/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
956 млн
Лицензия
MIT
Архитектура
nanochat · dense
Библиотека
vllm
Опубликована
11 авг 2026

nanoswe-12h-260812

Генерация текстаТекст → текст3 профессии

Небольшая модель агента для программной инженерии, обученная с нуля на траекториях SWE-агентов и рассчитанная на работу в агентном цикле.

25скачиваний за 30 дней0лайковвеса обновлены11 авг 2026

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

nanoswe-12h-260812 — исследовательская модель агента для задач программной инженерии от nanoswe, созданная на архитектуре nanochat. Модель обучена с нуля на многошаговых траекториях SWE-агента без предварительного обучения на веб-текстах, дообучения по инструкциям и RL. В метаданных указано 956,3 млн параметров; README сообщает 1,38 млрд параметров. Архитектура плотная, с 24 слоями и контекстом 32 768 токенов. Репозиторий содержит веса safetensors, для запуска через vLLM требуется совместимый плагин.

Модель предназначена для решения задач из SWE-bench Verified в составе агентного цикла, который передаёт ей наблюдения и предоставляет bash-подобный интерфейс инструментов. По оценке README, pass@1 составляет 5,0% при десяти выборках на задачу. На обычных запросах модель не работает как универсальный чат-помощник: она может генерировать команды и патчи или терять связность. Обучение не включало настройку безопасности. Лицензия — MIT.

Сценарии применения

  • попытки исправления ошибок в репозиториях в стиле SWE-bench
  • генерация патчей кода в агентном цикле с bash-подобными инструментами
  • исследование влияния вычислительного бюджета на качество SWE-агентов

Ограничения

Качество решения задач невысокое: README указывает pass@1 5,0% на SWE-bench Verified. Модель не предназначена для обычного диалога, не имеет настройки безопасности и полезна только при наличии соответствующего агентного цикла; для vLLM требуется плагин, совместимый с версией 0.20.x.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nanoswe-12h-260812

A 1.38B-parameter SWE agent model trained from random init in 12 B200-hours (8×B200, 1.5 h wall-clock) on multi-turn SWE agent trajectories only — no web-text pretraining stage, no instruction tuning, no RL.

At $5 per B200-hour that is roughly $60 of compute. It resolves 5.0% of SWE-bench Verified (pass@1 over K=10 samples).

This is a research artifact from a compute-scaling study of SWE agents, not a general-purpose assistant. See Limitations.

The ladder

ModelParamsComputepass@1
nanoswe/nanoswe-depth16-2608120.54B2.44 B200-h0.54%
nanoswe/nanoswe-depth20-2608120.90B6.32 B200-h2.19%
nanoswe/nanoswe-12h-2608121.38B12 B200-h5.0%
nanoswe/nanoswe-depth32-2608122.82B56.96 B200-h8.47%
nanoswe/nanoswe-192h-2608125.67B182.2 B200-h11.0%

Quickstart

The architecture (NanoChatForCausalLM) is out-of-tree, so install the vLLM plugin first — after that vllm serve works with no flags and no trust_remote_code:

pip install "nanoswe-vllm @ git+https://github.com/nanosweb/nanoswe-vllm@v0.1.0"
vllm serve nanoswe/nanoswe-12h-260812 --max-model-len 32768
curl http://localhost:8000/v1/chat/completions -H 'Content-Type: application/json' -d '{
  "model": "nanoswe/nanoswe-12h-260812",
  "messages": [{"role": "user", "content": "List the files in the current directory."}],
  "temperature": 0.7, "max_tokens": 2048}'

In-process:

import nanoswe_vllm  # noqa: F401  — registers the architecture
from vllm import LLM, SamplingParams

llm = LLM("nanoswe/nanoswe-12h-260812", max_model_len=32768)
out = llm.chat([{"role": "user", "content": "Fix the failing test in tests/test_utils.py"}],
               SamplingParams(temperature=0.7, max_tokens=2048))
print(out[0].outputs[0].text)

The plugin wheel is also mirrored in this repo (nanoswe_vllm-0.1.0-py3-none-any.whl) if you would rather not install from git.

