描述
FrogNano-4B-2609 是微软开发的一款紧凑型编码代理,源自 Qwen/Qwen3.5-4B 模型。它专门设计用于仓库级软件工程任务,并通过强化学习在大约 1,500 个合成任务上进行后训练。该模型通过轻量级的五工具 Leaf 结构运行,专注于长时间跨度的仓库导航、调试、代码编辑、测试执行和补丁生成。
阅读更多
FrogNano 的架构包括一个密集的 32 层混合 Gated DeltaNet 和门控注意力因果语言模型。它支持文本输入,包括自然语言指令和源代码,并输出文本响应、推理文本、源代码和结构化工具调用。该模型的评估配置允许大约 131K 令牌的上下文长度。
FrogNano 的主要使用案例包括软件工程研究和人工监督开发。它最适合于以英语为主、以 Python 为重的仓库,具有可重现的环境和可执行的测试套件。该模型生成的结构化 Leaf 工具调用由结构在隔离的仓库环境中执行,支持迭代文件检查、代码编辑和测试执行。
FrogNano 通过 Hugging Face 模型库公开访问可下载的模型权重和配置文件进行分发。它需要与 Qwen3.5 架构兼容的推理运行时,其文档化的发布配置在 GPU 服务器上使用 SGLang。
虽然 FrogNano 在仓库级编码任务中表现出色,但并不适合通用辅助或多模态任务。它也不适合安全关键应用或允许未经审查更改特权基础设施的系统。输出需要在沙箱环境中执行,经过人工审查,并进行独立的功能和安全验证。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署云端
- 平台网页版
FrogNano-4B-2609亮点
仓库级软件问题解决
代码库导航和调试
生成结构化 Leaf 工具调用
长上下文处理文本和源代码
通过强化学习进行后训练
密集的 32 层混合 Gated DeltaNet 架构
文本输入和输出
Apache 许可证 2.0
FrogNano-4B-2609入门
访问模型:从 Hugging Face 下载
身份验证:设置必要的凭据
设置环境:配置兼容的运行时
通过 API 集成:使用 Leaf 结构进行工具调用
优化:调整特定任务的设置
FrogNano-4B-2609的使用案例
- 错误诊断
- 代码导航
- 功能实现
- 补丁生成
- 测试驱动开发










