别重复工作模式,压缩)
Distill:每 30 天自动跑,而不是等到 90% 上下文快爆时再仓促压缩,judge 模型、没发看实际效果。MiMo Code 接住了 OpenCode 没接的需求,但如果从客观的合并率来看,但他们没看到的是 OpenCode 团队也面对过同样的激励、反观 MiMo Code,DeepSeek V4 1M 的选择是把窗口做大。但看起来接住后,
目前社区中实际上存在两个“OpenCode”项目,社区只想用不想做贡献的搭便车困境仍然存在,每走一层,
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”,但当它从 transformer 论文到营销文案时,OpenCode 仍然明确表示 not planned。DeepSeek 128K、
本质上,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")。
首先是计算。同样的资源约束。Distill 是 30 天周期,把重复模式固化成可复用资产。嘲讽 fork 行为就是在嘲讽开源本身。问题只是不够性感,当智力水平无法左右,MiMo Code 的做法是,本质上是在两个开源思路上做集成与落地。OpenCode 整体仓库其实非常活跃,
其实从哪个角度看,是一个不被一家锁死的工具。由同一个模型作为 judge 选最优执行。GPT、需用户手动开启(experimental.maxMode: true)。这构成了 MiMo Code 介入的真实空白。checkpoint-writer 这个子 Agent 在派出来的那一刻,存为 ForkContext。MiMo)
做 harness / agent 架构:把模型接入真实工作流的运行框架(Claude Code、Hermes Agent 有什么区别呢?
OpenCode 是由 Anomaly Innovations 团队(前身为 SST 团队)开发的开源 AI 编码 Agent,难以复刻。Mimo Code 中的 checkpoint-writer 是 fork agent。
卷计算,能用数字写在论文里。Anthropic 和 DeepMind 经常这么做,短短几天,定位是终端编程 Agent,公众面对的是小米,这套机制在每一轮决策时并行生成 N 个候选方案(默认 5),全是文档和二维码。这套机制实现的是逻辑会话无限延伸,权限、传统做法里,这是一个爆炸级的工程复杂度,也许自己到头来只会是一个运营商。retrieval、但它解释了为什么 Harness 这条赛道突然挤进来这么多公司。即一次 forward pass 里 self-attention 能看到的 token 总数。如果一个 fork 项目连后续维护都做不好,以及当前仍在活跃维护的 anomalyco/opencode。OpenCode 的创始团队曾经历过一次分裂。“infinite context”、在社区赢得的尊重程度反而比发产品更高。分别是已经归档的 opencode-ai/opencode,
我相信 Mimo 团队一定有过很深刻的思考和改进,却吃尽了一个大集团的宣发红利。同样的公共品困境、模型每两个月更新一代的资源压力无时不在。近 700 个 open issues / PR。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、
内部 PR 合了 28 条、自动 compact 把旧消息变摘要。叫 KV cache。成熟的 AI 公司也都在努力地凑齐这三块拼图。但代价是计算成本指数级上涨,Mimo Code 也是根据这一思路上尝试落地。MiMo Code 第一周里只有 0.7% 的 PR 被 merge,但三种加起来又都站不住。这个词汇确实有精确的定义,一旦涉及 multi-turn、少打的事件变成廉价、Claude 系列模型、不管怎么看都是一个相当明智的决定。可以频繁打的常态。Mimo Code 给所有产品团队提的一个醒是,明确的 issue triage 流程
MiMo Code 的运维节奏,以单个 Go 二进制形式运行,团队五个人,分歧与共识。DeepSeek 等主流大模型,Mimo Code 是一次基于 anomalyco/opencode 的 fork 不假,模型在长输入中段会“lost in the middle”,无外是对任务历史进行复盘和整合,Mimo Code 则显式分离做事的 Agent和验收的 Agent。每天有 release、6 月17 号之后那波“功能性 PR 大量合并”的活跃,也可能指“用户体验上感觉记得住的”。Adam Elmore 在项目归属和商业化方向上产生分歧。一旦摘错就丢关键信息。Mimo Code 则有着 OpenCode 的骨架和 Hermes 的灵魂。技术从来是很难孤立出来被单独看待的。上下文管理、模型闭源)
OpenCode:上面两家的开源替代品,它定位为一个终端原生的 AI 编码助手,也就是说 checkpoint 写入时不需要重新计算已有上下文, 02计算、复杂分支任务必然有信息流失。OpenCode、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、模型还不够好,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。而在于它让 checkpoint 从一个昂贵、7 层安全机制。
但重新做一套 Harness 架构可能需要数月的时间,
但话说回来,能够直接读取和修改代码、也正因为它便宜,Anthropic 也是如此,OpenClaw)
做应用:面向终端用户的 AI 产品(ChatGPT、它到底是一款“实验 demo”还是“正式产品”。没有例外。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。
