Oossa

Hugging Face、Qwen3.8のコーディング性能を高めるLoRAアダプターを公開

新しいQwen3.8‑27B‑pi‑adapted LoRAアダプターにより、SWE‑bench Proのpass@1は39%から65%に向上。Terminal‑Benchの成績も改善した。

著者: Oossa公開日: 2 分で読める

Ben Griffiths · Unsplash

Hugging Faceは2026年11月18日、モデル「Qwen3.8‑27B」向けの新しいLoRAアダプターを発表した。「Qwen3.8‑27B‑pi‑adapted」と名付けられたこのアダプターは、Apache‑2.0ライセンスで公開され、コーディングエージェント「pi」向けに開発された。強化学習を用いて訓練されており、モデルが自身の出力に対するフィードバックを受けて性能を高める仕組みだ。同社によると、このアダプターを使うと、2つのベンチマークでコーディングの成功率が向上する。 難易度の高い課題でモデルが正しいコードを書ける頻度を測る「SWE‑bench Pro hard‑51」では、アダプター適用時のpass@1が39.2%から64.7%に上昇する。pass@1は、モデルが最初の試行で正解する割合を指す。ターミナル環境で実行するコードを評価する「Terminal‑Bench 2.1」でも、pass@1は39.5%から55.8%に伸びる。 いずれの改善値もHugging Faceが公表したものだ。同社はアダプターを無料でダウンロードできるようにしており、開発者はモデル全体を再訓練することなく、既存のQwen3.8の環境に追加できる。アダプターは、自然言語の指示からコードを生成するツール「pi」コーディングエージェントに対応している。 今回の公開は、大規模モデルに小規模なパラメーターセットを適用して特定のタスクに特化させる、軽量アダプター活用の流れに沿ったものだ。LoRA(Low‑Rank Adaptation)アダプターは、モデル全体のファインチューニングに比べて必要な計算資源がはるかに少なく、必要に応じて切り替えられることから広く使われている。

開発者にとって性能向上が重要な理由

pass@1の向上は、生成されたコードを開発者が修正する時間の短縮につながる。難しいコーディング課題で成功率が65%になれば、複雑なプロジェクトでAIを活用したプログラミングの信頼性が高まる可能性がある。また、無料でオープンソースのアダプターであるため、大規模なモデル訓練に費用をかけられない小規模チームや個人の開発者も利用しやすい。 ただし、これらの数値は特定のベンチマークに限られる。実際のコードベースでは異なる課題が生じる可能性があり、ほかのタスクでのアダプターの性能は公表されていない。実用上の効果を確かめるには、各ユーザーが自身の開発環境でテストする必要がある。

なぜ重要か

このアダプターを使うと、開発者がコードを修正する手間が減り、難しいプログラミング課題でAI生成コードを活用しやすくなる可能性がある。無料で軽量なため、小規模チームも大きな計算コストをかけずに試せるが、自分たちのコードベースで効果を確かめる必要がある。

この記事は役に立ちましたか?
共有

次に読む

Oossa · ニュースレター

今週のAIを、わかりやすく

毎週月曜日、知っておきたいニュースをやさしい言葉で。無料・スパムなし。