企业官网建设流程全解析

从 Qwen 蒸馏到登顶开源榜：小米这波“打不过就加入”，真香了？

【免费下载链接】MiMo-V2.6-Distill-Qwen-9B项目地址: https://ai.gitcode.com/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B

最近科技圈有件挺有意思的事：小米把自家最强的模型 MiMo-V2.6 拿出来“直播训练”，六天时间烧掉的钱，够在北京三环买套不错的房子。更让人意外的是，最后开源出来的那个 9B 小模型，居然是站在阿里 Qwen 的肩膀上做出来的。

消息一出，评论区直接分成两派。一派说“这不就是抄作业换了个名字”，另一派说“能抄出全班第一，那也是本事”。

那么问题来了：小米到底做对了什么？这个只有 90 亿参数的“小个子”，凭什么敢和动辄几千亿、上万亿参数的巨头掰手腕？

一、先搞明白：蒸馏到底是个啥？

你可以把大模型想象成一位学识渊博但特别费钱的老教授，而蒸馏，就是让这位老教授把自己的解题思路、踩过的坑、独门技巧，一条条讲给一个年轻学生听。

学生不用再从头读几万本书，直接学老师的“解题手感”就行。这就是“蒸馏”最朴素的意思——不是把老师的脑子复制过来，而是把老师“怎么想问题”这套方法学到手。

小米这次选中的“学生”，是阿里的 Qwen3.5-9B，一个 90 亿参数、本身底子不错的开源模型。然后小米用自家大模型“产”出的高质量数据，给这个学生做了一场高强度的特训。

打个比方：Qwen 是一副好身板，小米提供的是私教课和营养餐。身板是别人的，但肌肉是练出来的。

二、为什么不自研？这笔账其实很实在

很多人第一反应是：小米不是有钱吗，干嘛不从头训一个？

因为从头训一个大模型，就像从零开始造一台发动机——不是造不出来，而是时间、算力、试错成本三座大山压着。

而基于成熟开源模型做二次训练，好处是立竿见影的：省掉了最烧钱的基础预训练阶段，可以直接把资源全部砸在“怎么让它更会干活”上。更关键的是，Qwen 生态成熟，工具链、部署方案、开发者习惯都是现成的，模型练出来立刻就能用，不用再等整个配套体系跟上。

所以这更像是“借力打力”：别人已经修好了高速公路，小米负责造一辆跑得更快的车。

至于“打不过就加入”这句调侃，其实说反了——真正的高手，从来不介意站在巨人肩膀上，他们介意的是站上去之后有没有比巨人看得更远。

三、这个 9B 小模型，到底强在哪？

光说哲学太虚，我们看几个特别直观的数字对比。左边是原来的 Qwen3.5-9B，右边是小米特训后的版本：

写代码修 Bug 的能力，在一项接近真实工程场景的测试里，从 32 分直接干到 44.6 分。这个提升幅度，差不多相当于一个刚入行的实习生，突然有了三年项目经验。

在小米自建的代码测试集上，从 19.5 分飙到 51.6 分，涨了 1.6 倍多。这种提升不是“多背了几道题”，而是真的会拆解任务、会调用工具、会自己检查错误。

最能说明问题的，是“替人干活”的能力。在一项模拟办公自动化的测试里，分数从 5 分涨到 30.3 分；在模拟真实岗位任务的测试里，从 2.6 分涨到 18.3 分。翻译成人话就是：以前它只会陪你聊天，现在它能自己打开软件、填表格、跑流程。

还有个容易被忽略的亮点——安全攻防。相关测试从 5.7 分跃升到 31.3 分。这意味着它不只会写代码，还能帮着找漏洞、看风险。

四、藏在背后的“私教课”，才是真正的杀手锏

这次特训一共“喂”了 774 亿个词元的数据，但真正参与学习的只有 272 亿。为什么差这么多？

因为小米的做法是：只让模型学“值得学”的部分。就像给学生看一百本书，但只在关键段落上画重点，其余的当背景音。这样既省算力，又不会把模型带偏。

更狠的是数据的“配方”。代码、安全、通用智能体、视觉编程四大类，比例经过精心调配，谁也不压过谁。结果就是这个 9B 的小模型不仅会写代码，还能看图、能理解界面、能处理长达 26 万字的长文档。

一个 90 亿参数的模型，做到了很多人以为只有千亿模型才敢想的事。

顺带说一句，小米这次把训练过程直接开直播，负责人罗福莉说团队“沉寂半年只钻研一件事”——强化学习到底能走多远。这种把实验室大门敞开的做法，在国产大模型圈子里还真不多见。网友调侃说，这是“把内卷现场直播给全世界看”。

五、普通人能碰到它吗？门槛比想象中低

这是最关键的问题。答案是：比你想的低很多。

首先，它是完全开源的，许可证宽松到可以商用。这意味着任何一家公司、任何一个独立开发者，都能把它拿去改成自己的专属助手。

其次，90 亿参数这个体量，属于“消费级显卡勉强能伺候”的范畴。一台配置还行的带显卡电脑，或者一张租来的云显卡，就能把它跑起来。不用凑一整个机房。

再次，它天生是个“干活型”选手。会写代码、会操作工具、会看截图、会处理长文档，这些能力对应的正是普通人最想解决的麻烦事：

• 自媒体创作者：让它帮忙整理素材、改标题、批量处理文案
• 办公白领：让它读长报告、填表格、跑重复流程
• 学生党：让它讲解题目、检查作业思路
• 科技发烧友：本地部署一个私有的 AI 助手，数据不出门

它有“思考模式”，遇到复杂问题会先在心里打草稿再回答。对于数学题、逻辑推理这类容易翻车的场景，这个功能相当实用。

六、写在最后：这条路，可能才刚刚开始

回头看小米这步棋，其实挺聪明。

不自研基座，省下了最贵的时间和算力；用自家强模型产数据做蒸馏，把“经验”变成了可复制的资产；开源出来，又顺手把开发者生态拉到自己这边。花一份钱，办了三件事。

当然，质疑也不是没有道理。基座是别人的，意味着上限多少受制于人；蒸馏出来的能力，在极端复杂的任务上能不能扛住，也还需要更多真实场景去验证。

但有一点可以确定：当“从头造轮子”不再是唯一正确的答案，当“站在巨人肩膀上再往前跳一步”也被认可，整个行业的节奏都会变快。对普通用户来说，这意味着更好用、更便宜的 AI 工具，会来得比预期更早。

那么问题留给你：如果有一个 9B 的模型，能装在自己电脑上、不上传任何数据、还能帮你写代码改文案，你会愿意试试吗？还是说，你依然更信任那些参数大到吓人的“巨无霸”？

评论区聊聊，你站哪一边。

【免费下载链接】MiMo-V2.6-Distill-Qwen-9B项目地址: https://ai.gitcode.com/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B