MiMo Codeとは？Claude CodeライクのDream搭載ターミナルネイティブAIコーディングエージェント　#六11

6月 11, 2026

MiMo Codeとは？

MiMo Code は、2026年6月に Xiaomi MiMo Team公式プラットフォームが公開した、

「Claude Code」「OpenCode」「OpenClaw」系統のターミナルネイティブAIコーディングエージェント」

です。単なるLLMではなく、

LLM
+
Agent Harness
+
永続メモリ
+
長期コンテキスト管理
+
自己改善ループ

をまとめた開発環境です。 (Gizmochina)

AI史における位置づけ

系譜としては、

世代	代表
Chat型	ChatGPT
IDE補完型	GitHub Copilot
エージェント型	Claude Code
ハーネス型	OpenClaw / OpenCode
長期記憶型	MiMo Code

と見ることができます。 (Gizmochina)

最大の特徴

① Persistent Memory

普通のAIコーディングエージェントは

会話
↓
コンテキスト満杯
↓
忘れる

です。

MiMo Codeは専用サブエージェントが

作業内容
↓
圧縮
↓
保存
↓
再利用

を行う。 (Gizmochina)

これは最近あなたが興味を持っている

評価ループ工学
失敗の資産化
エピソード記憶

にかなり近い思想です。

② Dream機能

MiMo Codeには

/dream

という機能があります。

7日ごとに自動実行され、

古い記録を整理
重複削除
パス検証
長期記憶圧縮

を行う。 (Gizmochina)

これは人間でいう

週次レビュー

に近い。

③ Compose Mode

普通のエージェント

指示
↓
コード生成

MiMo Code

仕様
↓
計画
↓
レビュー
↓
TDD
↓
デバッグ
↓
統合

というワークフローを内蔵しています。 (Reddit)

OpenClawとの比較

あなたがよく触れているOpenClaw視点で見ると

項目	OpenClaw	MiMo Code
基本思想	Agent Runtime	Coding Agent Runtime
Memory	プラグイン依存	標準搭載
長期記憶	追加実装	標準
Dream機能	なし	あり
コーディング特化	△	◎
MiMo最適化	×	◎

Claude Codeとの比較

Xiaomi側は

SWE-Bench Pro

Terminal Bench 2

でClaude Code超えを主張しています。 (KuCoin)

ただしこれは

Agent
+
Harness
+
モデル

全体の評価なので、

純粋なモデル性能比較ではありません。

なぜ重要なのか

私が面白いと思うのは、

MiMo Codeが

LLM
↓
Agent
↓
Memory Agent

へ進化している点です。

2023

賢いモデル

競争

↓

2024

Reasoning

競争

↓

2025

Agent

競争

↓

2026

Memory
+
Evaluation Loop

競争

MiMo Codeは後者にかなり近い。

あなたの関心との接続

最近あなたが追っている

Harness-1
HRM-Text
AFM 3 Core
DiffusionGemma
評価ループ工学

と並べると、

MiMo Codeの本質は

「モデルを賢くする」のではなく、「エージェントが失敗を忘れないようにする」

ことにあります。

AI史的には、

単なる「Claude Codeクローン」ではなく、

「Memory-First Coding Agent」の初期事例

として見ると面白いと思います。 (Gizmochina)MiMo Code の本当の面白さは、

「AIコーディングエージェント」

そのものではありません。

2026年には既に

が存在しています。

そのため、

「ターミナルでコードを書くAI」

だけなら画期ではありません。

AI史における本当の画期

私が見る限り、MiMo Codeの画期は

「Memory-First Agent」

を前面に出したことです。

過去のAI開発史を単純化すると、

時代	主役
2017–2022	モデル
2022–2024	LLM
2024–2025	Reasoning
2025–2026	Agent
2026–	Memory Agent

