MiMo-V2.6-Distill-Qwen-9B

MiMo-V2.6-Distill-Qwen-9B

Xiaomi MiMo 的 9B 智能体模型，由 Qwen3.5-9B 微调而来，覆盖编程、智能体任务、视觉编程和网络安全，作为研究的起点发布。

由 XiaomiMiMo 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MiMo-V2.6-Distill-Qwen-9B 来自 Xiaomi MiMo，面向智能体工作，参数量约 9B。它以 Qwen3.5-9B 为起点，在 MiMo 生成的数据上做了监督微调。涵盖的方向有编程、通用智能体任务、视觉编程和网络安全。

研究者可以把发布的检查点当作自己智能体强化学习工作的基础。它能读图片和文字，并用文字回答。

适合谁：它适合想要一个中等规模开放模型来做智能体和编程工作的研究者和开发者，也适合把它当作自己强化学习实验的基础。你需要能放下约 18.8 GB BF16 权重的硬件。

行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 在编程和终端任务上测试本地模型 | 修复代码仓库里的一个问题
研究 | 强化学习研究者 | 从发布的检查点出发做智能体训练 | 在它之上运行自己的训练
办公自动化 | 工具开发者 | 在通用智能体任务上试用模型 | 通过工具调用推进一个任务
安全 | 防御团队 | 研究用网络安全数据训练的模型 | 阅读并解释一个代码问题

如果你只想要托管的聊天助手，不运行模型，可以跳过它。

用在哪里：

• SGLang，一种模型服务器，需要支持 Qwen3.5 的较新版本
• 任何能连接 OpenAI 风格接口的客户端
• Windows、macOS 或 Linux，文件下载需要 Python

用例 | 谁用 | 得到什么
编程和终端任务 | 开发者 | 模型对仓库工作给出的回答和操作
视觉编程 | 前端开发者 | 根据视觉描述写出的代码
智能体研究 | 研究者 | 强化学习工作的起始检查点

如何设置：先准备好下面这些东西。

• Python 和 pip
• 支持 Qwen3.5 的较新版 SGLang
• 放权重的内存，BF16 约 18.8 GB

1. 安装支持 Qwen3.5 的较新版 SGLang。
2. 用 serve 命令启动服务器，命令里写明要加载的模型。检查点自带分词器和 MiMo v2.6 聊天模板。
3. 用 OpenAI 风格的客户端向服务器发请求，并打开思考模式。

sglang serve \
  --model-path XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B \
  --reasoning-parser mimo \
  --host 0.0.0.0 \
  --port 30000

如果只想把仓库文件下载到你的电脑，可以用 Hugging Face 自己的步骤。

pip install -U huggingface_hub
hf download XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B

如何使用：服务器在 30000 端口启动后，你向它发送聊天请求。模型卡里的客户端调用把 enable_thinking 设为 true，所以回复里有思考部分和回答部分。推理解析器选项负责把两者分开。

示例：你向运行中的服务器问 "What is 15% of 240?"，打开思考模式，上限 2048 个词元。回复分两部分返回，先是模型的推理，然后是最终回答。

新手与专家：先运行 serve 命令，发一个简短的问题。这样在试编程任务之前，你就知道环境能不能用。第一次请求要尽量小。

模型卡报告它在大多数基准上比 Qwen3.5-9B 有提升。SWE Pro 从 32.0 升到 44.6，Terminal Bench 2.1 从 27.0 升到 37.1，AutomationBench 从 5.0 升到 30.3。其中一些基准是内部测试集。微调数据混合共有 77.4B 个词元，其中 27.2B 参与损失计算。

Title: 模型卡中的基准分数，基础模型对比这个模型
SWE Pro，Qwen3.5-9B: 32.0 points
SWE Pro，这个模型: 44.6 points
Terminal Bench 2.1，Qwen3.5-9B: 27.0 points
Terminal Bench 2.1，这个模型: 37.1 points
AutomationBench，Qwen3.5-9B: 5.0 points
AutomationBench，这个模型: 30.3 points

下载模型，或在 serve 命令里写明它
启动 SGLang 服务器
发送打开思考的聊天请求
读取思考内容和回答

注意事项：

• License: MIT
• Cost to run: 来源没有提到费用，但需要能放下约 18.8 GB BF16 权重的硬件
• Data it reaches: 它从 Hugging Face 下载模型文件，并在你运行它的机器上处理请求
• Not for: 违法或恶意用途、军事用途、恶意网络活动（如恶意软件或钓鱼），以及没有人工监督的高风险操作

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：9.4B
• Weights: about 18.8 GB in BF16; about 4.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：21,525
• 点赞：703
• 许可证：mit
• 基于：Qwen/Qwen3.5-9B
• Quantized versions: 67
• Fine-tunes: 31
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, mimo_v2, agentic, distillation, supervised-fine-tuning, code, tool-use, conversational

链接

• 模型：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B
• 文件：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。