Una victoria clara en acertar con el código.
Le dimos a Claude Code cinco tareas de desarrollo que dependen de reglas del equipo escritas fuera del código, con y sin Mios. Con Mios, la primera respuesta fue del todo correcta en cerca de la mitad de las ejecuciones (5 de 11), frente a ninguna de 41 sin él. Necesitó casi la mitad de prompts para llegar a código correcto, con un coste total cercano al de Claude Code solo.
Ejecuciones del 12 y 13 de noviembre de 2026 · build de Mios del 12 de noviembre, commit 251d8392 · Claude Sonnet 5.5
Cómo lo medimos.
- 01Cinco tareas reales de desarrollo
Cinco funcionalidades en el repositorio de un producto SaaS en producción. Cada una toca varios archivos y se conecta con código existente: ruta, controlador, servicio, test y documentación. El agente recibe el ticket y nada más.
- 02Tests ocultos
El agente nunca ve los tests que lo califican; solo se copian para calificar. Una comprobación por tarea para la funcionalidad en sí y una por cada regla del equipo, 24 comprobaciones en total. Ningún modelo participa en la calificación.
- 03Reglas escritas fuera del código
Cada tarea depende de reglas que el equipo escribió en el chat, en documentos compartidos y en la mensajería. 11 de ellas no aparecen en ninguna parte del repositorio: un agente solo las sigue si algo se las trae.
- 04Cinco configuraciones, un modelo
Claude Code solo, con Obsidian sobre la documentación del repositorio, con Graphify sobre el repositorio, con los dos y con Mios. Todas usan Claude Sonnet 5.5 sobre el mismo clon, con el mismo ticket y el mismo límite de tiempo.
- 05Dos ejecuciones por celda
Dos ejecuciones por tarea y configuración. En la única tarea donde las dos se contradecían, una tercera para Mios y para la mejor de las otras configuraciones.
- 06La misma revisión para todos
Si la primera respuesta falla un test, la misma sesión recibe un comentario de revisión sobre las partes que fallan, idéntico palabra por palabra para todas las configuraciones. A partir del quinto prompt también indica la regla que falta y muestra los tests que fallan, así que todas terminan con código correcto. Hasta 8 prompts.
- 07Umbrales escritos antes
Qué cuenta como victoria y qué es ruido quedó por escrito antes de la primera ejecución. Dos cosas cambiaron por el camino, ambas en los límites más abajo: el tope pasó de 4 a 8 prompts, y las rondas de revisión se cuentan por tarea en lugar de por ejecución.
Un prompt, la primera respuesta.
Lo que entrega cada configuración con solo el ticket. Tiempo y coste son medianas por tarea. El coste es lo que gasta Claude Code, más el servidor de Mios en el caso de Mios.
| Configuración | Del todo correcta | Comprobaciones superadas | Reglas fuera del repositorio seguidas | Tiempo | Coste |
|---|---|---|---|---|---|
| Claude Code soloel ticket y el repositorio | 0 de 10 ejecuciones | 23 %5,5 de 24 | 0 de 11 | 90 s | 0,266 $ |
| + Obsidianla documentación del repositorio como notas | 0 de 11 ejecuciones | 40 %9,5 de 24 | 0,5 de 11 | 110 s | 0,279 $ |
| + Graphifyun grafo del repositorio | 0 de 10 ejecuciones | 33 %8 de 24 | 0 de 11 | 97 s | 0,300 $ |
| + Obsidian y Graphifylos dos a la vez | 0 de 10 ejecuciones | 33 %8 de 24 | 0 de 11 | 111 s | 0,299 $ |
| + Miosla memoria del equipo por MCP | 5 de 11 ejecuciones | 84 %20,2 de 24 | 9,3 de 11 | 108 s | 0,395 $ |
Reglas fuera del repositorio seguidas: la media de las ejecuciones, sobre las 11 reglas que no están en el repositorio. Frente a Claude Code solo, la primera respuesta con Mios cuesta un 48 % más por tarea y tarda un 19 % más. Según nuestros umbrales, la diferencia de tiempo es ruido; la de coste no.
Hasta que el código esté bien.
Todas las configuraciones terminaron con todos los tests en verde. Esto es lo que costó para las cinco tareas, cada una hecha una vez: lo que paga un equipo. Debajo de cada cifra, la diferencia con Claude Code solo.
