Xiaomi เปิดตัว MiMo Code V0.1.0: AI Coding Agent แบบ Open Source อ้างประสิทธิภาพเหนือกว่า Claude Code ในงานหลายขั้นตอน
Xiaomi เปิดตัว MiMo Code V0.1.0 AI coding agent แบบ open source ใน terminal อ้างประสิทธิภาพเหนือ Claude Code บน SWE-bench พร้อม cross-session memory system และสิทธิ์เข้าถึง MiMo-V2.5 ฟรีช่วงจำกัด
Key takeaway
- Xiaomi เปิดตัว MiMo Code V0.1.0 บน GitHub ภายใต้ MIT License เป็น open-source terminal-based AI coding agent ที่พัฒนาต่อยอดจาก OpenCode โดยอ้างประสิทธิภาพเหนือกว่า Claude Code บน SWE-bench Verified (82% vs 79%), SWE-bench Pro (62% vs 55%) และ Terminal Bench 2 (73% vs 69%) — และใน human A/B evaluation กับนักพัฒนา 576 ราย พบว่า win rate พุ่งเกิน 65% เมื่องานเกิน 200 execution steps ซึ่งสอดคล้องกับจุดแข็งด้าน long-horizon tasks อย่างไรก็ดี ตัวเลขทั้งหมดยังเป็น vendor self-reported ที่ไม่ผ่านการยืนยันจากบุคคลที่สาม และ Codex CLI ของ OpenAI ยังทำคะแนนสูงกว่าบน Terminal-Bench 2.0 อยู่ถึง ~9 points
- หัวใจทางเทคนิคของ MiMo Code คือ cross-session memory architecture ที่ขับเคลื่อนด้วย SQLite FTS5 ครอบคลุม 4 layers (Project memory, Session checkpoints, Scratch notes, Per-task progress logs) พร้อม checkpoint-writer subagent ที่ทำงานคู่ขนานกับ main agent แบบ real-time แทนที่จะ compact หรือทิ้ง context เมื่อ window เต็ม — ตรงจุด pain point ของ agentic coding workflows และ post-training ของ MiMo-V2.5-Pro ถูก design มาเพื่อปลูกฝัง "harness awareness" โดยตรง ทำให้ scaffold กับโมเดล synergize กันได้อย่างมีประสิทธิภาพ
- ด้านกลยุทธ์ตลาด Xiaomi ใช้โมเดลราคาที่เป็น aggressive cost play — MiMo-V2.5 เริ่มต้นที่ $0.40/M input tokens และ V2.5-Pro ที่ $1.00/$3.00 per million ซึ่ง token cost ต่ำกว่า Claude Opus 4.8 หรือ GPT-5.5 อย่างชัดเจน บวกกับ free limited-time access และ bring-your-own-model support — สะท้อน playbook เดียวกับ DeepSeek และ Qwen ในการแปลง developer mindshare เป็น ecosystem lock-in ระยะยาว แต่สำหรับ enterprise ต้องประเมินความเสี่ยงด้าน data residency, IP policy และ geopolitical procurement constraints ให้รอบคอบก่อน
ทีม MiMo AI ของ Xiaomi ได้เปิดเผยซอร์สโค้ดของ MiMo Code V0.1.0 ซึ่งเป็น AI coding assistant ที่ทำงานผ่าน terminal โดยตรง พร้อมประกาศว่ามีประสิทธิภาพเหนือกว่า Claude Code ของ Anthropic บน agentic coding benchmarks สำคัญหลายรายการ โดยเฉพาะงานประเภท long-horizon, multi-step tasks ที่มีขั้นตอนมากกว่า 200 steps ขึ้นไป — อ้างอิงจากผลการทดสอบ internal beta และการสำรวจนักพัฒนา 576 ราย
นอกจากนี้ Xiaomi ยังแถมสิทธิ์เข้าถึงแบบฟรีในช่วงเวลาจำกัดสำหรับ MiMo-V2.5 ซึ่งเป็น multimodal flagship model ที่มี context window ขนาด 1 million tokens โดยไม่ต้องลงทะเบียนเพื่อเริ่มใช้งาน
การเปิดตัวดังกล่าวประกาศผ่านบัญชีทางการ @XiaomiMiMo บนโซเชียลเน็ตเวิร์ก X เมื่อวันที่ 10 มิถุนายน 2026 พร้อมระบุว่าเครื่องมือนี้คือ "มากกว่า AI coding assistant ใน terminal — มันคือ coding partner ที่ฉลาดที่สุดที่คุณจะได้ทำงานด้วย"
