Qu’est-ce que FrogNano-4B-2609 ?
FrogNano est un agent de code compact, au niveau du dépôt, signé Microsoft, publié sur Hugging Face le 22 septembre 2026 avec un rapport technique sur arXiv. Il s'agit de Qwen3.5-4B (4,66 milliards de paramètres, une architecture hybride Gated DeltaNet et attention à portes) post-entraîné uniquement par apprentissage par renforcement sur environ 1 500 tâches synthétiques de génie logiciel. Un pipeline appelé TaskPilot a généré ces tâches à partir de dépôts réels et n'a gardé que celles que le modèle du moment savait résoudre parfois, mais pas toujours. Aucune trajectoire, trace de raisonnement ni correctif issu de modèles plus puissants n'a servi de cible.
Il est conçu pour piloter Leaf, un harnais à cinq outils (Read, Write, Edit, Glob et Bash) qui tourne dans des sandboxes Kubernetes et est publié sur GitHub. Il ne lit et n'écrit que du texte ; les parties image et vidéo héritées de Qwen3.5-4B n'ont été ni entraînées ni évaluées. La configuration évaluée utilise environ 131K tokens de contexte, 150 étapes d'agent et jusqu'à 8 192 tokens générés par tour.
Microsoft le présente comme un artefact de recherche, pas comme un modèle de production. Le dépôt Hugging Face est marqué MIT alors que le tableau récapitulatif de la fiche du modèle indique Apache License 2.0 ; le harnais Leaf sur GitHub est sous MIT.
FrogNano-4B-2609 vaut-il le coup ?
Les chiffres de FrogNano frappent pour sa taille. Dans le harnais Leaf, en moyenne sur trois graines, Microsoft annonce 61,5 % sur SWE-bench Verified, contre 39,4 % pour le Qwen3.5-4B d'origine, ainsi que 37,6 % sur SWE-bench Pro, 31,1 % sur Terminal-Bench 2.0 et 47,3 % sur PatchEval-Verified, un ensemble de 230 vrais correctifs de sécurité. Avec trois tentatives par tâche, au moins une réussit dans 71,0 % des cas sur Verified. L'article affirme que c'est compétitif sur SWE-bench Pro avec des modèles six à huit fois plus gros, pour un quart du coût. Aucun classement indépendant ne l'a encore testé.
Il faut lire ces chiffres en gardant la méthode en tête. SWE-bench Verified était le jeu de validation utilisé pour choisir les checkpoints au fil de cinq cycles d'entraînement, donc les résultats sur données réservées (Pro, Terminal-Bench, PatchEval) sont le repère le plus juste. Les données d'entraînement étaient surtout en Python et en anglais, et la fiche précise que les performances dépendent du harnais : hors de Leaf, attendez-vous à moins. L'article ne signale aucun reward hacking réussi, tout en notant que certaines tentatives d'affaiblir les tests n'ont été bloquées que par la sandbox.
L'intérêt est dans la recette, pas dans le checkpoint. Microsoft montre qu'environ 300 tâches synthétiques par cycle, générées à partir des propres échecs du modèle, ont égalé une référence de tâches réelles filtrées par des rollouts coûteux. Pour les équipes qui entraînent leurs propres petits agents, le rapport et le harnais sont plus utiles que les poids.
À faire tourner, il est exigeant. Le harnais d'évaluation demande Python 3.12, un cluster Kubernetes avec des droits sur les pods et les network policies, et un endpoint compatible OpenAI avec le bon parseur d'appels d'outils. Les poids occupent environ 9,3 GB en BF16 avant le cache KV, et aucune version quantifiée n'a été validée. Microsoft n'a mené aucun entraînement de sécurité spécifique et indique que le modèle ne doit pas être considéré comme aligné pour un usage sans surveillance.
Là où il fait la différence
Un ingénieur de recherche dans un laboratoire universitaire doté d'un nœud de 8 GPU
Mener des expériences de RL sur des agents de code sans budget de modèle frontière
Le modèle de 4B, le harnais Leaf et les configurations de benchmark reproduisent le dispositif de Microsoft ; l'entraînement décrit dans l'article a tourné sur un seul nœud de huit GPU B200. Partir de FrogNano plutôt que du Qwen3.5-4B brut donne 22 points d'avance sur SWE-bench Verified.
Un ingénieur plateforme dans une entreprise Python de 200 développeurs aux règles strictes sur la sortie du code
Préparer des correctifs pour de petits bugs bien couverts par les tests sans envoyer de code à une API
Servez les poids avec SGLang dans le réseau et pointez Leaf vers une copie isolée du dépôt, réseau coupé ; il propose un correctif et lance les tests. Traitez chaque correctif comme un brouillon : la fiche prévient qu'un correctif peut passer les tests tout en étant faux ou dangereux.
