license: apache-2.0
base_model: Qwen/Qwen3.5-9B
pipeline_tag: text-generation
tags:
- abliterated
- uncensored
- qwen3.5
- gguf
- reasoning
- math
- benchmark
- xiaomi-mimo
🧠 Qwen3.5-9B-Abliterated-V2 (BF16 & GGUF Q8_0)
Surgically Abliterated • Zero-Refusal • Preserved Deep Reasoning • 100% RTX 5080 GPU Ready
🔬 ¿Es Xiaomi MiMo realmente superior a Qwen 3.5 9B? (Hallazgo Empírico)
Existe la creencia popular de que variantes destiladas como Xiaomi MiMo-V2.6-Distill-Qwen-9B poseen una capacidad intelectual o matemática superior al modelo base y a su versión abliterada.
Para verificar esta hipótesis con rigor científico, realizamos una auditoría comparativa triple bajo condiciones idénticas de hardware y software en la suite de razonamiento oficial GSM8K:
📊 Resultados Comparativos Oficiales (10 Tareas Estridentes)
| Métrica / Parámetro | Qwen3.5-9B Original Q8_0 | Qwen3.5-9B Abliterado V2 Q8_0 | Xiaomi MiMo-V2.6 Distill Q8_0 |
|---|---|---|---|
| Aciertos Auditados | 9 / 10 | 9 / 10 | 9 / 10 |
| Precisión Matemática | 90.0% | 90.0% | 90.0% |
| Tiempo Total (10 tareas) | 528.5 s (~8.8 min) | 586.2 s (~9.7 min) | ⚡ 74.6 s (~1.2 min) |
| Tiempo Promedio / Tarea | 52.85 s | 58.62 s | ⚡ 7.46 s (7.4x más veloz) |
| Tokens Promedio por Razonamiento | 1,800 – 3,500 tokens | 2,000 – 4,000 tokens | 150 – 400 tokens |
| Comportamiento Clave | Razonamiento exhaustivo | Razonamiento exhaustivo | Razonamiento hiper-conciso |
💡 Veredicto Técnico:
MiMo NO es más inteligente ni resuelve problemas que el modelo Original o Abliterado no puedan resolver.
Ambos modelos (Original y Abliterado V2) alcanzan exactamente el mismo 90% de precisión matemática.
La falacia de que Original o Abliterado "fallaban" en benchmarks previos radicaba en un cuello de botella de configuración: se evaluaban cortando la salida a 1,024 tokens. Como sus cadenas de pensamiento (<think>) son profundas y multi-paso, se truncaban antes de dar el resultado. Al proporcionarles 16,384 tokens de salida, resolvieron los problemas con exactitud absoluta.La verdadera ventaja de Xiaomi MiMo radica en su radical eficiencia y velocidad: al haber sido destilado para razonar de forma compacta (150 a 400 tokens por respuesta), resuelve las mismas tareas 7.4 veces más rápido, consumiendo 90% menos de cómputo y KV cache.
⚙️ Entorno y Especificaciones Técnicas del Examen
- Motor de Inferencia:
llama.cppoficial v0.6.0 (commitb42b7e6d3) integrado en Ollama v0.40.4. - Hardware de Prueba: NVIDIA GeForce RTX 5080 Laptop GPU (16 GB GDDR7 VRAM) + CPU Intel Core Ultra (P-Cores aislados con
taskset -c 0-7). - Ventana de Contexto (
-c): 18,000 tokens. - Límite de Salida (
-n): 16,384 tokens (eliminando todo estrangulamiento de tokens). - Parámetros de Inferencia: Determinista
temp = 0.0,-b 19 -ub 19, KV Cache cuantizadoq4_0(-ctk q4_0 -ctv q4_0), Flash Attention activo. - Inyección de Prefijo:
<|im_start|>assistant\n<think>\npara activación de inferencia profunda en los tres modelos.