MiMo Code เปิดให้ดาวน์โหลดบน GitHub ภายใต้ MIT license พร้อมติดตั้งได้ด้วยคำสั่งเพียงครั้งเดียวผ่าน terminal (curl -fsSL https://mimo.xiaomi.com/install | bash) บน macOS และ Linux หรือผ่าน npm (npm install -g @mimo-ai/cli) บน Windows
โปรเจกต์นี้พัฒนาต่อยอดมาจาก open-source agent ชื่อ OpenCode โดย Xiaomi ได้เพิ่ม memory architecture, workflow modes และ model harness ของตัวเองเข้าไป
แก้ปัญหา "ความจำสั้น" ของ AI Coding Agent
นักพัฒนาที่คุ้นเคยกับ AI coding agent ย่อมทราบดีว่าเครื่องมือเหล่านี้มักมีประสิทธิภาพลดลงในช่วง working session ที่ยืดยาว เนื่องจากเมื่อ context window เต็ม ข้อมูลสำคัญอย่าง task state, conventions และการตัดสินใจต่างๆ ที่เกิดขึ้นก่อนหน้าจะถูก compact หรือสูญหายไป บังคับให้นักพัฒนาต้องอธิบายโปรเจกต์ทั้งหมดใหม่ตั้งแต่ต้น
Xiaomi ชี้ว่าแนวทางดังกล่าวไม่อาจรองรับการใช้งานในระดับ scale ได้อย่างยั่งยืน ทีม MiMo ระบุในบล็อกเปิดตัวว่า "สิ่งที่เราต้องการไม่ใช่การ compression ที่ดีขึ้น แต่คือกลไก storage-and-retrieval แบบ explicit ที่กำหนดได้ว่าข้อมูลใดควรถูกบันทึกลงใน persistent structures และควรถูกเรียกคืนเมื่อใด"
MiMo Code แก้ปัญหานี้ด้วย cross-session memory system ที่ขับเคลื่อนด้วย SQLite FTS5 full-text search ครอบคลุม 4 layers ดังนี้:
- Project memory (ไฟล์ MEMORY.md แบบ persistent)
- Session checkpoints
- Scratch notes
- Per-task progress logs
ระบบ note-taking ถือเป็นหัวใจสำคัญ โดยแทนที่จะบังคับให้ primary coding agent หยุดทำงานเพื่อบันทึกข้อมูล ระบบจะ deploy "checkpoint-writer" subagent ที่ทำงานแยกอิสระ คอยอัปเดต blueprint แบบ real-time ขณะที่ main agent มุ่งเน้นการสร้างโค้ดหลัก เมื่อ context window ใกล้เต็ม ระบบจะ rebuild environment จาก structured checkpoints พร้อม context ที่เกี่ยวข้อง เพื่อให้การทำงานดำเนินต่อไปได้อย่างไม่สะดุด
กลไก self-improvement อีก 2 อย่างที่น่าสนใจ ได้แก่:
- คำสั่ง
/dreamที่รีวิว historical sessions เป็นระยะ (ประมาณทุก 7 วัน) จากนั้น deduplicates และ compress ข้อมูลเข้าสู่ long-term memory - ฟังก์ชัน "distill" ที่ mine past sessions เพื่อค้นหา workflow ที่ซ้ำๆ กันและสามารถ automate ได้ ซึ่งเป็นแนวทางเดียวกับที่ OpenAI และ Anthropic ใช้กับโมเดลต่างๆ ของตน
ผลการทดสอบบน Software Engineering Benchmarks
ตามตัวเลข benchmark ที่ Xiaomi เผยแพร่ใน technical blog post MiMo Code + MiMo-V2.5-Pro มีประสิทธิภาพเหนือกว่า Claude Code + Claude Sonnet 4.6 ในการทดสอบทั้ง 3 รายการ:
| Benchmark | MiMo Code | Claude Code |
|---|---|---|
| SWE-bench Verified | 82% | 79% |
| SWE-bench Pro | 62% | 55% |
| Terminal Bench 2 | 73% | 69% |
ทั้งนี้ตัว harness เองมีส่วนสร้างความได้เปรียบที่วัดผลได้ เมื่อรัน MiMo-V2.5-Pro บนทั้งสอง harness พบว่า MiMo Code ทำคะแนน 62% บน SWE-bench Pro เทียบกับ 57% ของ Claude Code และ 73% บน Terminal Bench 2 เทียบกับ 68% — ห่างกันราว 5 percentage points ซึ่งเกิดจาก agent system ล้วนๆ ไม่ใช่ความสามารถของโมเดล