Avant de vous engager
- Mise en route
- Téléchargez les poids et servez-les sur un runtime compatible Qwen3.5 (SGLang est celui documenté, avec --reasoning-parser qwen3 et --tool-call-parser qwen3_coder). Le harnais Leaf s'installe avec uv ou pip sous Python 3.12 et a besoin d'un namespace Kubernetes pour ses sandboxes.
- Intégrations
- Leaf dialogue avec tout endpoint compatible OpenAI et expose cinq outils : Read, Write, Edit, Glob et Bash. Des presets couvrent SWE-bench Verified, SWE-bench Pro, Terminal-Bench 2.0 et PatchEval, avec un suivi optionnel dans Weights & Biases.
- Données et confidentialité
- Auto-hébergé, le code reste donc sur votre infrastructure. La fiche du modèle demande une sandbox à privilèges minimaux, réseau coupé par défaut ; FrogNano n'a reçu aucun entraînement propre de sécurité, de refus ou adversarial.
- Coût à grande échelle
- Pas de prix d'API. Les poids BF16 occupent environ 9,3 GB plus le cache KV, qui grossit nettement près de la limite de 131K tokens ; les usages sur CPU, poste de travail, mobile et en version quantifiée n'ont pas été validés. Les presets de benchmark de Microsoft accordent à chaque tâche jusqu'à 10 800 secondes et 150 étapes.
- Limites
- Environ 131K tokens de contexte et 8 192 tokens générés par tour dans la configuration évaluée ; l'anglais et Python sont les seuls langages validés. Les entrées image et vidéo ne sont pas prises en charge malgré les composants hérités.
Les points forts
- 61,5 % sur SWE-bench Verified, 37,6 % sur SWE-bench Pro à 4B (chiffres maison)
- Aucune distillation de modèles plus gros ; recette entièrement décrite
- Environ 9,3 GB de poids BF16 avant le cache KV
- Harnais Leaf et configurations d'évaluation ouverts sur GitHub
Les points faibles
- Pas encore de benchmark indépendant ; Verified servait de jeu de validation
- Entraînement surtout Python, en anglais uniquement ; sensible au harnais
- Le harnais d'évaluation exige un cluster Kubernetes
- Licence indiquée à la fois comme MIT et Apache 2.0
Idéal pour
Les chercheurs et équipes plateforme qui étudient les petits agents de code, ou qui font tourner des agents de correction de bugs en sandbox sur leurs propres GPU, avec une personne qui relit chaque correctif.
Alternatives à FrogNano-4B-2609
FrogNano-4B-2609 : questions fréquentes
- FrogNano-4B-2609 vaut-il le coup ?
- Un modèle de 4B qui résout six tickets SWE-bench Verified sur dix est un vrai résultat de recherche, mais tous les chiffres viennent de Microsoft et le harnais est conçu pour un laboratoire, pas pour un ordinateur portable. Nous lui donnons 3.7 sur 5.
- Combien coûte FrogNano-4B-2609 ?
- Poids gratuits (marqués MIT sur Hugging Face ; le tableau de la fiche indique Apache 2.0). Pas d'API hébergée ; vous le servez vous-même, par exemple avec SGLang.
- Quels sont les inconvénients de FrogNano-4B-2609 ?
- Pas encore de benchmark indépendant ; Verified servait de jeu de validation; entraînement surtout Python, en anglais uniquement ; sensible au harnais; le harnais d'évaluation exige un cluster Kubernetes; licence indiquée à la fois comme MIT et Apache 2.0.
- À qui s’adresse FrogNano-4B-2609 ?
- Les chercheurs et équipes plateforme qui étudient les petits agents de code, ou qui font tourner des agents de correction de bugs en sandbox sur leurs propres GPU, avec une personne qui relit chaque correctif.
- Combien coûte FrogNano-4B-2609 pour une équipe ou en production ?
- Pas de prix d'API. Les poids BF16 occupent environ 9,3 GB plus le cache KV, qui grossit nettement près de la limite de 131K tokens ; les usages sur CPU, poste de travail, mobile et en version quantifiée n'ont pas été validés. Les presets de benchmark de Microsoft accordent à chaque tâche jusqu'à 10 800 secondes et 150 étapes.
- FrogNano-4B-2609 est-il sûr pour les données de l’entreprise ?
- Auto-hébergé, le code reste donc sur votre infrastructure. La fiche du modèle demande une sandbox à privilèges minimaux, réseau coupé par défaut ; FrogNano n'a reçu aucun entraînement propre de sécurité, de refus ou adversarial.
- Quelles sont les meilleures alternatives à FrogNano-4B-2609 ?
- Les alternatives les plus proches que nous avons testées sont Devstral Small 2, gpt-oss-20b, LFM3 et Devstral 2.
Réponses vérifiées le 31 oct. 2026.