Was ist mini-swe-agent?
mini-swe-agent ist ein bewusst winziger Coding-Agent vom Team aus Princeton und Stanford hinter SWE-bench und SWE-agent. Die Agentenklasse umfasst etwa 100 Zeilen Python, ihr einziges Tool ist bash, und jede Aktion läuft als neuer Subprozess. Deshalb funktioniert er mit jedem Modell und lässt sich durch den Austausch eines einzigen Aufrufs in Sandboxes mit Docker, Podman, Singularity, bubblewrap oder Modal einsetzen.
Das Team empfiehlt ihn inzwischen anstelle von SWE-agent, das nur noch gewartet wird. Er ist bei Version 2 (Konfigurationen aus v1 brauchen den Migrationsleitfaden), das jüngste Release ist v2.4.6 vom Juli 2026, und das README nennt Meta, NVIDIA, IBM und Anyscale unter seinen Nutzern. Das Projekt meldet einen Wert von über 74% auf SWE-bench Verified.
Lohnt sich mini-swe-agent?
mini-swe-agent ist das sauberste Basis-Harness für Coding-Agenten und ein schlechter Ersatz für einen arbeitenden Assistenten. Er hat etwa 8.800 GitHub-Sterne, veröffentlichte v2.4.6 im Juli 2026 und bekam noch am 19. Oktober Commits. Da er außer bash keine Tools hat, braucht er nicht einmal die Tool-Calling-Schnittstelle eines Modells. Jedes Modell, das Shell-Befehle schreiben kann, lässt sich so unter gleichen Bedingungen vergleichen.
Diese Neutralität ist der Grund, warum Forscher ihn nutzen. Die Bash-only-Rangliste von SWE-bench schickt jedes Modell durch ihn, Ramps SWE-Bench baut auf ihm auf, und das DeepSWE-Paper von 2026 stellte fest, dass er auf kleinen Stichproben mit den eigenen Harnesses mehrerer Anbieter mithielt oder sie übertraf, wobei die Autoren anmerken, dass die Abstände im Rauschen lagen. Sein linearer Verlauf bedeutet, dass die Trajektorie genau das ist, was das Modell gesehen hat. Das macht Läufe leicht zu debuggen und praktisch als Daten für Fine-Tuning oder RL.
Die Voreinstellungen verdienen Aufmerksamkeit. Der interaktive Befehl mini läuft in deiner lokalen Shell, nicht in einer Sandbox; er startet im Bestätigungsmodus und fragt vor jeder Aktion, aber das Flag -y schaltet in den Yolo-Modus, und Befehle auf der Whitelist überspringen die Abfrage. Der SWE-bench-Runner nutzt standardmäßig Docker mit x86-Linux-Images, begrenzt jede Aufgabe auf 3 $ Modellkosten und 250 Schritte und bietet über Umgebungsvariablen globale Kostengrenzen.
Im Alltag rächt sich der Minimalismus. Es gibt kein MCP, keine IDE-Integration und keine persistente Shell, ein cd oder eine exportierte Variable überlebt also nicht bis zum nächsten Schritt. SWE-agent bleibt nur dann das bessere Werkzeug, wenn du mit eigenen Tool-Schnittstellen experimentieren oder seine älteren EnIGMA-Ergebnisse zur Sicherheit reproduzieren willst. Ein Harness, das fast nichts hinzufügt, ist die richtige Kontrollgruppe für ein Experiment, und genau diese Eigenschaft würden Nutzer von OpenHands und OpenCode innerhalb einer Stunde vermissen.
Wo es sich lohnt
Ein ML-Forscher, der drei Frontier-Modelle auf SWE-bench Verified vergleicht
Werte erhalten, bei denen das Gerüst nicht die Variable ist
Führe mini-extra swebench --subset verified --workers 4 auf einem x86-Linux-Rechner mit Docker aus und bewerte dann mit sb-cli, das Ergebnisse meist innerhalb von 20 Minuten liefert. Bei der Standardgrenze von 3 $ pro Aufgabe kostet der Satz mit 500 Aufgaben höchstens 1.500 $ an API-Gebühren pro Modell; typische Läufe bleiben unter der Grenze.
Ein Post-Training-Team, das Agenten-Trajektorien für Fine-Tuning oder RL erzeugt
Saubere, wiederholbare Agentenläufe in großer Zahl sammeln
Jeder Schritt hängt einfach an die Nachrichtenliste an, die gespeicherte Trajektorie ist also ohne Rekonstruktion das Trainingsbeispiel. Umgebungen mit Singularity oder Apptainer betreiben ihn auf HPC-Clustern ohne Docker. Die Software ist kostenlos unter MIT; die Kosten sind Modell-Token und Rechenleistung.