อย่างไรก็ดี Xiaomi ไม่ได้เผยแพร่การเปรียบเทียบกับ Codex ของ OpenAI หรือ Gemini CLI ของ Google เลือกใช้ Claude Code เป็นคู่เปรียบเทียบเพียงรายเดียวตลอด ซึ่งเป็นการเลือก benchmark target ที่น่าจับตามอง
ข้อมูลจากภายนอกแสดงให้เห็นว่าบน Terminal-Bench 2.0 leaderboard ที่ tbench.ai นั้น Codex CLI ของ OpenAI ที่รัน GPT-5.5 ทำคะแนนได้ 82.2% — สูงกว่าตัวเลขที่ MiMo Code รายงานไว้เองที่ 73% ถึงประมาณ 9 points ขณะที่ OpenAI รายงาน GPT-5.5 ที่ 82.7% บน benchmark เดียวกัน
แต่บน SWE-Bench Pro ภาพกลับตาลปัตร: OpenAI รายงาน GPT-5.5 ที่ 58.6% ซึ่งต่ำกว่า MiMo Code + MiMo-V2.5-Pro ที่อ้าง 62%
ที่น่าสนใจยิ่งกว่า offline benchmark คือ Xiaomi ระบุว่าได้ทำ human double-blind A/B evaluation ในช่วง internal beta ครอบคลุมนักพัฒนา 576 ราย ทำงานบน private repositories จริง 474 แห่ง สร้าง head-to-head pairs ที่ถูก judge รวม 1,213 คู่ เทียบกับ Claude Code บน target model เดียวกัน โดยพบว่าเมื่อต่ำกว่า 200 execution steps ทั้งสองระบบมีผลใกล้เคียง 50/50 แต่เมื่อเกิน 200 steps win rate ของ MiMo Code พุ่งสูงกว่า 65%
อย่างไรก็ตาม ตัวเลขเหล่านี้ทั้งหมดเป็น vendor self-reported ที่ยังไม่ได้รับการยืนยันจากบุคคลที่สาม และการเปรียบเทียบ harness แบบ head-to-head มีความไวต่อการกำหนดค่า configuration อย่างมาก แม้กระนั้น ผลที่ได้ก็สอดคล้องกับ pattern ของอุตสาหกรรมในวงกว้าง นั่นคือ scaffolding และ harness engineering กำลังมีความสำคัญเทียบเท่ากับ raw model capability ในด้าน agentic coding performance
Integration กับระบบนักพัฒนาที่มีอยู่ และ Voice Control
ในด้าน UX นั้น MiMo Code ถูกออกแบบมาเพื่อทำงานในสภาพแวดล้อมที่นักพัฒนาคุ้นเคยอยู่แล้ว โดย operate โดยตรงใน terminal อ่านและเขียนไฟล์ รันคำสั่ง และจัดการ Git
เครื่องมือนี้ไม่ต้องการการตั้งค่าใดๆ เลย โดยเชื่อมต่ออัตโนมัติกับ "MiMo Auto" ช่องทางฟรีแบบ limited-time ที่ขับเคลื่อนด้วย MiMo V2.5 และมี context window ขนาด 1 million tokens สำหรับนักพัฒนาที่ต้องการย้ายมาจาก environment เดิม การ migration แทบไม่มีแรงเสียดทาน เนื่องจาก MiMo Code นำเข้า MCP servers, custom skills และ API configurations จาก Claude Code ได้โดยอัตโนมัติ
ฟีเจอร์อื่นที่น่าสนใจได้แก่:
- Compose mode: กด Tab เพื่อเปลี่ยน agent เป็น specification-driven workflow โดยนักพัฒนาระบุ high-level goal และระบบ execute full development cycle โดยอัตโนมัติ ตั้งแต่ design, planning, coding, testing ไปจนถึง review ตามกลยุทธ์ที่ Xiaomi เรียกว่า "heavy planning upfront, stable verification later"
- Voice control: สร้างบน MiMo-ASR speech recognition ร่วมกับ TenVAD voice activity detection ช่วยให้นักพัฒนาสั่งงานด้วยเสียง รวมถึงพูดคำสั่งอย่าง "send" และ "execute" เพื่อการทำงานแบบ fully hands-free (สำหรับ logged-in users)
ราคาที่แข่งขันได้อย่างเข้มข้น
