Характеристики

Контекст: 32 768 токенов
Параметры: 7,1 млрд
Размер весов: 15,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen2 · dense
Базовая модель: Qwen2.5-Coder-7B-Instruct
Библиотека: transformers
Опубликована: 12 июл 2025

Ссылки

SWE-agent-LM-7B

Генерация текстаТекст → текст5 профессий

Дообученная на траекториях SWE-agent языковая модель для агентного решения задач программной инженерии и работы с кодом.

464скачиваний за 30 дней8лайковвеса обновлены13 июл 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SWE-agent-LM-7B — языковая модель команды SWE-bench для задач программной инженерии и работы в SWE-agent. Авторы дообучили Qwen/Qwen2.5-Coder-7B-Instruct на 5 тысячах траекторий, созданных SWE-agent совместно с Claude 3.7 Sonnet с помощью инструментария SWE-smith. Модель построена на архитектуре Qwen2 с плотной causal language model, содержит 7,1 млрд параметров и принимает текстовый ввод, выдавая текст. Контекстное окно — 32 768 токенов.

Модель предназначена для интеграции с SWE-agent и может применяться в агентных сценариях разработки ПО, включая анализ задач и работу с кодом. В карточке указана совместимость с SWE-agent и интерфейс вызова инструментов. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

решение задач SWE-bench через SWE-agent
анализ и исправление ошибок в репозиториях кода
выполнение агентных сценариев разработки ПО с вызовом инструментов

Ограничения

Модель дообучена на 5 тысячах траекторий; README не приводит количественных оценок качества или подробностей о тестировании. Совместимость заявлена с SWE-agent, поэтому применение вне этого агентного сценария отдельно не описано.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

II.6Документация и сопровождение разработки

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SWE-agent-LM-7B is a Language Model for Software Engineering trained using the SWE-smith toolkit. We introduce this model as part of our work: SWE-smith: Scaling Data for Software Engineering Agents.

SWE-agent-LM-7B is 100% open source. Training this model was simple - we fine-tuned Qwen 2.5 Coder Instruct on 5k trajectories generated by SWE-agent + Claude 3.7 Sonnet. The dataset can be found here.

SWE-agent-LM-7B is compatible with SWE-agent. Running this model locally only takes a few steps! Check here for more instructions on how to do so.

If you found this work exciting and want to push SWE-agents further, please feel free to connect with us (the SWE-bench team) more!

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: a44fce0