Ein Engineering Manager, der einen Modellanbieter als Standard für interne Agenten wählt
Modelle vor Vertragsabschluss am eigenen Bug-Backlog des Teams vergleichen
Richte die Python-Bindings auf eine Stichprobe echter Issues und schicke jedes Modell durch dieselbe 100-Zeilen-Schleife. So spiegeln die Unterschiede das Modell wider und nicht das Harness eines Anbieters. Es fallen nur API-Token an; eine kostenpflichtige Stufe gibt es nicht.
Bevor du dich festlegst
- Einrichtung
- pip install mini-swe-agent auf Python 3.10 oder neuer, MSWEA_MODEL_NAME und einen API-Schlüssel setzen, dann mini starten; eine erste Aufgabe dauert Minuten. Die Batch-Evaluation braucht Docker auf x86-Linux.
- Integrationen
- Modelle über LiteLLM, OpenRouter und Portkey, einschließlich der Endpunkte /completion und /response; Umgebungen für lokal, Docker, Podman, Singularity/Apptainer, bubblewrap, contree und Modal; Python-Bindings und ein Trajektorien-Browser.
- Daten und Datenschutz
- Das Projekt betreibt keinen gehosteten Dienst; Prompts und Repository-Inhalte gehen an den Modellanbieter, den du konfigurierst. Im lokalen Modus laufen die Befehle des Modells auf deinem Rechner, abgesichert nur durch den Bestätigungsmodus. Die Doku erwähnt keine Telemetrie, und die GitHub-Codesuche findet keinen Telemetriecode. MIT-Lizenz; für das Repository sind keine Security Advisories veröffentlicht.
- Kosten im großen Maßstab
- Kostenlos; du bezahlst die Modellnutzung. Die Standardkonfiguration begrenzt jeden Lauf auf 3 $, und MSWEA_GLOBAL_COST_LIMIT und MSWEA_GLOBAL_CALL_LIMIT setzen Obergrenzen über einen ganzen Batch.
- Grenzen
- Jeder Befehl läuft in einer neuen Subshell, Verzeichnis- und Umgebungsänderungen bleiben also nicht erhalten; keine Hooks für MCP oder IDEs; etwa 112 offene Issues und Pull Requests; SWE-bench-Images gibt es nur für x86.
Was gut ist
- Agentenschleife von etwa 100 Zeilen, die du in einem Zug lesen kannst
- Das reine bash-Design funktioniert mit jedem Modell, ohne Tool Calling
- Kostengrenzen pro Aufgabe und global für Batch-Läufe
- Dient als Harness für die Bash-only-Rangliste von SWE-bench
Was nicht
- Der interaktive Modus führt Befehle in der Host-Shell aus, nicht in einer Sandbox
- Kein MCP, keine IDE-Integration, kein persistenter Shell-Zustand
- SWE-bench-Images setzen x86-Linux voraus
- v2 hat Konfigurationen aus v1 gebrochen
Am besten für
Forscher und Engineers, die Modelle benchmarken oder lernen wollen, wie Coding-Agenten funktionieren.
Alternativen zu mini-swe-agent
mini-swe-agent: häufige Fragen
- Lohnt sich mini-swe-agent?
- Ein Benchmark-Harness, so schlicht, dass seine Ergebnisse das Modell messen. Genau deshalb wirkt er als tägliches Coding-Werkzeug karg. Wir bewerten es mit 4.0 von 5.
- Was kostet mini-swe-agent?
- Kostenlos und Open Source (MIT). Du bezahlst deinen Modellanbieter.
- Welche Nachteile hat mini-swe-agent?
- Der interaktive Modus führt Befehle in der Host-Shell aus, nicht in einer Sandbox; Kein MCP, keine IDE-Integration, kein persistenter Shell-Zustand; SWE-bench-Images setzen x86-Linux voraus; v2 hat Konfigurationen aus v1 gebrochen.
- Für wen eignet sich mini-swe-agent?
- Forscher und Engineers, die Modelle benchmarken oder lernen wollen, wie Coding-Agenten funktionieren.
- Was kostet mini-swe-agent für ein Team oder im Produktivbetrieb?
- Kostenlos; du bezahlst die Modellnutzung. Die Standardkonfiguration begrenzt jeden Lauf auf 3 $, und MSWEA_GLOBAL_COST_LIMIT und MSWEA_GLOBAL_CALL_LIMIT setzen Obergrenzen über einen ganzen Batch.
- Ist mini-swe-agent sicher für Firmendaten?
- Das Projekt betreibt keinen gehosteten Dienst; Prompts und Repository-Inhalte gehen an den Modellanbieter, den du konfigurierst. Im lokalen Modus laufen die Befehle des Modells auf deinem Rechner, abgesichert nur durch den Bestätigungsmodus. Die Doku erwähnt keine Telemetrie, und die GitHub-Codesuche findet keinen Telemetriecode. MIT-Lizenz; für das Repository sind keine Security Advisories veröffentlicht.
- Was sind die besten Alternativen zu mini-swe-agent?
- Die nächsten Alternativen, die wir getestet haben, sind OpenHands und OpenCode.
Antworten geprüft am 26. Okt. 2026.