| Configuración | Prompts | Tiempo | Tokens de Claude Code | Coste de Claude Code | Coste del servidor Mios | Coste total |
|---|---|---|---|---|---|---|
| Claude Code soloel ticket y el repositorio | 16,5referencia | 954 sreferencia | referencia | 2,241 $referencia | sin servidor | 2,241 $referencia |
| + Obsidianla documentación del repositorio como notas | 17,5+6 % | 1029 s+8 % | +10 % | 2,352 $+5 % | sin servidor | 2,352 $+5 % |
| + Graphifyun grafo del repositorio | 17+3 % | 1064 s+12 % | +9 % | 2,330 $+4 % | sin servidor | 2,330 $+4 % |
| + Obsidian y Graphifylos dos a la vez | 17+3 % | 1055 s+11 % | +17 % | 2,423 $+8 % | sin servidor | 2,423 $+8 % |
| + Miosla memoria del equipo por MCP | 9−45 % | 675 s−29 % | −18 % | 2,034 $−9 % | 0,436 $ | 2,471 $+10 % |
Los tokens y el coste de Claude Code se leen en cada sesión. El coste del servidor Mios son las llamadas a modelos que hizo el servidor de Mios, medidas; las demás configuraciones no llaman a ningún servidor. Por tarea, la mediana dice lo mismo: 1,5 prompts para Mios frente a 3 para Claude Code solo, 132 s frente a 184 s, y 0,404 $ frente a 0,403 $ de coste total.
Dónde ayuda, cuánto cuesta.
Dónde ayuda Mios
- Código correcto. En la primera respuesta, Mios superó el 84 % de las comprobaciones (20,2 de 24). La mejor de las otras configuraciones, con Obsidian, el 40 %. Mios siguió de media 9,3 de las 11 reglas fuera del repositorio; ninguna otra configuración pasó de 0,5.
- Menos rondas. 9 prompts para las cinco tareas, frente a 16,5 de Claude Code solo: un 45 % menos.
- Menos tiempo. 675 s hasta el código correcto, frente a 954 s de Claude Code solo: un 29 % menos.
Cuánto cuesta
- La primera respuesta cuesta más: 0,395 $ por tarea frente a 0,266 $ de Claude Code solo, un 48 % más en la mediana.
- Hasta el código correcto, el propio Claude Code gasta un 9 % menos con Mios. Sumando el servidor de Mios, el total es un 10 % más alto: 2,471 $ frente a 2,241 $ para las cinco tareas.
- El 98 % del coste del servidor es el guardián de ediciones, una comprobación que corre en Claude Sonnet antes de que el agente escriba. Ahí se va el dinero, y es lo que tenemos que abaratar.
Una victoria clara en acertar con el código. Con Mios, casi la mitad de las primeras respuestas (5 de 11) fueron del todo correctas, frente a ninguna en las demás configuraciones. Llegar al código correcto llevó un 45 % menos de prompts y un 29 % menos de tiempo. El coste está a la par, todavía no es menor: hasta el código correcto, Claude Code gasta un 9 % menos con Mios, y el servidor de Mios lleva el total a un 10 % más que Claude Code solo, dentro del 25 % de ruido fijado antes de las ejecuciones.
Lo que este benchmark no demuestra.
- 01Tareas cortas
Una primera respuesta tardaba de 90 a 110 s de mediana, y el código correcto de 2 a 4 minutos. No se midieron tareas largas.
- 02Ajustado con las mismas fuentes
La mayor parte de la diferencia viene de tareas cuyas conversaciones de origen sirvieron para ajustar Mios: tres tareas reúnen 13,5 de los 14,7 puntos de diferencia entre Mios y Claude Code solo. El benchmark demuestra que Mios sirve bien los datos que ingirió bien. No demuestra que la ingesta funcione con conversaciones que nunca ha visto.
- 03Pocas ejecuciones
De una a tres ejecuciones por celda. Una diferencia de coste o de tiempo por debajo del 25 % es ruido y no decide nada.
- 04Lo que Mios falla
Mios falla una regla en todas sus ejecuciones de una tarea, y en otra su resultado varía de una ejecución a otra. Todavía no sabemos si no encuentra la regla, o si la encuentra y el agente no la sigue.
- 0511 reglas, no 13
Dos de las 13 reglas escritas fuera del repositorio no distinguen entre configuraciones: una se supera en todas las ejecuciones, Claude Code solo incluido, y a la otra se puede llegar con datos que ya están en el repositorio. Contamos las 11 que sí distinguen.
- 06Un tope cambiado a mitad de camino
El tope de prompts pasó de 4 a 8 durante el benchmark, y cada ejecución conserva el suyo. Con el tope original de 4, la mediana de prompts no cambia. Tras una revisión externa, las rondas de revisión se cuentan por tarea, cada tarea una vez, en lugar de por ejecución; el veredicto es el mismo en ambos casos.
Ejecuciones del 12 y 13 de noviembre de 2026. Mios medido: el build del 12 de noviembre de 2026, commit 251d8392. Claude Sonnet 5.5 en todas las configuraciones. En esta página solo está lo que medimos nosotros, ninguna cifra de otros proveedores. Cómo se compara Mios, función por función
Dale a tu equipo una memoria.
Tu equipo le pregunta. Tus agentes la consultan antes de editar.
Mios se abre primero a unos pocos equipos. Reserva una llamada y daremos acceso al tuyo.