现在,一个小型 300MB 适配器让你的本地 27B 编码模型大幅提升!
Hugging Face 发布了针对 Qwen3.8-27B 的 RL 训练 LoRA 适配器,专门针对 OpenCode 进行了优化。
报告的结果令人印象深刻!
SWE-bench Pro(困难 51 个任务):
🔴 原始 → 35.3%
🟢 使用 LoRA → 51.0% 👈
Terminal-Bench 2.1:
🔴 原始 → 46.4%
🟢 使用 LoRA → 52.4% 👈
在双方解决的任务上的中位代理回合数:
🐌 原始 → 48 回合
🚀 使用 LoRA → 13 回合 👈
这在选定的 SWE-bench Pro 任务上提升了 15.7%,并且在共享解决任务上的代理回合数减少了 73%。
在禁用思考的情况下,据报道,经过适配的模型在团队的比较中,使用每任务 6–8× 更少的生成令牌,接近或超过了以最大推理努力运行的原始模型。
最好的部分?
💾 适配器 → ~300MB
🧠 基础模型 → Qwen3.8-27B
🔓 许可 → Apache 2.0
💻 本地推理 → llama.cpp
🛠️ 编码框架 → OpenCode
📦 GGUF 适配器可用
只是一个小适配器,教现有模型更有效地使用编码工具。
视频来源:@HuggingFace
[视频]
Qwen3.8-27B-opencode-adapted
http://t.cn/AXTGS8RK…?
http://t.cn/AXTGS8R9
发布于 北京
