AI Pulse
🔥 热点深度解读

给开源模型套上专属外挂,编码智能体性能直接翻倍

打开终端,输入指令让AI自动修复代码仓库里的报错——这是现在编码智能体的日常。但同一个开源模型,换个微调方式,表现能差出一倍。

Hugging Face CEO Clement Delangue 最近放出了 Qwen3.8-27B-pi-adapted 的完整数据:他们用强化学习加 LoRA 适配器(一种只训练少量参数的微调技术),把通义千问的开源模型专门适配到自家 pi 编码智能体上。结果在 SWE-bench Pro(Hard 51)这个硬骨头基准上,pass@1 从 29.4% 直接拉到 62.7%;Terminal-Bench 2.1 从 39.5% 涨到 55.8%;每个任务的工具调用次数还减少了 55%–62%。这条推文目前拿到了 5332 个赞、3861 次收藏,浏览量超过 34 万。

这不是孤例。2026 年的 Qwen3-Coder-Next 走的也是类似路线:中期训练加强化学习,直接从可执行环境的反馈里学,在 SWE-Bench Verified 上跑到 70.6%,而且每次前向传播只激活 30 亿参数。Meta 刚推出的 Muse Code 更直接——模型和框架一起训,用智能体自己的拒绝采样轨迹反过来优化模型。

@vanstriendaniel 和 @victormustar 都在转发时点出了同一个关键词:custom models 🤝 custom harnesses(定制模型搭配定制框架)。意思很直白:通用开源模型是毛坯房,谁都能住,但装上自己的水电和家具,才真正顺手。

这种思路正在改写编码智能体的性价比。第三方测试显示,pi 编码智能体在 30 个工具使用任务里解决了 21 个(70%),单任务平均成本 1.64 美元,比 OpenCode 的 2.25 美元便宜;代价是中位耗时 363 秒,比 OpenCode 的 281 秒慢。省钱但慢,这就是定制化换来的 trade-off。

对普通开发者来说,这件事的意义在于:以前只能等大厂把模型调好再用,现在拿开源权重、套一个 LoRA 适配器,就能做出贴合自己工作流的智能体。Reddit 上已经有人在讨论,能不能用 IBM 的激活 LoRA(aLoRA)在本地复现多模型编码智能体 76% 的 SWE-bench 成绩。

当模型和框架可以像乐高一样自由拼接,下一个问题是:你愿意花一下午微调,还是继续为臃肿的通用工具付溢价?

📎 参考来源

查看原始推文

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新