Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
一个紧凑的编程智能体模型,通过名为 Leaf 的五工具框架在代码仓库里查找问题、编辑文件并运行测试。适合想用小模型修复软件问题的开发者。
FrogNano-4B-2609 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download microsoft/FrogNano-4B-2609
FrogNano 是微软推出的紧凑型编程智能体模型,有 4.7B 参数。它由 Qwen3.5-4B 衍生而来,用强化学习在大约 1,500 个合成的软件工程任务上做了后训练。它通过名为 Leaf 的轻量五工具框架工作,该框架会在隔离的仓库副本里运行它的工具调用。
如果你想要一个小模型,能读懂代码库、定位缺陷,并根据一段平实的描述提出补丁,它很适合开发者和研究人员。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 修复问题的开发者 | 给模型一个任务描述,让它在仓库里逐步处理 | 为一份缺陷报告提出补丁 |
| 研究 | 智能体研究人员 | 研究只用强化学习训练的小模型 | 测试它在 Leaf 框架里的表现 |
| 开发者工具 | 工具开发者 | 把紧凑的编程模型接入智能体框架 | 针对隔离的仓库运行工具调用 |
如果你需要处理图片、视频或非代码对话的模型,可以跳过它,因为它额外的训练和评估都只针对文本。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 解决软件问题 | 开发者 | 一个供人工审阅的候选补丁 |
| 浏览并调试代码库 | 工程师 | 跨文件的代码理解和缺陷修复 |
| 添加功能 | 工程师 | 结合测试反馈完善的多文件修改 |
pip install -U huggingface_hub hf download microsoft/FrogNano-4B-2609
你给模型一段自然语言任务描述,再加上现有的源代码。它会回复结构化的工具调用。Leaf 框架执行这些调用,包括搜索文件、编辑代码、运行 shell 命令和运行测试,再把结果反馈给模型,进入下一轮。
| 工具 | 作用 |
|---|---|
| Leaf framework | 在隔离的仓库环境里运行模型的工具调用 |
| 查看和搜索文件 | 让模型浏览仓库 |
| 编辑代码 | 修改代码,形成候选补丁 |
| 运行命令和测试 | 运行它们,并把结果返回给模型 |
你用平实的英文描述仓库里的一个缺陷。模型通过 Leaf 在几轮里查看文件、编辑代码并运行测试。最后得到的是一个候选补丁,你需要先审阅和测试再使用。
可以把它看作修复代码问题的小助手,它需要框架才能动手。第一步可以先下载模型,再读模型卡里关于 Leaf 框架的部分。
如果你熟悉这个领域,要知道它继承了基础模型的 32 层设计,这种设计把 Gated DeltaNet 和门控注意力混合在一起。训练使用的是针对完整多轮编程过程的可执行测试奖励。它没有用更强模型的解答来训练。评估所用的配置上下文约 131K token,每轮最多生成 8,192 个 token。
一个紧凑的编程智能体模型,通过名为 Leaf 的五工具框架在代码仓库里查找问题、编辑文件并运行测试。适合想用小模型修复软件问题的开发者。
由 microsoft 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:FrogNano 是微软推出的紧凑型编程智能体模型,有 4.7B 参数。它由 Qwen3.5-4B 衍生而来,用强化学习在大约 1,500 个合成的软件工程任务上做了后训练。它通过名为 Leaf 的轻量五工具框架工作,该框架会在隔离的仓库副本里运行它的工具调用。
适合谁:如果你想要一个小模型,能读懂代码库、定位缺陷,并根据一段平实的描述提出补丁,它很适合开发者和研究人员。
行业 | 谁在用 | 怎么用 | 例子
软件 | 修复问题的开发者 | 给模型一个任务描述,让它在仓库里逐步处理 | 为一份缺陷报告提出补丁
研究 | 智能体研究人员 | 研究只用强化学习训练的小模型 | 测试它在 Leaf 框架里的表现
开发者工具 | 工具开发者 | 把紧凑的编程模型接入智能体框架 | 针对隔离的仓库运行工具调用
如果你需要处理图片、视频或非代码对话的模型,可以跳过它,因为它额外的训练和评估都只针对文本。
用在哪里:
用途 | 谁用 | 得到什么
解决软件问题 | 开发者 | 一个供人工审阅的候选补丁
浏览并调试代码库 | 工程师 | 跨文件的代码理解和缺陷修复
添加功能 | 工程师 | 结合测试反馈完善的多文件修改
如何设置:
pip install -U huggingface_hub
hf download microsoft/FrogNano-4B-2609
如何使用:你给模型一段自然语言任务描述,再加上现有的源代码。它会回复结构化的工具调用。Leaf 框架执行这些调用,包括搜索文件、编辑代码、运行 shell 命令和运行测试,再把结果反馈给模型,进入下一轮。
工具 | 作用
Leaf framework | 在隔离的仓库环境里运行模型的工具调用
查看和搜索文件 | 让模型浏览仓库
编辑代码 | 修改代码,形成候选补丁
运行命令和测试 | 运行它们,并把结果返回给模型
示例:你用平实的英文描述仓库里的一个缺陷。模型通过 Leaf 在几轮里查看文件、编辑代码并运行测试。最后得到的是一个候选补丁,你需要先审阅和测试再使用。
新手与专家:可以把它看作修复代码问题的小助手,它需要框架才能动手。第一步可以先下载模型,再读模型卡里关于 Leaf 框架的部分。
如果你熟悉这个领域,要知道它继承了基础模型的 32 层设计,这种设计把 Gated DeltaNet 和门控注意力混合在一起。训练使用的是针对完整多轮编程过程的可执行测试奖励。它没有用更强模型的解答来训练。评估所用的配置上下文约 131K token,每轮最多生成 8,192 个 token。
任务和代码交给模型
模型写出结构化工具调用
Leaf 在隔离环境里执行
测试结果返回给模型
得到一个候选补丁
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download microsoft/FrogNano-4B-2609
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| FrogNano-4B-2609 本页 | 2,189 | 181 | 4.7B | apache-2.0 | |
| Qwen3.8-27B共有 qwen3_5 · safetensors | 6,960,395 | 19,795 | 27.8B | apache-2.0 | |
| Qwen3.5-9B共有 qwen3_5 · safetensors | 6,259,809 | 2,353 | 9.7B | apache-2.0 | |
| Qwen3.8-27B-FP8共有 qwen3_5 · safetensors | 5,442,810 | 984 | 27.8B | apache-2.0 | |
| Qwen3.5-4B共有 qwen3_5 · safetensors | 5,083,722 | 1,226 | 4.7B | apache-2.0 | |
| Qwen3.5-2B共有 qwen3_5 · safetensors | 4,044,746 | 479 | 2.3B | apache-2.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
Wan-AI · 工具包
根据音频生成电影感的角色视频,也能给现有视频做口型同步。适合有大显卡的视频创作者、动画师和研究人员。
Wan-AI · 工具包
通过复制表演者的动作和表情,让角色动起来,或把角色换进视频里,是 Wan2.2 视频系列中的一个模型。只能使用你有权使用的面孔和形象。
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。