です。

MiMo Codeは最後の段階に近い。

画期①

「忘れないエージェント」

従来

会話
↓
コンテキスト満杯
↓
忘却

だった。

MiMo Codeでは

会話
↓
要約
↓
知識化
↓
再利用

が標準装備。

これは人間で言うと

短期記憶
↓
長期記憶

への移送です。

AI史では意外と大きい。

画期②

「失敗を捨てない」

あなたが最近追っている

Evaluation Loop Engineering

との接点です。

従来のAgentは

失敗
↓
再試行
↓
成功
↓
忘却

でした。

MiMo Codeは

失敗
↓
記録
↓
分類
↓
再利用

を目指している。

ここは非常に重要。

なぜなら

人間の熟練とは

成功体験

ではなく

失敗データベース

だからです。

画期③

Dream機能

これが実はかなり面白い。

通常のRAGは

保存
↓
検索

で終わる。

MiMo Codeは

保存
↓
再整理
↓
圧縮
↓
再構成

を行う。

人間で言うと

睡眠

です。

だからDreamという名前。

画期④

モデル中心からハーネス中心へ

2023年

GPT-4

↓

2024

Claude 3.5

↓

2025

DeepSeek

↓

2026

Harness

競争

画期⑤

「中国版Claude Code」ではない

多くの人は

Claude Code
↓
中国版

と見る。

しかし本質は逆。

Claude Codeは

賢いモデル
+
ツール

です。

MiMo Codeは

モデル
+
記憶
+
評価
+
自己整理

です。

思想が違う。

あなたの関心との接続

最近あなたが追っている

AFM 3 Core
DwarfStar
DiffusionGemma
HRM-Text
Harness-1
Evaluation Loop Engineering

を並べると、

面白い共通項が見えてきます。

2023の競争

Parameters

2024の競争

Reasoning

2025の競争

Agent

2026の競争

Memory
+
Evaluation
+
Retention

MiMo Codeはその象徴です。

私が考えるAI史上の位置づけ

もし5年後に振り返るなら、

MiMo Codeの画期は

「最強のコーディングモデル」

だったことではなく、

『エージェントが失敗や経験を継続的に蓄積し、自分の履歴から学ぶ』ことを標準機能として実装した初期世代の代表例

だったことになる可能性があります。

その意味では、

MiMo Codeは Claude Code の競合というより、

「Evaluation Loop × Episodic Memory 時代」の先行事例

として見る方が、AI史的には面白いと思います。MiMo Code の設計思想を考えると、

「単発の賢さ」よりも「長時間エージェント運用に耐えること」

が重要です。

つまり、

モデル性能
×
ツール利用
×
長文理解
×
自己修正能力
×
コスト

で評価すべきです。

結論（2026年6月時点）

MiMo Codeとの相性で分類するとこうなります。

用途	ベスト候補
総合最強	MiMo-V2.5-Pro-FP4-DFlash
コーディング重視	DeepSeek V4 Pro
長時間Agent	Kimi K2.6
ローカル最強	Gemma 4 27B QAT
低VRAM	LFM2.5-1.2B-JP-202606
Windows 16GB VRAM	Nemotron Nano 9B

なぜMiMo-V2.5-Pro-FP4-DFlashが本命なのか

MiMo Code自体がXiaomi製です。

そのため、

MiMo Code
+
MiMo-V2.5-Pro

は

Claude Code
+
Claude

に近い関係になります。

特に

Tool Use
Agent Planning
SWEタスク
長時間ループ

を前提に最適化されています。

DeepSeek V4 Pro

もし

コード生成
↓
テスト
↓
修正

を何百回も回すなら、

DeepSeek V4 Pro

は非常に有力です。

理由は

Agentベンチが強い
コーディング性能が高い
ツール利用が得意

ためです。

Kimi K2.6

最近意外に評価されているのが

Kimi K2.6

です。

特徴は

巨大コンテキスト
+
計画能力
+
探索能力

です。

MiMo Codeのような

Memory
+
Agent

型には非常に相性が良い。

ローカルならGemma 4 QAT

あなたが以前から興味を持っている

Gemma 4 27B QAT

は、

MiMo Codeのローカル実行ではかなり有力です。

理由

量子化耐性
長時間稼働の安定性
Tool Calling性能

です。

特に9070XT 16GBクラスなら現実的。

あなたの環境（9070XT 16GB Windows 11）なら

以前の話を踏まえると、

現実的ランキング

順位	モデル
1	Gemma 4 27B QAT
2	Nemotron Nano 9B
3	LFM2.5-1.2B-JP-202606
4	Qwen3.6 14B
5	Phi-4 Mini