AutoModelForCausalLM is not supported — there is no transformers-native implementation of this architecture. AutoTokenizer.from_pretrained works normally.

Chat format

Nine special tokens, IDs 32759–32767; the template is in tokenizer_config.json and is applied automatically by /v1/chat/completions:

<|bos|><|user_start|>{system}\n\n{user}<|user_end|><|assistant_start|>{assistant}<|assistant_end|>

A leading system message is merged into the first user turn. Generation stops at <|assistant_end|> (id 32763).

Evaluation

BenchmarkSWE-bench Verified
pass@15.0%
SamplingK=10 decodes/instance, temperature 0.7
Scaffoldmini-swe-agent, step limit 100, 2048 max tokens/turn
ServingvLLM 0.20.1, bf16

Sphinx instances are graded with the harness's leaked tox.ini hunk stripped from the submission: the image ships that edit uncommitted, git add -A sweeps it into every patch, and the grader reverse-applies it — which silently scored every sphinx submission as unresolved. Seed-to-seed variation across identical recipes is ≈0.5 pp, so differences below ~1 pp against another single-seed run are not resolved.

Training

Parameters1,384,122,122
Layers × width24 × 1536 (12 heads, head_dim 128, no GQA)
Context32,768
Vocab32,768 (nanoswe RustBPE, web-text-trained)
Compute12 B200-hours on 8×B200 (≈$60 at $5/B200-h)
Steps × batch5,223 × 1,048,576 tokens ≈ 5.5B tokens
Precisionbf16 weights, fp8 (tensorwise) matmuls
Objectivenext-token CE, token-normalized, on assistant spans

Architecture is derived from nanochat and keeps its distinctive pieces: a smear gate (each layer mixes in the previous token's pre-block hidden state), value embeddings on alternating layers, a mid-trunk backout, per-layer residual/x0 lambdas, QK-norm with a 1.2 split scale, parameterless RMSNorm, relu² MLP, logit softcap at 15, untied embeddings, RoPE θ=1e6, and an SSSL window pattern (three short-window layers per full-attention layer).

Data. One phase over nanoswe/nanoswe-trajs-260812: 56.3% mini-coder-trajs-400k, 43.7% swe-zero. This is the final-phase mixture of the 192 B200-hour model, run standalone.

Contamination

The corpus is audited against a strict rule: no training trajectory may come from any of the 12 SWE-bench source repositories, forks included — not merely "no eval instance is copied into training". Provenance is recoverable from every row's instance_id, which encodes the upstream owner__repo, with 0 unparseable rows corpus-wide, so a clean scan is genuinely clean rather than unprovable.

A full scan of all 1,587,217 trajectories (10,548 distinct repos) on 2026-06-21 found 4,516 violating rows (1,370 distinct instances) from 7 of the 12 repos; they were purged, leaving 1,582,701 rows with 0 violations. This model was trained on 2026-07-06, i.e. entirely on the cleaned corpus.

Consequently there is no eval-instance overlap either: no row from any SWE-bench source repo survives in training, so no evaluated instance_id can appear.

Limitations

  • Not a chat model. It was trained exclusively on SWE agent trajectories from random init; on general prompts it produces agent-shaped output (shell commands, patches) or degenerates. It has no safety tuning of any kind.
  • Needs a matching scaffold. Useful output requires an agent loop resembling the training trajectories — a bash-style tool interface with observations fed back as user turns.
  • Absolute capability is low. 5.0% pass@1 is far below frontier coding models; the point of the artifact is the compute/accuracy scaling point, not the accuracy.
  • Serving requires the plugin, which reads vLLM attention-metadata internals and is validated against vLLM 0.20.x.

License

MIT.

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Можно запустить

Подбираем GPU…

Класс архитектуры
NanoChatForCausalLM
Ревизия весов
7763d34

0 моделей