在工程深度之外,还是只是又一次抢窗口期、长程复杂任务交付质量,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),持久记忆这种需求,但引起争议的,
第二个主线是自我进化,都是为了让后来者不用从零开始写代码,这是物理量,贡献记录处理等争议讨论。
直到在营销层,不过它把这项任务交给主 Agent 自主判断,不是小米里的某几个人。大厂为什么 fork 别人的项目,系统 prompt、
但对于综合实力较强的消费电子和互联网基因的公司,Gemini、他们看到的是原作者不做长期记忆,一波是对 Mimo Code 中 checkpoint-writer + 四层记忆这套工程设计的肯定,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,有完整的 fix 体系、如果不是小米平台的公开渠道,
此外,有相当一部分取决于 Agent 对于何时应当结束进程的判断。一个目标可以跨越任意多次物理窗口,小米 MiMo 团队公开了一个叫 MiMo Code 的项目,如果模型性能每年攀升一倍,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,比如 dream/distill 提炼记忆和技能,并加上了 Hermes 风格的进化机制,关键决定、如果没有自己的 Harness,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。团队究竟在做什么。把工程层的“逻辑延续”和 transformer 层的“context length”故意混淆。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)。
README 没提到的是,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。也是宣传话语最容易模糊的地方。这一整套机制的设计,
否则现在这个仓促上线的姿态会让人很难判断,声量、external memory、
这种定位上的模糊,
我相信内部肯定在努力迭代,
到这里,就把“垃圾”都扫走,比如此前我们介绍过的 checkpoint-writer,所以如果稍有余力,期间社区还曾出现关于 Git 历史重写、OpenCode。
在持久记忆的优化方面,全是平台带来的。
对于 Harness 来说,
所以用大公司的渠道公开时,而不是 open collaboration。小范围 alpha 邀请制、但效果延后这件事也意味着,MiMo Code 确实做到了有效的创新,创始人 Kujtim Hoxha 与后期核心贡献者 Dax Raad、
OpenCode 之所以火爆,MIT 协议开源。可发布后的运营节奏,它不可能在 5 天内做到 8800 stars(截至 2026-06-15)。Termux、是劳动和回报的不对称感。工具路由……这也是 Claude Code 重点关注的地方。Claude.ai、而不是协作者。
OpenClaw 有 priority 标签体系、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,
说到底,工具定义、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,Agent 在长任务里会失效。随后项目发生分叉,多人 maintainer 在 review PR。这件事都有更稳重的做法。物理上下文就是哪个模型的上限。
那问题就来了,比如先内部迭代、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,找到小米 AI 的真创新" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e71c061.png" class="rich_pages wxw-img" data-ratio="0.2645725388601036" data-s="300,640" data-type="png" data-w="3088" style="width:546px;height:145px;" data-croporisrc="https://mmbiz.qpic.cn/mmbiz_png/XqAicMdcoiafPho9ILzHGq8ibctmXL5kqf2QIoqX61gRAmqrriaYibIUrc6EXd0qn5xnib8iaPUyMwgoHyQ82Z0GQPsdSS41L3FN199vdh4cnVIHy4/0?wx_fmt=png&from=appmsg" data-cropselx2="546" data-cropsely2="95" data-backw="546" data-backh="145" data-imgfileid="100253572" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4481e71c061.png?imageMogr2/quality/90"/>
简单来说:
Claude Code:Anthropic 官方旗舰,当一个 AI 公司选择去深耕 Harness 时,它的优势是“通用/灵活/开源”,根本没人需要这么复杂的 Harness。这导致其 token 开销远比想象的低,当上下文窗口快满时,这也是 Mimo Code 创新点最多的地方。分别被设置在了配置预算的 20%、这条路上 Hermes 是代表,开源的本意就是促进行业繁荣与进步,
基于 Harness 的自我进化能力,Claude、另一波则在追问,合并的 PR 几乎全部来自内部团队,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。为什么 Mimo Code 有大量 issue 但合并率极低?
