企业官网建设流程全解析

5 分钟在 VS Code 里接上 MiMo：Claude Code 插件直连小米模型的完整配置

【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

2026 年 9 月，小米 MiMo 团队一边在官网开着直播、向全世界公开 MiMo-V2.6 的强化学习训练过程，一边把基于 Qwen3.5-9B 蒸馏的 Agentic 模型 MiMo-V2.6-Distill-Qwen-9B 连同完整评测数据开源到了本仓库。对普通开发者而言，比起围观"每步烧掉 20 亿 Token"的训练直播，更实际的问题只有一个：怎么把 MiMo 接进我每天写代码的 VS Code？

答案是 Claude Code 插件。它本身面向 Anthropic 的模型协议设计，而小米在开放平台上提供了 Anthropic 兼容的接入端点——只要把插件的流量重定向到 MiMo 平台，就能在编辑器里直接用小米模型完成补全、重构与自动编辑。整个过程无需安装任何命令行工具，5 分钟即可跑通。本文基于社区实测流程给出完整配置步骤，并翻开本仓库源码，看看这个 9B 蒸馏模型凭什么值得你把它设为默认编程模型。

为什么要接 MiMo：从"训练直播"到"编辑器就位"

在动手配置之前，先看清你接的是什么东西。小米 MiMo 团队负责人罗福莉 9 月中旬对外披露，自 4 月开源 MiMo-v2.5 后团队沉寂了近半年，只研究一件事：强化学习究竟能扩展到多远。MiMo-V2.6 的训练全程公开直播，据媒体报道，其强化学习训练总花费已超 125 万美元（当时约合 840 万元人民币），另有报道称六天训练投入约 347 万美元，训练指标（计算、环境工具、Grader Compute）全部向社区开放。这轮"烧钱直播"的产物之一，就是本仓库中的 README.md 所描述的 9B 级 Agentic 模型。

这款模型是小米用 MiMo 生成的数据对 Qwen3.5-9B 做监督微调得到的 SFT 检查点，覆盖代码、通用 Agent 任务、视觉编码与网络安全四大域。先看它在代码场景下的硬指标（均来自 README.md 的评测表）：

注意两点：其一，SWE Pro 上 44.6 vs 基线的 32.0，说明不只是"补个代码"，而是具备跨文件定位、规划与修改的能力；其二，MiMo Code (mini) 从 19.5 跃到 51.6，这是纯代码生成与编辑的专项测试。也就是说，这款模型的设计初衷就是让 AI 在编辑器里"动手改代码"，而不是只当聊天框。

第一步：申请 API Key 与实名认证

接入 MiMo 平台的第一步是拿到调用凭证。流程如下：

1. 在小米 MiMo 开放平台选择"快速体验 → API 接入"，点击"申请 API Key"，用手机号注册并登录。
2. 在控制台新建 API Key。API Key 只完整展示一次，务必立即复制并保存到本地安全位置，关闭页面后就无法再查看明文。
3. 完成实名认证。根据社区实测反馈，新用户完成实名认证后会获赠 5 元体验金，相当于一段免费试用额度（社区反馈该额度消耗较快，适合先用它跑通配置、验证效果）。

拿到 Key 后，它将被写入 Claude Code 插件的环境变量，作为调用凭证随请求一起发往 MiMo 平台。

第二步：在 VS Code 安装 Claude Code 插件并重定向流量

Claude Code 原生并不认识 MiMo 模型，但它的配置体系足够开放：插件通过环境变量读取 Base URL 与认证 Token，把这两个值指向小米即可实现"流量重定向"。社区实测（9 千余阅读的 CSDN 教程）确认：官方文档虽只提到对 Claude Code CLI 生效，对 VS Code 插件同样有效。

2.1 安装插件

在 VS Code 侧边栏的扩展市场中搜索Claude Code for VS Code并安装，无需在本地另行安装 Claude Code 的 npm CLI 包——这也是该方案比传统教程更轻量的原因。

2.2 跳过登录状态检查

Claude Code 首次运行会强制走登录流程，需要先在全局配置中声明"已完成引导"。编辑（或创建）~/.claude.json，加入以下字段：

{ "hasCompletedOnboarding": true, "firstStartTime": "xxxx", "opusProMigrationComplete": true, "sonnet1m45MigrationComplete": true, "userID": "xxxxxx", "clientDataCache": { "data": null, "timestamp": xxxx }, "skillUsage": { "insights": { "usageCount": 1, "lastUsedAt": xxxx } } }

其中~在 Windows 上对应C:\Users\你的用户名目录。

2.3 配置环境变量，指向 MiMo 端点

编辑（或创建）~/.claude/settings.json，在env字段中写入以下配置，将ANTHROPIC_AUTH_TOKEN替换为第一步拿到的 API Key：

{ "effortLevel": "medium", "env": { "ANTHROPIC_BASE_URL": "https://api.xiaomimimo.com/anthropic", "ANTHROPIC_AUTH_TOKEN": "输入你上面获得的 API Key", "ANTHROPIC_DEFAULT_OPUS_MODEL": "mimo-v2-pro", "ANTHROPIC_DEFAULT_SONNET_MODEL": "mimo-v2-pro", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "mimo-v2-pro" } }

