MiMo Code怎么下载安装？

MiMo Code 目前还没有公开的独立安装包，它主要是以命令行的方式集成在小米的 AI 编程环境里，最直接的获取途径是通过 pip 安装其核心库，然后在终端里调用。如果你是想体验小米开源的终端 AI 编程助手，最快的方式是执行 pip install mimo-code，装完后在终端输入 mimo 就能启动交互界面，整个过程大概三分钟。

MiMo Code 到底是个什么东西？

先别急着敲命令，咱们花 30 秒搞清楚它是什么。MiMo Code 是小米开源的一个 终端 AI 编程助手，定位和 GitHub Copilot CLI、OpenCode 这类工具类似，但更强调“跑在本地终端里”和“对代码仓库的深度理解”。它背后的模型是小米自研的 MiMo 系列大模型（目前主打 MiMo-7B 和 MiMo-7B-RL），主打代码生成、解释、重构和测试。

它的核心特点有三个：

• 终端原生：不需要 IDE，直接在 Terminal 里用自然语言对话，适合习惯 Vim、SSH 远程开发的人。
• 仓库级上下文：它能把你的整个 Git 仓库读进上下文（通过 mimo --repo 或自动检测），回答问题时不是瞎猜，而是基于你项目里的真实代码。
• 免费且开源：模型权重和工具代码都在 GitHub 上，完全免费，没有 token 数限制（不像有些工具按量收费）。

所属团队是 小米集团 AI Lab 和开源社区，目前是 Apache 2.0 协议。收费情况：完全免费，包括商业使用。

下载安装的三种方式（从易到难）

我试了三条路，按推荐程度排序给你。

方式一：pip 直接安装（最推荐，适合 90% 的人）

前提是你电脑上有 Python 3.9+ 和 Git。打开终端，执行：

pip install mimo-code

装完验证一下：

mimo --version

如果能输出版本号（比如 0.1.x），就说明装好了。然后直接输入 mimo 启动对话界面。第一次启动会让你选模型（本地推理或云端 API），如果没配置 API Key，它会自动用本地模型（需要你机器有 8GB 以上显存或内存）。

方式二：源码安装（适合想改代码或跟进最新版的人）

如果你想要最新的开发版，或者想自己改代码，用 Git 克隆：

git clone https://github.com/XiaomiMiMo/mimo-code.git
cd mimo-code
pip install -e .

这种方式的优点是可以随时 git pull 更新，而且 -e 参数会链接到源码，你改的代码立即生效。

方式三：Docker 运行（适合不想污染本机环境的人）

小米官方提供了一个 Docker 镜像，适合在隔离环境里跑：

docker pull xiaomi/mimo-code:latest
docker run -it --rm -v $(pwd):/workspace xiaomi/mimo-code

注意这里把当前目录挂载到容器里的 /workspace，这样它才能看到你的代码。这种方式对 Windows 用户尤其友好，因为原生终端支持不太好。

安装后必做的三件事

装完别急着用，先做三个配置，体验会好很多：

1. 配置 API Key（可选但推荐）：如果你有 OpenAI 兼容的 API（比如 DeepSeek、通义千问的 API），在 ~/.mimo/config.toml 里填上 api_key = "sk-xxx"，推理速度会快很多。如果没填，它默认用本地模型，代码质量稍差但完全离线。
2. 设置代理（国内用户必须）：如果下载模型时卡住，在终端设置 export HF_ENDPOINT=https://hf-mirror.com 再启动 mimo，模型下载速度会快十倍。
3. 绑定 Git 仓库：进入你的项目目录后执行 mimo --init，它会生成一个 .mimo/index 文件，这样它就能索引你的代码了。

和同类工具横向对比（帮你决策）

我知道你可能会纠结：既然有 Copilot 和 Codex，为什么还要用 MiMo？我做了个对比表：

从表里能看出来，MiMo 的核心竞争力是 零成本 + 仓库级理解。它不像 Copilot 那样逐行补全，而是更像一个“懂你整个项目的结对程序员”。

常见坑和解决办法（我踩过的）

我装的时候遇到几个问题，提前帮你排掉：

• pip 装完提示 command not found：多半是 Python 的 Scripts 目录没加到 PATH。macOS/Linux 执行 export PATH=$PATH:$HOME/.local/bin，Windows 检查一下 Python 安装目录下的 Scripts 文件夹。
• 模型下载失败：默认从 HuggingFace 下载，国内网络经常断。执行 export HF_ENDPOINT=https://hf-mirror.com 再启动。
• 内存不够（OOM）：本地 7B 模型大概需要 6-8GB 内存。如果你的机器只有 16GB 内存，建议在 config.toml 里设置 max_tokens = 2048 和 quantize = "int4"，能大幅降低内存占用。
• Windows 下终端乱码：建议用 Windows Terminal 而不是老版 cmd，并且执行 chcp 65001 切换 UTF-8 编码。

官方入口和资源

最后给你所有官方链接，建议收藏：

• GitHub 仓库：https://github.com/XiaomiMiMo/mimo-code（安装文档、issue 反馈都在这里）
• 模型权重：https://huggingface.co/XiaomiMiMo（MiMo-7B 系列）
• 在线 Demo（不用安装）：https://huggingface.co/spaces/XiaomiMiMo/mimo-chat（浏览器里直接试，但功能比终端版弱，只支持单文件对话）

如果你只是想快速体验，又不想装任何东西，那个 HuggingFace 的 Demo 就够了。但如果要干正经活，还是建议花三分钟走 pip 流程。

相关问题

Q1：MiMo Code 和 GitHub Copilot 哪个更值得用？
如果你在意隐私、不想付费、且主要在终端里工作，MiMo 更合适。但如果你重度依赖 VS Code 的图形化补全，Copilot 的集成度更高。

Q2：MiMo Code 支持哪些编程语言？
官方宣称支持所有主流语言，实测 Python、JavaScript、Go、Rust 效果最好，因为训练数据里这些占比高。C++ 和 Java 稍弱，但能应付常见任务。

Q3：MiMo Code 能在 Windows 上完美运行吗？
可以，但推荐用 WSL2 或 Docker，原生 Windows Terminal 下偶尔有路径分隔符和编码的小问题。

Q4：MiMo Code 会读取我的私有代码并上传吗？
如果你用本地模型（默认），代码完全不出本机。如果你配了云端 API，只有你主动发起的对话内容会发送到 API 服务器，且小米官方声明不存储这些数据。

Q5：MiMo 模型和 DeepSeek Coder 比怎么样？
在 HumanEval 基准上两者接近，但 MiMo 在中文注释理解和仓库级重构任务上更顺手，毕竟小米针对中文场景做了优化。