蒸馏 Qwen 登顶算不算自研?MiMo-V2.6 "技术含量"争议背后是开源的新玩法
蒸馏 Qwen 登顶算不算自研?MiMo-V2.6 "技术含量"争议背后是开源的新玩法
最近科技圈吵得最凶的一件事,不是谁家又发了新手机,而是一个模型仓库的"户口本"。
小米开源的 MiMo-V2.6 系列风头正劲,第三方评测榜单上冲到了开源第一梯队,社交平台上"国产开源之光"的夸声还没落地,另一边就有人翻出了它旗下一个 9B 小模型的说明:底座是 Qwen3.5-9B,训练方式是"蒸馏"。
一句话点燃评论区:这不就是拿别人家的模型再加工一下,凭什么说是自研?
吵归吵,这个 9B 的小模型其实特别值得普通人也来围观一下。因为它身上藏着一条正在改写游戏规则的新路子。
一、先把"蒸馏"这两个字说成人话
别被这词唬住。蒸馏,你可以理解成**"名师带徒弟"**。
已经有个学得很好的大模型,像个做题无数的老教师。它不光给出答案,还会把自己怎么一步步想的过程写下来。然后拿这些"带解题思路的答案",去训练一个小得多的模型。
小模型不是从头学认字、背词典,而是直接跟着老师刷题、对答案、学思路。好处很直接:花小钱,办大事。
这里的"底子"是 Qwen3.5-9B——阿里通义千问系列的模型,开源、口碑好,相当于一套已经盖好主体结构的房子。小米干的事,是在这套房子里做精装修:重新配数据、重新调训练配方、重新教它用工具、写代码、看图纸。
所以争议的两边其实说得都不算错:
一边说,"地基是别人的,装修得再漂亮也不是你盖的楼"。
另一边说,"全世界九成以上的软件都站在别人的开源库上,装修本身就是硬功夫,能把毛坯房装成样板间才叫本事"。
二、这间"样板间"到底装出了什么效果?
小米公开了一份对照表,拿装修前和装修后直接对比。同一个底座,同一个评测标准,最能看出这半年功夫值不值。
先说写代码修 Bug。这是最能体现"工程师含金量"的活:给你一个真实项目,里面有 bug,你得自己翻代码、定位、改对。
- 在 SWE Pro 这项更难的测试里,分数从 32.0 提到 44.6,涨了将近四成;
- 在小米自己出的代码小测上,从 19.5 直接飙到 51.6,翻了一倍半还多。
再说"会不会用工具"。现在评价一个 AI 是不是真能干活,不只看它会不会聊天,而看它能不能自己在终端里敲命令、翻文件、调用工具,把一件事从头做到尾。
- Terminal Bench 从 27.0 到 37.1;
- Toolathlon 从 25.9 到 35.2;
- 综合自动化能力从 5.0 拉到 30.3,整整六倍。
还有几个特别"打工人"的指标,我看了忍不住笑:OfficeQA(办公文档问答)从 9.0 到 19.5,JobBench(职场任务)从 2.6 到 18.3。翻译一下:原来让它做表格、读合同、跑流程基本等于交白卷,现在能及格甚至良好了。
最意外的是安全这块。网络安全测试从 5.7 涨到 31.3。以前这类小模型在攻防场景里基本是"看热闹",现在能真正参与分析。
另外它还能看图——官方配置里带视觉模块,视觉编码任务从 61.7 小涨到 64.0。
一个 9B 的"小家伙",能干这些活,说实话挺吓人的。
三、为什么这次的"蒸馏",跟以前那种"套壳"不是一回事
这是整件事最有意思的地方,也是很多骂声忽略的细节。
第一,题目是自己出的。
传统蒸馏是"抄老师的答案"。而 MiMo 这次,是让自家的大模型(V2.6 系列)去生成海量训练数据——代码、工具调用、办公任务、安全攻防、看图写代码,五大类混合,总量 774 亿个 token,光真正参与学习的就有 272 亿。
打个比方:不是抄隔壁班的卷子,而是自己组织老师出了一整套题库,还配套写了标准答案和评分细则。
第二,批改标准也是自己定的。
小米同期发了一篇论文,讲的是"多教师、同策略蒸馏"——简单说就是让好几个各有所长的"老师"分工带徒弟:一个擅长写代码,一个擅长用工具,一个擅长看图。徒弟不是囫囵吞枣,而是边学边练、学完立刻考。
第三,它把"半成品"也放出来了。
注意看这个仓库的自我定位:这是监督微调的中间检查点,发布目的是"给开源社区研究智能体强化学习提供一个起点"。
这句话挺关键。它不是说"这是我最终最强的模型",而是说"这是我练到一半的样子,剩下的路,大家一起往下走"。
就像一家餐厅把熬了六个小时的高汤端出来,说:底汤在这儿,你们谁有好食材都可以往里加。这跟端上一碗成品说"这是我的独门秘方"完全不是一个心态。
四、登顶的含金量,该怎么看?