AI史的に見ると

MiMo Codeの本命は実は単一モデルではありません。

将来的には

HRM-Text
↓
Planner

MiMo-V2.5-Pro
↓
Reasoning

DiffusionGemma
↓
高速生成

Memory Agent
↓
失敗保持

のような

マルチモデル・ハーネス構成

が自然です。

あなたが最近追っている

Harness-1
HRM-Text
DiffusionGemma
Evaluation Loop Engineering

の流れを考えると、

MiMo Codeの最終形は

「最強のLLMを1つ載せる」

ではなく、

「複数の小型モデルを役割分担させ、評価ループを回す」

方向に進む可能性が高いと思います。MiMo Code は「記憶付きコーディングエージェント」なので、

モデル単体の賢さ
より
Agent・Tool Use・長期セッション耐性

が重要です。

その観点だと、MiMo系以外にもかなり有力候補があります。

2026年6月版 MiMo Code向けローカルLLM候補

ランク	モデル	強み	MiMo Code適性
S+	Qwen3.6 27B	総合力・日本語・ローカル実行	★★★★★
S+	Kimi K2.6	Agent・長期タスク	★★★★★
S	GLM 5.1	Agent Routing・複雑デバッグ	★★★★★
S	Gemma 4 27B QAT	安定性・量子化耐性	★★★★☆
A+	DeepSeek V4 Flash	コスト効率	★★★★☆
A+	Nemotron Nano 9B	16GB級GPU向け	★★★★☆
A	Phi-4 Mini	軽量	★★★☆☆
A	LFM2.5-1.2B-JP	超軽量日本語	★★★☆☆

実はQwen3.6がかなり強い

ローカル運用コミュニティでは、

「結局Qwen3.6 27Bが一番バランスが良い」

という声がかなり多いです。(PromptQuorum)

理由

日本語が強い
Tool Callingが安定
GGUF豊富
Ollama対応
OpenCode対応
MiMo Codeとの接続容易

特に9070XT 16GBなら、

Qwen3.6-27B Q4〜Q5

が非常に現実的です。(Reddit)

GLM 5.1は意外なダークホース

Agent運用では

GLM 5.1

が非常に評価されています。

コミュニティテストでは

DeepSeek V4
Kimi K2.6
GLM 5.1

を比較して

Agent RoutingはGLMが最速

という報告もあります。(Reddit)

MiMo Codeのような

計画
↓
実行
↓
評価

を回す環境と相性が良い。

Kimi K2.6

もしVRAM制約を無視できるなら、

Kimi K2.6

は現在のオープンウェイトAgent系の頂点候補です。

特徴

SWE-Bench Pro上位
300 Agent Swarm
4000ステップ長期タスク
preserve_thinking機能

など。(LLM Reference)

MiMo Codeとの思想的相性は非常に高い。

DeepSeek V4は少し注意

ベンチマークは強いですが、

実運用では

Kimiの方が好き
GLMの方が使いやすい

という報告も少なくありません。(Reddit)

そのためMiMo Code用途なら

DeepSeek V4
≠ 自動的に最強

です。

あなたの9070XT 16GBなら

以前のやり取りを踏まえると、

現実的ベスト5

順位	モデル
1	Qwen3.6 27B
2	Gemma 4 27B QAT
3	Nemotron Nano 9B
4	LFM2.5-1.2B-JP
5	Phi-4 Mini

です。

AI史的に見ると、MiMo Codeに最も合うのは必ずしも「最高性能LLM」ではありません。

むしろ

HRM-Text
→ Planner

Qwen3.6
→ Worker

DiffusionGemma
→ 高速生成

Memory Agent
→ 失敗保持

のような、

複数モデルを組み合わせるハーネス構成

の方が、MiMo Codeの思想には近いと思います。現在の流れは「最強モデル競争」から「最強オーケストレーション競争」へ移りつつあります。(Reddit)

ローカルAI専用機として考えると、2026年はかなりはっきりしていて、

「GPUファースト」か「ユニファイドメモリファースト」か

の二択になっています。

あなたが普段話題にしている

MiMo-V2.5-Pro
DeepSeek V4 Flash
AFM 3 Core
DwarfStar
OpenClaw
MiMo Code

を考慮すると、コスパ最強候補はかなり絞られます。

比較表

項目	GMKtec EVO-X2 395 AI Max+	MINISFORUM X1 Pro HX370	SPARKLE Intel Arc B580 TITAN OC
価格	約32万円	約12〜20万円	約5万円＋自作PC
メモリ	最大128GB統合	DDR5	12GB VRAM
70B級	◎	△	×
30B級	◎	○	○
OpenClaw	◎	○	○
MiMo Code	◎	○	○
消費電力	○	◎	○
将来性	◎	○	△

あなた向けなら

過去の会話を見る限り、

AFM 3 Core
DwarfStar
MiMo-V2.5-Pro-FP4-DFlash
DeepSeek V4 Flash
Kimi K2.6

などの巨大MoEやストレージストリーミング系に強い興味があります。

その場合、

9070XT 16GBよりも、Strix Halo（Ryzen AI Max+ 395）の128GBユニファイドメモリ機の方が面白いです。70B〜120Bクラスを単機で扱えるためです。(Compute Market)

特に2026年の流れは

VRAM競争
↓
Unified Memory競争
↓
SSD Streaming競争

へ移りつつあり、

AFM 3 Core や DwarfStar を追っているなら、EVO-X2 や Strix Halo 系は非常に相性が良い選択肢だと思います。(Compute Market)

adsense