HF 发布 Qwen3.8-27B OpenCode LoRA:SWE-bench Pro 提升约 16 点
Hugging Face 团队发布了第二个 harness 适配器 Qwen3.8-27B-opencode-adapted:在冻结的 Qwen3.8-27B 上用强化学习训练的 LoRA,专为 OpenCode 编码 agent 优化。适配器仅约 300MB、Apache 2.0 开源,可经 llama.cpp 本地推理,社区成员 yb2698 与 Disastrous-Work-1632 等先后转述了这一发布。
已确认
- 适配器由 HF 的 Aritra 发布,Lysandre Jik 亦公告;这是继 Pi 适配器之后的第二个 harness 适配器,基于 v2 版本数据训练,LoRA 秩 r=32
- 成绩:SWE-bench Pro Hard 51 子集 pass@1 从 35.3% 升至 51.0%,提升约 15.7-16 个百分点
- 关闭思考模式时仍可达 xhigh 推理档的精度,token 消耗节省 6-8 倍(Disastrous-Work-1632 给出 8.1 倍的具体数字)
- 完全开源(Apache 2.0),支持 llama.cpp 等本地部署
为什么重要
- 用约 300MB 的小型 LoRA 通过 RL 让通用模型适配特定编码 harness,即可换来两位数的 benchmark 提升与数倍 token 节省,为本地/低成本运行强编码 agent 提供了范式
- 「关思考不掉点」意味着多数场景可省去冗长推理过程,实际使用成本进一步下降
2026-11-18 ~ 2026-11-19 · 5 条相关
- 第 1 集:HF 直播训练 harness 适配器:LoRA+RL 让小模型更会当 Agent(2026-11-06,18 条)
- 第 2 集:Hugging Face 发布 Harness Adapters:LoRA 让 Qwen3.8-27B 适配 Pi agent(2026-11-17,14 条)
- 第 3 集:HF 发布 Qwen3.8-27B OpenCode LoRA:SWE-bench Pro 提升约 16 点(2026-11-18,5 条)
一手来源
- Qwen3.8-27B 挂 OpenCode 适配器:SWE-Bench Pro 35.3%→51%,token 省 6-8 倍 — yb2698 ·
- HF 团队 RL 训 300MB LoRA:关思考达 xhigh 精度,省 8.1 倍 token — Disastrous-Work-1632 ·
- HuggingFace 发布 Qwen3.8 RL 适配器:本地跑 SWE-bench Pro 提升 16 个点 — LysandreJik ·
- 【源头】HF 团队 RL 训 300MB LoRA:关思考达 xhigh 精度,省 8.1 倍 token — Disastrous-Work-1632 · 2026-11-18
- 【源头】Qwen3.8-27B 挂 OpenCode 适配器:SWE-Bench Pro 35.3%→51%,token 省 6-8 倍 — yb2698 · 2026-11-18
- 社区发布 OpenCode 适配器:Qwen3.8-27B SWE-Bench 提升 16 点 — yb2698 · 2026-11-18
- 【源头】HuggingFace 发布 Qwen3.8 RL 适配器:本地跑 SWE-bench Pro 提升 16 个点 — LysandreJik · 2026-11-18
- 300MB RL 训练 LoRA 让本地 27B 编码模型 SWE-bench Pro 提升 15.7% — yb2698 · 2026-11-19