小米MiMo Code开源了——125个开发任务只花70美元，AI编程的成本屠夫来了

上周末我花了三个小时干了一件事：把团队最近一个中小型全栈项目从 Copilot + Claude Code 的组合上迁移到了小米刚开源的 MiMo Code。

起因很简单——6月1号 Copilot 切了 Token 计费，团队账单预估翻了 6 倍。而 MiMo Code 的实测数据让我坐不住了：完成 125 个开发任务、301 次 Git 提交、60 多个页面，处理 3.87 亿个 Token，总 API 成本——70 美元。

70 美元是什么概念？同期 Claude Code 跑同样的工作负载，如果你用 Sonnet 4.6，账单大概在 1800 美元上下。Copilot 按新计费，那块更不敢看。

这不是"小米又来卷价格了"这么简单。我完整测了一周，今天把真正的差距掰开讲。

一、Copilot 一改计费，整个生态都跟着变

先说说背景。2026 年 6 月 1 日，GitHub Copilot 正式从包月制转向按 Token 用量收费。表面上是"用多少付多少"，但实际跑下来，重度用户的月费从 50 美元直接飙到了 2000-3000 美元。Copilot 的回复率确实高——几乎每个 Tab 补全都算一次调用。

这波操作直接把开发者群体推到了两个选择面前：要么忍着涨价继续用，要么找替代品。

而替代品们已经全部准备好了。

Claude Code 半年冲到 10 亿美元年化营收，Y Combinator 2026 年报告显示 Claude Code 在创业公司的市占率达到 52%。Google 的 Gemini CLI、OpenAI 的 Codex、国产的开源方案 OpenCode——AI 编程工具的赛道，从"谁家模型更强"打到了"谁能让开发者用得起的还能干好活"。

就在这个节骨眼上，6 月 11 日，小米 MiMo 团队扔出了 MiMo Code V0.1.0。

二、MiMo Code 到底是个什么东西

一句话概括：一个跑在终端里的 AI 编程 Agent，MIT 协议完全开源，内置限时免费的 MiMo-V2.5 多模态模型，同时兼容 DeepSeek、Kimi、GLM 等主流模型的 API。

装它的命令只有一行：

curl -fsSL https://mimo.xiaomi.com/install | bash

或者如果你用 npm：

npm install -g @mimo-ai/cli

然后输入 mimo 就进去了。

但真正让我惊讶的，不是安装多简单，而是它的三个设计选择。

持久记忆系统——这是最实在的差异化

用过 Claude Code 的人都知道一个痛点：你跑了一个小时的复杂任务，终端一关，再打开，Agent 不认识你了。你得重新描述项目架构、当前进度、之前做了哪些决策。

MiMo Code 用三层文件结构解决了这个问题：

MEMORY.md         → 项目级知识/规则（长期记忆）
checkpoint.md     → 会话检查点（当前状态快照）
tasks/*/progress.md → 任务进展（细粒度状态跟踪）

加上 SQLite 做历史兜底。

每次会话结束后，一个独立的子 Agent（叫 writer）会自动扫描这次会话的关键信息，更新 MEMORY.md，压缩 checkpoint。下次你再跑 mimo，它看一遍 MEMORY.md 就知道当前项目到哪一步了，不需要你重新啰嗦。

实测效果：我连续三天做一个博客系统的迁移重构，从 Django ORM 迁移到 SQLAlchemy 2.0。第一天花了 2 小时跟它交代了项目结构和迁移计划；第二天打开终端，它读了一遍 MEMORY.md，直接问"继续处理 model/user.py 的映射层？"——完全不需要重复上下文。这个体验是质的区别。

但最让我困惑的是——为什么没人早点告诉我这个办法？【关注后看完整排查思路】🤔

96% 的上下文缓存命中率——成本就是这么降下来的

这组数据是海外开发者实测放出来的：

70 美元处理 3.87 亿 Token，换算下来每百万 Token 成本不到 1.8 美元。而 Claude Sonnet 4.6 的输入价格是 15 美元/百万 Token，输出 75 美元/百万 Token。

差距的核心在 MiMo 模型的上下文缓存（Context Caching）机制。MiMo-V2.5 的缓存命中率高达 96%，意味着每次请求中，96% 的 Token 是从缓存读取的，只需要付 4% 的新内容计算费。

我没有实验室那种大规模测试环境，但用自己的项目做了个简单对比：

用 MiMo Code（内置 MiMo-V2.5 免费模型）完成"给现有 Spring Boot 项目添加 Redis 缓存层"这个任务，全程大约 40 轮对话、改 12 个文件。查看用量，累计 Token 约 280 万。

如果用 Claude Code Sonnet，按 15/75 计价，输入约 250 万 Token（假设 10:1 输入输出比），总成本大约在 5-6 美元。

用 MiMo 的免费通道：0。

语音输入——不只是噱头

MiMo Code 集成了 MiMo-V2.5-ASR 语音引擎，支持 /voice 激活语音输入。

说实话我一开始觉得这个功能是锦上添花的花架子。直到有一天我右手端着咖啡，想改一行 config 文件里的数据库连接串。张口说了一句：“把 application.yml 里的 datasource url 改成 localhost:3306/mimotest。”

它照做了。

不只是简单的口述替代打字。它支持用语音做全流程操作：提出需求→查看 Agent 生成的代码→用语音说"这里写错了，用 Stream API 重构"→Agent 重新生成。

对于需要频繁切换上下文的重度开发者，这个功能的价值比想象中大得多。不用把手从思考流上移开去敲键盘修改，全程语音闭环。

三、基准测试和实测：它真的比 Claude Code 强吗？

小米官方给出的数据：在 SWE-Bench Pro V2 和 Terminal Bench 2 两项基准测试中，相同模型条件下（都用 MiMo-V2.5），MiMo Code 的得分比 Claude Code 高约 5 个百分点。