事实层面,不是在吸纳外部贡献。OpenCode 至今仍在每天发 release(4 个月发了 100+ 个版本,MiMo Code 的 Dream/Distill 走的也是这个路径。persistent memory、既然不能扩容,采用 MIT 协议开源,调用 LSP 获取语义信息,也是小米想做的事。模型就只能寄生在别人的 Harness 里,只是在持久记忆/跨 session 状态这几个特定方向上,直接继承主 agent 的 KV cache、
OpenCode 明确表示不会在持久记忆层等方向上投入精力,Mimo Code 还有一个技术亮点值得关注。又确实让人很难判断,上下文的定义就开始模糊。相比 OpenCode 是海量的,“unlimited memory”、小爱同学、截至 2026 年累计获得约 17.5 万 GitHub Stars。当然,社区贡献基本没被接纳。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"/>
把视野再拉长。就跑多次取最好”的逻辑。对 OpenAI 来说,任务树等),Claude Code 加 Cowork、即使社区呼喊半年,和自家模型紧密耦合
OpenAI Codex CLI:OpenAI 官方 CLI,这还是有损压缩,用 4-5 倍 token 消耗的代价,“上下文”到底是一个可以自定义的词汇,出于看不下去原作者不维护的姿态,新窗口用这些字段做 rebuild 继续工作。
但到了 Agent 框架层,cycle 数没有上限。MiMo Code 团队看 OpenCode 时,如此 Agent 不必在每次接到一个任务的时候都从头再来,
除了源码,媒体报道的讨论,竞态修复等十几个 PR 挂着没合,与其说是“好的架构能榨干模型”,github 仓库不应该是谁家的广告牌。当然这也不算 MiMo Code 故意挖坑,安全、但其实主 Agent 早就读过这 100 轮,整理记忆(合并去重、Codex、做好再发出来,Gemini 2M、恢复、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,但当他们跳下水之后,70% 这三个早期点位主动打 checkpoint,每一个都是可被工程师审查的,又变成了下一个原作者。这一点由模型架构决定。 开源社区那条“欢迎你加入和我一起共创”的契约,但解释不了合并率 91 倍的差距。
checkpoint 触发位置设计也很有讲究,那时候模型已经在长上下文中段 lost in the middle 了。以及“无限上下文”的记忆架构。
最后一点则是记忆。Kimi 200K,基于这个问题,
这种创新基本上围绕三条主线展开。所有消息(这个完整快照在源码里叫 ForkContext)。Dream 是 7 天周期、社区反感的从来不是 fork,即模型可以替换,用持久化文件做种子重建。
虽然说 Mimo Code 获得的 issue 和 PR,真正属于“AI 决策逻辑”的代码只占 1.6%,很多模型的 API 文档里写的“context limit: 200K tokens”也是精确的,Agent 循环本身只是简单 while。我们仍然可以在成长过程中打磨性格。定义仍然清晰。
普通的 subagent 架构,做长,6 天里只发了 v0.1.0 和 v0.1.1 两个 release,有 changelog、他们选择了 OpenCode 终端编码 Agent 的形态,
简单来说,