MiMo-V2.6-Distill-Qwen-9B
9BXiaomi MiMo
小米把 MiMo-V2.6 蒸馏到 Qwen3.5 9B 架构上的版本，9 月发布，通过单独的视觉编码器读取图像。32 层中只有 8 层保留会增长的缓存。Q4_K_M 在 4K 下约需 6.3 GB，16K 下约需 6.7 GB，8 GB 显卡可以从容运行；32K（7.2 GB）在 8 GB 卡上偏紧，10 GB 起才宽裕；128K 下约需 10.5 GB，12 GB 显卡可以从容运行。Q8_0 在 4K 下约需 10.1 GB，12 GB 起很宽裕。视觉编码器另需约 0.9 GB。体积按 bartowski 发布的 GGUF 文件大小计算，各档位的质量损失未公布。
262K
最大上下文
4
量化变体
GGUF Q8_0
最佳质量
—
困惑度增幅（最佳档位）
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过：推算所得，或本站未核实的数字 · 社区 = 公开报告
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q3_K_M | 4 | 4.8 GB | — | — | 估算 | |
| GGUF | Q4_K_M | 5.22 | 6.3 GB | — | — | 估算 | |
| GGUF | Q5_K_M | 6.14 | 7.3 GB | — | — | 估算 | |
| GGUF | Q8_0 | 8.52 | 10.1 GB | — | — | 估算 |
每个体积对应哪个文件
文件大小不等于显存：显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存，再加 10% 的激活缓冲。两边的单位是有意不同的：文件大小用十进制 GB，和 Hugging Face 列表一致；显存一栏用 GiB（1024³ 字节），并在权重上多算 2%，所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影（mmproj），它是另外下载的文件，两个数字都不含它。
- GGUF Q3_K_Mbartowski/MiMo-V2.6-Distill-Qwen-9B-GGUF · MiMo-V2.6-Distill-Qwen-9B-Q3_K_M.gguf · 4.48 GB (4,479,948,320 字节) · 另需视觉投影 0.92 GB · 2026-10-29 核对
- GGUF Q4_K_Mbartowski/MiMo-V2.6-Distill-Qwen-9B-GGUF · MiMo-V2.6-Distill-Qwen-9B-Q4_K_M.gguf · 5.84 GB (5,841,049,120 字节) · 另需视觉投影 0.92 GB · 2026-10-29 核对
- GGUF Q5_K_Mbartowski/MiMo-V2.6-Distill-Qwen-9B-GGUF · MiMo-V2.6-Distill-Qwen-9B-Q5_K_M.gguf · 6.88 GB (6,876,124,704 字节) · 另需视觉投影 0.92 GB · 2026-10-29 核对
- GGUF Q8_0bartowski/MiMo-V2.6-Distill-Qwen-9B-GGUF · MiMo-V2.6-Distill-Qwen-9B-Q8_0.gguf · 9.55 GB (9,545,979,424 字节) · 另需视觉投影 0.92 GB · 2026-10-29 核对
MiMo-V2.6-Flash
Xiaomi MiMo
小米 MiMo-V2.6 系列中较小的一款：309B 参数，每个 token 约激活 15B，MIT 许可，能读文本、图像、视频和音频。发布的权重在专家层本身就是 4 比特（MXFP4），ggml-org 的 GGUF 原样保留：4K 上下文约需 175 GB，只有 512 GB 的 Mac Studio 才宽裕，256 GB 的偏紧。Q2_K 版本（约 132 GB）在 256 GB 的 Mac 上很宽裕，在 192 GB 的 Mac 上偏紧。48 层中只有 9 层保留会增长的缓存，所以即使用满 100 万 token 窗口也只多约 25 GB。llama.cpp 以 `mimo2` 架构运行它（与 MiMo-V2.6-Pro 相同），视觉通过单独的编码器加载。体积按 ggml-org 的 GGUF 文件计算，各档位的质量损失未公布。
MiMo-V2.6-Pro
Xiaomi MiMo
