一句话:这次不是『新模型』,是『旧基座 + 小适配器 + 强化学习』的三段式。基座 Qwen3.8-27B 没换,挂了个 LoRA 适配器,再用强化学习教它『省着』调工具,掰成编码智能体 pi,权重开放。(据 Hugging Face / @ClementDelangue)
先抛结论:三个数字——pass@1 从 29.4% 到 62.7%(SWE-bench Pro,Hard 51 档)、39.5% 到 55.8%(Terminal-Bench 2.1)、每任务工具调用次数少 55–62%——讲的不是『更聪明』,是『更会省』。下面把方法拆开,把数字逐个验一遍。


LoRA 和强化学习,各干哪件事
先说 LoRA,它是低秩适配:不动原模型那几十亿参数,只在一个小矩阵里学增量。打个比方,不重装修整栋楼,只在一扇门后面贴一张岗位备忘录。基座 Qwen3.8-27B 的通用能力——读文档、懂上下文、写代码的基础语法——全部保留,LoRA 只学『当编码智能体时要怎么行动』这一层偏好。
强化学习在这里大概率管『奖励』:一个任务里,模型调了多少次工具、路径长不长、测试过没过,都能打分。把『少绕路』变成一种被奖励的行为,绕路就扣分。说白了,LoRA 给了它一张编码岗位说明书,RL 逼它把这份说明书练成肌肉记忆。
划重点:这两个技术的分工很干净。LoRA 管『知道该怎么做』(参数层),RL 管『做了要受奖励』(行为层)。注意,这是按这两种技术的常规分工做的推断,不是官方逐字说的。也是因为有 RL 这一轮,29.4% 到 62.7% 的跨度才比单挂 LoRA 通常能拿到的幅度大得多。

29.4% 到 62.7%,涨的不是同一类分数
SWE-bench Pro 的 Hard 51 档,看名字就是难度偏高的那一批题。基座裸考 29.4%,挂上适配器后 62.7%(据 Hugging Face 官方)。多出来的 33 个百分点,不是『多会写几行代码』,是『更会找路』。
说白了:Hard 51 考的不是『会不会写代码』——会写的模型一大把。它考的是『在一个真实仓库里,能不能找到该改的文件、改得对不对、测试能不能过』。这是导航能力,不是手速能力。手速型的涨分和找路型的涨分,含金量不一样。
数字较真一下:62.7% 在 SWE-bench Pro 的横向榜单上排第几,官方没给对照。这个数字是『同一模型、同一测试集、同一套评分』下的前后对比,控制变量很干净,但它不是『打败了某某模型』。别把前后对比读成横向排名,这是这次最容易误读的地方。
补一个概念:pass@1 指每个题只给一次机会、一遍做对的题占总题数的比例,比允许多次尝试的 pass@k 更严,不允许抽卡重掷。所以 29.4% 到 62.7%,是『一次就做对』的比例翻了一倍多,含金量比宽松指标更高。
55.8% 和少一半调用,是同一件事的两面
Terminal-Bench 2.1 从 39.5% 到 55.8%,涨了 16.3 个百分点。同时每任务工具调用次数减少 55–62%(据 Hugging Face 官方)。这两个数字其实是同一件事的两面:路径越短,越容易一次走对。
为什么?编码智能体的一大块失败模式是『绕路绕死』——多调一次工具,就多一次上下文被污染、多一次把线索带偏的机会。工具调用次数砍掉一半多,等价于把『走错路』的整体概率压下去,分数自然跟着涨。
划重点:只看到一个数字我会存疑,两个数字方向一致(分数涨、调用少),交叉验证过关。但 55–62% 这个区间跨度不小,说明不同任务上压缩率差异挺大——简单任务可能压得很狠,复杂任务可能压不动。这个区间值得盯着看。

权重开放,对普通开发者意味着什么
权重开放的意思是:这个 LoRA 适配器可以下载、可以在自己的硬件上跑、可以在它基础上继续改,你不必通过 Hugging Face 的 API 付费调用。(据 Hugging Face 官方)注意,开放的主体是适配器,基座 Qwen3.8-27B 本身是现成的开源权重。
对普通开发者的直接价值分三层:一是能本地跑一个『会省着调工具』的编码智能体,不依赖闭源 API;二是 LoRA 体积小,理论上能叠加到自己的基座上接着微调;三是它是一份『配方样板』——说强化学习加 LoRA 能把通用模型掰成专用的人不少,现在手里有了实物可以验。
但别高估。权重开放不等于开箱即用:你的硬件得吃得下 Qwen3.8-27B 这个体量,奖励函数如果没跟官方对齐,复现出来的效果未必是 62.7%。配方开放了,火候还得自己掌握。
但这里有个前提
所有数字都来自同一份官方口径(据 @ClementDelangue / Hugging Face),第三方独立复测目前还没见到。pass@1 的 62.7% 到底在哪个基线、哪个评测配置下测的,完整评测脚本是否公布,看不出来。前后对比干净,横向位置空白。
我的判断:这个案例真正的信号,不是『编码智能体又涨了 30 个百分点』,而是『挂一个小 LoRA、跑一轮 RL,就能让通用模型在专用任务上翻倍』这条路被跑通了、而且配方公开了。如果第三方复现出来,这个『掰法』会被复制很多次。
但如果只有官方一份数字,那它就是一份漂亮的、待验证的声明。数字我信一半,剩下的一半,等复现报告来补齐。(完)