FrogNano 4B：Microsoft 的小型 Coding Agent 研究，61.5 是 Avg@3，不是本機 Mac 已驗證

一頁結論

FrogNano 4B 是 Microsoft 釋出的研究型 repository-level coding agent 模型與 Leaf harness，不是「每台 Mac 立刻本地養一隻 Debug 神蛙」的成品。官方 model card 明確說它 derived from Qwen/Qwen3.5-4B，FrogNano-specific post-training 用 TaskPilot 生成並校準約 1,500 個合成 software-engineering task environment，再以 reinforcement learning 訓練五工具 Leaf agent。社群貼文把 61.5% 寫成 SWE-bench Verified 成績方向正確，但更精確地說是 Avg@3 resolution rate；官方另列 Pass@3 71.0%，兩者不可混用。

查核日期：2026-10-06（Asia/Taipei）。固定code commit 7077a19d93f38fa0a7afd58b90a0774b25f6b629、model repo revision b90468c11a913c1916b4542b4b7a530ec42024a4。本次依據公開 Threads、Microsoft GitHub repo、Hugging Face model card、config、README 與 LICENSE；未下載 9GB+ 權重、未啟動推論、未跑 SWE-bench，也未驗證 Mac／CPU／量化部署。

原貼與留言範圍

來源是 @it.oppa.twhk 的 Threads DeHZCVZie-k。主貼稱 FrogNano 4B 不靠蒸餾抄答案、用 TaskPilot 動態生成 1,500 個能力邊界難題、Leaf 只有 read/write/edit/glob/bash 五工具、SWE-bench Verified 61.5%、BF16 約 9.3GB 顯存、131K context，並推論未來筆電都能跑本地 coding agent。公開回覆中有人指出它基於 Qwen 3.5 4B，不應把「不蒸餾」說成完全沒有上游模型背景；這是必要校正。

第一方資料確認的部分

Hugging Face model card 說 FrogNano 由 Qwen/Qwen3.5-4B 衍生，繼承 dense 32-layer hybrid Gated DeltaNet/gated-attention 架構；additional post-training 是 text-only、聚焦 repository-level software engineering。FrogNano 的 intended/evaluated use 是文字與程式碼輸入，雖然上游 checkpoint 有 image/video components，但 FrogNano 沒有 post-train 或評估多模態，不主張支援。

Leaf harness 的公開 README 確認評估在 isolated Kubernetes sandboxes 執行，支援 OpenAI-compatible model endpoint，工具是 Read、Write、Edit、Glob、Bash。跑 evaluation 需要 Python 3.12、Git、Kubernetes cluster、namespace 權限、benchmark container images、具 reasoning/tool-call parser 的 OpenAI-compatible endpoint；對 Qwen3.5 with SGLang 文件建議 qwen3 reasoning parser 與 qwen3_coder tool-call parser。這表示它目前更像研究與評估工具鏈，不是單純 pip install 後在普通筆電 CPU 上即可完整重現的桌面 app。

官方 README 說 presets 使用三個 seeds、150 shared workers、150 agent steps、131,072-token context limit、10,800 秒 agent budget、temperature 0.6 等設定；SWE-bench Verified 有 image-digest lock，其他 preset 未 pin image digests。matching scores 需要 matching checkpoint、tokenizer、serving configuration、task images 與 evaluation protocol。這些條件說明 benchmark 很吃環境，不宜把結果簡化成任意硬體都能得到同樣解題率。