DeepSWE-Preview
Открытый агент на 32B параметров для автономного поиска багов и правки кода через обучение с подкреплением
Автономная разработка софта медленно выходит из закрытых лабораторий в открытый доступ. DeepSWE-Preview — это открытая модель-агент на 32 миллиарда параметров на базе архитектуры Qwen3-32B, созданная командами Agentica и Together AI. Её натренировали с нуля исключительно методом обучения с подкреплением: сеть шесть дней прогоняли на кластере из 64 ускорителей H100 через четыре с половиной тысячи реальных задач из среды R2E-Gym. Модель не зубрила чужие готовые ответы, а училась сама ориентироваться в кодовой базе и пробовать решения на практике. На бенчмарке SWE-Bench-Verified агент справляется с 59% задач при гибридном масштабировании на этапе вывода.
Что умеет
- Ориентироваться в коде через рабочие инструменты: модель запускает команды в Bash, ищет фрагменты по файлам, правит строки через встроенный редактор и сама решает, когда задачу пора сдать на проверку.
- Тестировать написанные исправления: агент применяет патч к репозиторию, прогоняет тесты и отслеживает успешность сборки за установленный пятиминутный лимит.
- Фильтровать решения через гибридную проверку: система умеет генерировать несколько альтернативных путей решения задачи, а затем оценивать лучший вариант с помощью отдельной модели-верификатора и запуска контрольных тестов.
- Удерживать длинный контекст: алгоритм отсекает тупиковые ветки рассуждений, подталкивая агента тратить меньше токенов на отдельный шаг и сосредоточиться на многоэтапной отладке.
Цены и доступ
Проект полностью открыт. Исходный код, тренировочный датасет, логи обучения и веса модели доступны публично в рамках фреймворка rLLM.
Креативным технологам и инженерам такой агент пригодится как полностью прозрачная основа для сборки собственных локальных помощников, способных разбирать тикеты на GitHub без отправки кодовой базы во внешние закрытые облака.