สิ่งที่ดึงดูดใจนักพัฒนาอีกประการหนึ่งคือโมเดลราคาของ Xiaomi
MiMo Code มาพร้อม "MiMo Auto" ช่องทาง zero-configuration ที่ให้สิทธิ์เข้าถึง MiMo-V2.5 ฟรีแบบ limited-time ซึ่งเป็น natively multimodal model ที่ Xiaomi เปิดตัวช่วงปลายเดือนเมษายน 2026 มีสถาปัตยกรรม sparse mixture-of-experts ที่มีพารามิเตอร์รวม 310 billion (active เพียง 15 billion ต่อการ inference) พร้อม context window 1 million tokens โดย Xiaomi วางตำแหน่งให้เทียบชั้นกับ Claude Sonnet 4.6 ของ Anthropic ในงาน multimodal agentic
สำหรับ MiMo-V2.5-Pro ซึ่งเป็น mixture-of-experts ขนาด 1.02 trillion parameters มี active parameters 42 billion และ hybrid-attention architecture นั้นนำตารางโมเดล open-source บน ClawEval agentic benchmark ของ Xiaomi ด้วยคะแนน 63.8% ขณะใช้งานเพียงประมาณ 70,000 tokens ต่อ trajectory — น้อยกว่า Claude Opus 4.6, Gemini 3.1 Pro หรือ GPT-5.4 ของคู่แข่งถึง 40–60%
Post-training ของ V2.5-Pro ถูกออกแบบมาเพื่อปลูกฝัง "harness awareness" อย่างชัดเจน ด้วยการ train โมเดลให้จัดการ memory และ context ของตัวเองภายใน agent scaffold ซึ่งทำให้ Xiaomi-built harness ที่ optimize รอบๆ ความสามารถนี้เป็นก้าวต่อไปที่สมเหตุสมผล
ในด้านราคา MiMo-V2.5 เริ่มต้นที่ $0.40 ต่อ million input tokens และ $2.00 ต่อ million output tokens ส่วน V2.5-Pro อยู่ที่ $1.00/$3.00 per million (input/output) สูงสุดที่ 256K context และเพิ่มเป็นสองเท่าเกินกว่านั้น โดย cache hits ช่วยลด input costs เหลือเพียง $0.20–$0.40 per million — ทำให้ติดอันดับ frontier models ที่ถูกที่สุดในตลาดโลก
| Model | Input | Output | ราคารวม | แหล่งที่มา |
|---|---|---|---|---|
| MiMo-V2.5 Flash | $0.10 | $0.30 | $0.40 | Xiaomi MiMo |
| deepseek-v4-flash | $0.14 | $0.28 | $0.42 | DeepSeek |
| deepseek-v4-pro | $0.435 | $0.87 | $1.305 | DeepSeek |
| MiniMax-M3 | $0.30 | $1.20 | $1.50 | MiniMax |
| Gemini 3.1 Flash-Lite | $0.25 | $1.50 | $1.75 | |
| Qwen3.7-Plus | $0.40 | $1.60 | $2.00 | Alibaba Cloud |
| MiMo-V2.5 | $0.40 | $2.00 | $2.40 | Xiaomi MiMo |
| Grok 4.3 (low context) | $1.25 | $2.50 | $3.75 | xAI |
| MiMo-V2.5 Pro (≤256K) | $1.00 | $3.00 | $4.00 | Xiaomi MiMo |
| GLM-5 | $1.00 | $3.20 | $4.20 | Z.ai |
| Kimi-K2.6 | $0.95 | $4.00 | $4.95 | Moonshot/Kimi |
| GLM-5.1 | $1.40 | $4.40 | $5.80 | Z.ai |
| Grok 4.3 (high context) | $2.50 | $5.00 | $7.50 | xAI |
| MiMo-V2.5 Pro (>256K) | $2.00 | $6.00 | $8.00 | Xiaomi MiMo |
| Qwen3.7-Max | $2.50 | $7.50 | $10.00 | Alibaba Cloud |
| Gemini 3.5 Flash | $1.50 | $9.00 | $10.50 | |
| GPT-5.4 | $2.50 | $15.00 | $17.50 | OpenAI |
| Gemini 3.1 Pro Preview (>200K) | $4.00 | $18.00 | $22.00 | |
| Claude Opus 4.8 | $5.00 | $25.00 | $30.00 | Anthropic |
| GPT-5.5 | $5.00 | $30.00 | $35.00 | OpenAI |
