MiMo团队发布基于MiMo RL轨迹蒸馏的Qwen模型，并附带7K环境与完整RL训练框架

小米同步开放 MiMo-V2.6-Distill-Qwen-9B 及配套 RL 研究资源，包括覆盖软件工程、漏洞复现、知识型工作、网页设计开发四类智能体任务的 7k+ RL 任务环境——以 Distill-Qwen-9B 为起点训练在 11 项评测中较 SFT 基线提升（如 SWE-bench Verified 61.1 提升至 66.2）、基于 verl、uni-agent 和 mini-swe-agent 的端到端 RL 训练框架，以及可组合的 mini-harnesses，供社区围绕训练算法、奖励机制等开展研究迭代。

作者称，为帮助开源社区专注解决真实的Agentic RL问题，团队已发布一个从MiMo RL轨迹蒸馏而来的Qwen模型，作为更强的RL起点，同时附带7000个多样化环境和一套完整的RL训练框架等开源资源。