我的看法是:含金量不在"从头造"三个字上,而在"这一层谁能做得更好"上。
现在的开源大模型生态,早就不是"每家公司从零写一套"的年代了。底座、数据、训练方法、评测体系,已经分成四层。真正拉开差距的,是后三层。
Qwen 提供了一套非常扎实的毛坯房,这没什么可耻的,它本来就是开源的初衷。但把毛坯房装成能拎包入住的样板间,需要懂结构、懂水电、懂配色——这些活,装过修的人都懂有多费劲。
而且这次小米做对了一件很聪明的事:它没有藏着掖着。底座是谁、用什么方法、数据多少、涨了多少分、哪些是自家内部测试集,全都写在明面上。连"内部测试集"这种容易被质疑的地方,都老老实实打了标注。
对比那些模糊宣传"全面超越某某""遥遥领先"的发布,这种"我把账本摊开给你看"的做法,反而更值得信任。
五、普通人想玩,门槛高不高?
好消息:这个门槛,比你想的低得多。
它只有 9B 参数,下载下来大概 18 个 G。家里有张 24G 显存的显卡,量化之后就能跑;没有显卡也没关系,官方有网页体验入口和 API 接口,手机上就能试。
配置里最长能塞进 25 万多字的上下文,相当于一次把一本中篇小说全扔给它,让它从头到尾给你分析人物关系。
协议是 MIT,商用基本没什么额外限制,这点对小团队和个人开发者相当友好。
适合谁玩?
- 程序员:把它接进编辑器,让它读你的项目、找 bug、写测试;
- 自媒体和办公党:用它整理资料、读长文档、跑重复性的表格流程;
- 学生和爱好者:这是理解"智能体"最好的活教材,因为它就是个"练到一半"的样本,你能看到它是怎么被一步步教会的;
- 企业技术团队:拿它当起点,接上自己的数据和业务,成本比从头训低太多。
六、写在最后:开源的新玩法,才刚刚开局
这场争论,本质上是旧标准和新范式撞了一下。
旧标准问:"这模型是不是你从第一行代码开始写的?"
新玩法问的是:"你能不能让一个已经开源的底座,在你的数据和训练方法下,突然变得很强?"
前者像问"这辆车是不是你自己炼的钢",后者像问"这辆车在你手里跑出了什么成绩"。
对整个行业来说,后一个问题更实际。因为绝大多数公司都没有从零炼钢的能力,但绝大多数公司都有把车调好的机会。开源的意义,本来就不是让大家重复造轮子,而是让所有人站在同一个起点上,比拼谁能跑得更远。
当然,争议也不是坏事。有人盯着"底座是谁",行业才会更诚实;有人盯着"涨了多少分",技术才会更扎实。这两股声音互相拽着,才不会让开源变成一场话术比赛。
最后想问一句:如果一辆车的发动机是别人家的,但底盘、变速箱、调校全是你自己搞的,跑出了更快的圈速——你会说它是"组装车",还是"好车"?
评论区聊聊,你怎么看"蒸馏算不算自研"这件事。