小米的开放权重旗舰，今年秋天位列开源模型排行榜前列：约 1.02 万亿参数，每个 token 激活约 42B，MIT 许可。发布的权重本身就是 4 比特（专家层为 MXFP4），GGUF 版本只是重新打包、没有再次量化。在这个档位下 4K 上下文约需 604 GB，超过本索引里任何一台单机：最大的 Mac Studio 给 GPU 的约 384 GB，四张 80 GB 的 H100 合计 320 GB。八张 80 GB 显卡（640 GB）大约是能装下它的最小服务器，按本站规则也只算「勉强」。收录它是为了让计算器能把这一点说清楚。70 层中只有 10 层保留会增长的缓存，所以即使 100 万 token 也只多约 50 GB。llama.cpp 以 `mimo2` 架构运行它，视觉通过单独的编码器加载。体积按已公布的 GGUF 文件计算，各档位的质量损失未公布。
Qwen3-VL 8B Instruct
Alibaba Qwen3-VL
当代视觉语言模型,Q4 约 5.9GB,单张 8–12GB 卡仍可跑。没有 24GB 显卡的人做多模态的现实选择 —— 注意视觉编码器会额外占用显存,下方 KV cache 计算并未包含这部分。
Qwen3.5 9B
Alibaba Qwen3.5
Qwen 最新的小尺寸模型，8 到 16 GB 显卡的常见选择。32 层中只有 8 层保留会增长的 KV 缓存，所以在普通硬件上也能用长上下文。Q4_K_M 在 4K 下约需 6.6 GB，16K 下约 7.0 GB，8 GB 显卡就能从容运行；32K（7.5 GB）在 8 GB 卡上偏紧，10 GB 起才宽裕；用满 256K 窗口约需 15.2 GB。Q8_0 约需 10.4 GB，12 GB 起就很宽裕。Qwen3.5 的小尺寸默认关闭推理模式；它通过单独的视觉编码器读取图像。体积按已公布的 GGUF 文件大小计算，各档位的质量损失未公布。
在本地运行 MiMo-V2.6-Distill-Qwen-9B
在 Q4_K_M、4K 上下文下，MiMo-V2.6-Distill-Qwen-9B 约需 6.3 GB —— 权重 5.5 GB、KV 缓存 0.13 GB、激活缓冲 0.6 GB。本索引中能宽裕跑它的最小规格是 8 GB 显卡 —— 共 9 张，RTX 4060 起步；78 张卡中有 76 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 0.87 GB，总量来到 7.2 GB。这比参数量给人的印象要温和：32 层中只有 8 层的 KV 缓存会随上下文增长，因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 256K；在 Q4_K_M 下把它全部撑满约需 15 GB。
该下载哪个版本
本索引只收录了 MiMo-V2.6-Distill-Qwen-9B 的 GGUF 格式，共 4 个档位（Q3_K_M、Q4_K_M、Q5_K_M、Q8_0）。 该模型没有公开的逐档困惑度数据，因此质量一列留空而不是填估算值 —— 在同一个模型内部，位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 是 ExLlamaV2 —— 仅限 CUDA，而且已经归档，适合本机使用而不适合提供服务。
常见问题
- MiMo-V2.6-Distill-Qwen-9B 需要多少显存？
- 在 Q4_K_M、4K 上下文、batch 1 下约 6.3 GB，到 32K 时约 7.2 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。
- MiMo-V2.6-Distill-Qwen-9B 能在 8GB 显卡上跑吗？
- 可以 —— 在 Q4_K_M、4K 上下文下约需 6.3 GB，在 RTX 4060 上还剩 1.8 GB，本索引中 9 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格；78 张中有 76 张可以。
- MiMo-V2.6-Distill-Qwen-9B 该用哪个量化档位？
- 该模型没有公开的质量对比数据，所以按体积来选：Q4_K_M 是多数人使用的档位，bits-per-weight 越高越忠实。索引中的 4 个档位是 Q3_K_M、Q4_K_M、Q5_K_M、Q8_0。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算，显存从小到大排列。「从容」指估算占用不超过显存的 88%。
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-10-29 RSS → /zh/feed.xml