สำหรับนักพัฒนาที่ไม่ต้องการใช้โมเดลของ Xiaomi MiMo Code ยังรองรับ third-party backends รวมถึง token plans จาก DeepSeek, Moonshot's Kimi และ Zhipu's GLM พร้อมกับ OpenAI-compatible API ใดๆ ก็ตาม ซึ่งสะท้อน bring-your-own-model flexibility จาก OpenCode parent project
ศึก Terminal AI Coding Agent ขยายวงไปทั่วโลก
MiMo Code เข้าสู่ตลาด terminal-based coding agents ที่มีการแข่งขันสูงขึ้นเรื่อยๆ ท่ามกลางผู้เล่นอย่าง Claude Code ของ Anthropic, Codex CLI ของ OpenAI, Gemini CLI ของ Google รวมถึง open-source อย่าง OpenCode และ Aider
สิ่งที่แตกต่างในครั้งนี้คือตัวผู้แข่งขัน Xiaomi — ผู้ผลิตสมาร์ทโฟนรายใหญ่อันดับ 3 ของโลกที่มีธุรกิจ EV เติบโตอย่างรวดเร็ว — ได้สร้าง MiMo AI division อย่างเป็นระบบตั้งแต่เปิดตัว MiMo-7B reasoning model ในเดือนเมษายน 2025 ต่อด้วย MiMo-VL vision-language series, MiMo-V2-Flash, MiMo-V2-Pro ขนาด 1 trillion parameters ในเดือนมีนาคม 2026 และ V2.5 flagship family ในเดือนเมษายน
ความพยายามนี้นำโดย Fuli Luo อดีตสมาชิกทีม DeepSeek R1 ผู้ที่นิยามพัฒนาการด้าน frontier ของ Xiaomi ว่าเป็น "quiet ambush" พร้อมสนับสนุนด้วย 100-trillion free token grant สำหรับ builders ที่ประกาศควบคู่กันกับการเปิดตัว V2.5
กลยุทธ์นี้คุ้นเคยดีจาก DeepSeek, Qwen ของ Alibaba, MiniMax และ Kimi ของ Moonshot AI นั่นคือการปล่อย model และ tooling ที่มีความสามารถจริงภายใต้ permissive license ในราคาเพียงเศษเสี้ยวของ U.S. lab และแปลง developer mindshare ที่ได้มาให้กลายเป็น ecosystem ที่ยั่งยืน
นัยสำคัญสำหรับ Enterprises และ Technical Decision-Makers
สำหรับ engineering leaders MiMo Code ถือเป็น low-risk, potentially high-value evaluation candidate: MIT-style licensing เปิดกว้างสำหรับการ modification และ commercial integration, OpenCode lineage ทำให้ architecture ตรวจสอบได้ และ bring-your-own-model support ช่วยให้ชี้ไปยัง internally approved endpoint แทน Xiaomi's cloud ได้
Persistent memory system แก้ไข pain point ที่นักพัฒนาต้องเผชิญจริงในการทำงานบน agentic development workflows ซึ่งคู่แข่งทุกรายก็กำลังเร่งแข่งกันแก้ไขเช่นกัน
อย่างไรก็ตาม มีข้อพิจารณาที่ควรระวัง ได้แก่ สิทธิ์เข้าถึงโมเดลแบบ "ฟรีในช่วงเวลาจำกัด" เป็นสิทธิพิเศษชั่วคราวและต้องส่ง code context ผ่านเซิร์ฟเวอร์ของ Xiaomi ซึ่งเป็นประเด็นที่องค์กรที่มีนโยบาย data-residency หรือ IP เข้มงวดรับไม่ได้ ความได้เปรียบ benchmark เหนือ Claude Code ยังเป็น self-reported ที่ไม่ผ่านการยืนยันจากภายนอก และหมายเลข release V0.1.0 ก็บ่งบอกถึงระดับความ maturity ของซอฟต์แวร์ได้อย่างชัดเจน
Why it matters
💡 นักพัฒนาและ Tech Leader ทุกท่านควรติดตามข่าวนี้อย่างใกล้ชิด เพราะ Xiaomi กำลังเขย่าวงการ AI Coding Agent ด้วย MiMo Code V0.1.0 แบบ Open Source ที่อ้างว่าเอาชนะ Claude Code ของ Anthropic ในงานหลายขั้นตอนที่ซับซ้อนเกิน 200 steps ด้วย Cross-Session Memory Architecture และราคา Token ที่ถูกกว่าคู่แข่งระดับ Frontier อย่างมีนัยสำคัญ ซึ่งอาจเปลี่ยนแปลง Developer Workflow และการตัดสินใจเลือก AI Tools ขององค์กรในอนาคตอันใกล้