这份配置的含义值得解释一下：

• ANTHROPIC_BASE_URL：把 Claude Code 的请求端点整体指向小米的 Anthropic 兼容网关，这是"流量重定向"的核心；
• ANTHROPIC_AUTH_TOKEN：替换认证凭证，让网关识别你的账户；
• 三个ANTHROPIC_DEFAULT_*_MODEL：把插件内部路由的 Opus/Sonnet/Haiku 三个模型档位全部映射到 MiMo 模型。模型名以平台控制台当前实际开放的模型为准——示例中的mimo-v2-pro来自社区在 V2 系列发布后的实测；随着 V2.6 系列逐步开放，把这三个值替换为最新的模型标识即可，其余配置不变。

保存~/.claude.json与~/.claude/settings.json后，重启 VS Code让配置生效。

第三步：实测自动代码编辑

重启后，新建或打开一个项目文件夹，点击 VS Code 右上角的花火图标打开 Claude Code 面板。如果上述配置无误，短暂的登录界面会一闪而过，直接进入可对话状态——这正是"流量已成功重定向"的标志。

在聊天框输入需求即可让 MiMo 生成文件与代码。若要体验本文开头提到的"自动编辑"能力，将发送键左侧的Ask before edits（编辑前询问）模式切换为Edit automatically（自动编辑），插件便会直接读写工作区文件，配合模型的工具调用能力完成多文件修改。

建议按以下递进顺序验证，每一级都对应仓库评测中的一个能力维度：

1. 生成：让它在空项目中生成一个完整的工具脚本（对应代码域）；
2. 重构：选中一个函数，要求它重构成更合理的结构并保持语义不变（对应 SWE 类任务）；
3. 跨文件 Agent 任务：描述一个"新增接口、注册路由、补测试"的需求，观察它是否连续调用文件编辑工具完成任务（对应 Terminal Bench / Toolathlon 所衡量的工具使用与多步规划）。

源码视角：这个 9B 模型为什么能直接进编辑器

把模型接进编辑器只是第一步，它能不能胜任工作取决于底层能力。翻看本仓库的配置与模板文件，能看到三个直接支撑"Agentic 编程"的设计。

一、为"动手改代码"设计的训练配方。README.md 披露，该 SFT 检查点的加权数据混合共 77.4B Token，其中 27.2B 为承担损失的训练 Token：代码 23.2B（占 29.9%）、通用 22.0B（28.5%）、视觉 21.2B（27.4%）、网络安全 11.0B（14.2%）。代码与通用 Agent 数据合计过半，且官方明确将其定位为"面向 Agentic 强化学习开源研究的起点"，说明它从训练起就是奔着工具调用与多步执行去的。

二、混合注意力 + 超长上下文。config.json 显示，其文本主干为 32 层、hidden size 4096，层类型在linear_attention（线性注意力）与full_attention（全注意力）之间以 4 为周期交替，max_position_embeddings高达 262144——这是 Qwen3.5 系列擅长的长上下文混合注意力架构。对 Agent 场景而言，长上下文意味着"让模型同时看到项目里几十个相关文件"，这是跨文件重构与多轮工具调用的前提。

三、模板层原生支持推理与工具调用。仓库中的 chat_template.jinja 值得细读：render_assistant_message会把模型的思考过程封装进<think>标签，render_tool_calls则把工具调用序列化为<tool_call><function=...>...</function></tool_call>结构；同时支持enable_thinking开关——关闭时输出<think></think>空标签，保持输出格式稳定。generation_config.json 采用temperature 0.6、top_k 20、top_p 0.95的采样组合，是推理模型在"创造性"与"确定性"之间的常见折中。这套格式与 Claude Code 等 Agent 前端的工具调用协议高度兼容，也是"重定向即用"能够成立的根本原因。

值得一提的是，模型权重总量约 18.8 GB（见 model.safetensors.index.json），分为 4 个 safetensors 分片；视觉编码器（27 层 ViT）与视频处理器（processor_config.json）同时被启用，意味着该模型还具备看截图、看界面的多模态能力——这正是 "MiMo Visual Coding" 评测项 64.0 分的来源，也让它能胜任"根据报错截图定位问题"这类真实开发场景。

写在最后

从 4 月的 7B 推理模型到如今的 V2.6 蒸馏 9B，小米 MiMo 的路径清晰可见：预训练与后训练的全链路创新夯实底座，公开直播的强化学习放大上限，而 Anthropic 兼容端点 + 开源 Agentic 权重则把门槛降到最低。对开发者来说，最直接的收益就是本文这套配置——无需本地 GPU、无需安装 CLI，一个 VS Code 插件加两个配置文件，就能让国产 9B Agentic 模型在编辑器里替你改代码。五分钟后，花火图标亮起的那一刻，你接上的不只是一个大模型，而是小米过去半年在强化学习上烧掉的每一分算力。

【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