# Hugging Face lança adaptador LoRA que melhora resultados do Qwen3.8 em programação

> O novo adaptador LoRA Qwen3.8‑27B‑pi‑adapted eleva de 39% para 65% a taxa pass@1 no SWE‑bench Pro e também melhora o desempenho no Terminal‑Bench.

Oossa · 2026-11-18 · https://oossa.com/pt/hugging-face-releases-lora-adapter-that-boosts-qwen3-8-coding-scores

A Hugging Face anunciou em 18 de novembro de 2026 um novo adaptador LoRA para o modelo Qwen3.8‑27B. Chamado Qwen3.8‑27B‑pi‑adapted, ele é disponibilizado sob a licença Apache‑2.0 e foi desenvolvido para o agente de programação pi. O treinamento usou aprendizado por reforço, uma técnica que permite ao modelo melhorar ao receber feedback sobre as próprias respostas. Segundo a empresa, o adaptador aumenta o desempenho do modelo em programação em dois conjuntos de benchmarks.

No teste hard‑51 do SWE‑bench Pro, que mede com que frequência um modelo escreve código correto para uma série de problemas difíceis, a taxa pass@1 sobe de 39,2% para 64,7% com o adaptador. Pass@1 indica que o modelo acerta na primeira tentativa. No Terminal‑Bench 2.1, um benchmark que avalia código executado em um ambiente de terminal, a taxa pass@1 passa de 39,5% para 55,8%.

Os dois avanços foram informados pela Hugging Face. A empresa oferece o adaptador para download gratuito, permitindo que desenvolvedores o adicionem a implantações existentes do Qwen3.8 sem treinar novamente o modelo inteiro. O adaptador funciona com o agente de programação pi, uma ferramenta que gera código a partir de instruções em linguagem natural.

O lançamento acompanha uma tendência de uso de adaptadores leves — pequenos conjuntos de parâmetros que modificam um modelo maior — para especializar modelos em tarefas específicas. Os adaptadores LoRA (Low-Rank Adaptation) são populares porque exigem muito menos poder computacional do que o ajuste fino completo e podem ser ativados ou desativados conforme a necessidade.

## Por que o avanço é importante para desenvolvedores

Taxas pass@1 mais altas significam que os desenvolvedores gastam menos tempo corrigindo o código gerado. Uma taxa de sucesso de 65% em problemas difíceis de programação pode tornar mais confiável o uso de IA para auxiliar no desenvolvimento de projetos complexos. Além disso, o adaptador gratuito e de código aberto reduz as barreiras para equipes pequenas e entusiastas que não podem arcar com o treinamento de modelos em grande escala.

No entanto, os resultados ainda se limitam aos benchmarks. Bases de código do mundo real podem trazer outros desafios, e o desempenho do adaptador em outras tarefas não foi divulgado. Os usuários terão de testá-lo em seus próprios fluxos de trabalho para avaliar o impacto prático.

## Os fatos

- A Hugging Face lançou o Qwen3.8‑27B‑pi‑adapted em 2026‑11‑18.
- O adaptador é um LoRA com licença Apache‑2.0, treinado com aprendizado por reforço.
- A taxa pass@1 no SWE‑bench Pro hard‑51 sobe de 39,2% para 64,7% com o adaptador.
- A taxa pass@1 no Terminal‑Bench 2.1 sobe de 39,5% para 55,8% com o adaptador.

## Por que importa

Os desenvolvedores podem esperar menos correções de código ao usar o adaptador, o que torna o código gerado por IA mais útil em tarefas difíceis de programação. Como ele é gratuito e leve, equipes pequenas podem testá-lo sem altos custos computacionais, embora precisem verificar os benefícios em suas próprias bases de código.

## Fontes e referências

1. [New LoRA Adapter Lifts Qwen3.8 Coding Success From 39% to 65%](https://www.marktechpost.com/2026/11/18/hugging-face-qwen3-8-27b-pi-adapted-lora/) – MarkTechPost, 2026-11-18

Última atualização: 2026-11-18