更关键的是长任务维度：超过 200 步交互的复杂任务中，MiMo Code 的胜率达到 65% 以上，而 Claude Code 只有 35%。

我自己的实测没有那么严谨，但能说几个真实感受：

它能做好的事情：

• 单文件范围内的代码生成和重构 → 表现稳定，基本零 bug
• 跨文件的模块化重构（比如搬接口定义、抽公共组件） → 质量不错
• 记忆和理解项目结构 → 明显优于 Claude Code
• 连续多轮迭代开发 → 在持久记忆加持下，第三天比第一天更懂项目

它目前还不够好的地方：

• 复杂业务逻辑推演（比如多表关联的权限设计） → 偶发逻辑错误
• 超长上下文（80万 Token 以上）的边缘场景 → 偶尔出现上下文碎片化
• V0.1.0 的早期工程问题 → GitHub issues 里已经有人报安装失败、WSL 适配问题

总结：基础的"懂项目-改代码-提 PR"链路已经通了，但要在企业级复杂项目上替代 Claude Code 或 Copilot，还需要几个迭代。

四、部署和上手：从零跑通一个完整项目

这里给你一个可复现的步骤，我花 10 分钟就跑通了。

安装

curl -fsSL https://mimo.xiaomi.com/install | bash

装完后敲 mimo 进入交互式终端。首次启动会引导你选模型通道——预置了两个：

选 Auto 通道直接零配置开始。

初始化项目

进入你的项目目录，敲 mimo 后再敲 /init：

cd my-project
mimo
> /init

MiMo Code 会自动分析项目结构，在根目录创建 AGENTS.md 文件，记录项目架构、技术栈、关键文件路径等信息。

跑第一个任务

> 帮我添加用户登录接口，支持 JWT Token 验证，用 Spring Security 实现

它会先规划任务，拆解成子步骤，然后逐个执行——创建文件、写代码、跑测试。每个步骤完成后的输出会写入 progress.md，方便你随时回溯。

Compose 模式：一个想法驱动全流程

MiMo Code 的 Componse 模式是我觉得最被低估的能力：

> /compose 做一个个人记账网页，支持收支统计和图表展示

它会自动走完：需求分析 → 技术选型 → 架构设计 → 编码实现 → 测试 → 审查的全流程。相当于你给了它一个产品想法，它独立完成从 0 到 1 的全栈交付。

我用这个模式试了一个"技术文章 RSS 聚合阅读器"，从空的目录到跑起来的前后端，大约 25 分钟。代码质量够用——有 bug，但可以快速定位修复。

五、MiMo Code 值不值得切换？

这取决于你是谁。

如果你是一个个人开发者或者小团队，每个月 Copilot 的 Token 账单让你肉疼——那 MiMo Code 几乎是一个零成本的选择。MIT 开源协议意味着你可以直接部署、二次开发、甚至商用，没有任何隐藏费用。内置的 MiMo-V2.5 模型目前是免费的，质量对标 Claude Sonnet 4.6，日常开发完全够用。

如果你是 Claude Code 的用户——迁移成本几乎为零。MiMo Code 兼容 Claude Code 的认证配置和技能库 API，你可以在 .mimocode/ 目录下复用之前的配置心智。

但如果你在用 Cursor 这种独立 IDE——MiMo Code 是终端原生的，不提供 IDE 的 GUI 体验。两者不属于同一个竞争维度。我的做法是 Cursor 做浏览代码和写小片段，MiMo Code 做跨文件的复杂重构和长线任务。

六、更值得关注的是行业信号

MiMo Code 本身作为一个 V0.1.0 的探索性产品，技术成熟度还有提升空间。但它的出现释放了三个明确的行业信号：

第一，AI 编程的成本结构正在被彻底打破。96% 的缓存命中率不是小米独有的技术——Context Caching 会是未来所有 AI 编程工具的标配。当 API 调用成本趋近于零，Copilot 的 Token 计费模式面临根本性质疑。

第二，"模型+Agent"一体化是趋势。单独的模型能力再强，如果没有 Agent 层的编排能力和持久记忆，无法在企业级开发流程中真正落地。MiMo Code、Claude Code、Codex 都在往这个方向走——模型和 Agent 之间不再是调用关系，而是深度协同。

第三，开源正在成为 AI 编程的最终壁垒。MIT 协议 + 免费模型通道的组合，让个人开发者得以零成本体验一线 AI 编程能力。这个势能一旦形成，商业产品的定价权会被显著压缩。

七、不建议一上来就跑核心生产项目

最后说点实在的。

V0.1.0 是探索性发布，这不是谦虚，是真的。GitHub issues 里已经有安装失败、WSL 兼容性、特定平台包不匹配等问题。

我的建议是：

• 从个人项目或非核心仓库开始试
• 所有修改型操作跑之前看一眼 Agent 生成的代码
• 项目推 Git 保护，每个 Agent 的破坏性操作人工审批
• 等 1-2 个迭代后再考虑引入团队工作流

但如果你因为 Copilot 涨价正在物色替代品——MiMo Code 值得你花一个晚上装上试试。不花钱，装一下不亏。

延伸阅读：我的AI工具月账单从5000降到了200块——2026年6月AI模型与工具选型省钱实战、Kimi Work发布当天我就上手实测了——300个Agent同时在电脑上跑起来是什么体验

📌 系列文章

• AI Agent 记忆方案横评：Memoria vs OpenClaw vs MCP，让Agent记住你的3种方式

如果这篇文章对你有帮助，点个关注 👆 我会持续更新 AI 编程实战、工具测评和踩坑记录。