Qwen3.8-27B-pi-adaptedとは?
Qwen3.8-27B-pi-adaptedは、AlibabaのQwen3.8-27B向けのLoRAアダプターで、オープンソースのターミナル型コーディングエージェントpiを動かすモデルとして強化学習で訓練されています。2026年11月に、Hugging Faceのエンジニアが公開記事を執筆したHugging Faceの組織harness-hubが、ハーネスごとの3つのアダプター(pi、Hermes Agent、OpenCode)の1つとして公開しました。3つすべてで動くマージ版アダプターもあります。
アダプターはベースの重みを変えません。アテンションとフィードフォワードの射影にランク32のLoRA層を加えたもので、TRLの実験的なAsyncGRPOトレーナーを使い、実際のpiハーネスの中で、scale800のソフトウェアタスク750件とTermGradeのターミナルタスク300件を、NVIDIA B200 GPU 2基で学習しました。vLLMやllama.cppでQwen3.8-27Bの上に読み込むか、BF16で約54GBの単体チェックポイントにマージして使います。評価の軌跡はすべて公開されています。
Qwen3.8-27B-pi-adaptedは使う価値があるか?
このアダプターは、実際に動かすエージェントハーネスの中で学習させるとモデルがどれだけ伸びるかを示しています。piで思考オフの場合、SWE-bench Proの最難関51タスクでQwen3.8-27Bを39.2%から64.7%に引き上げ、新たに解けたタスクが15、失ったタスクが2です。Terminal-Bench 2.1の86タスクでは39.5%から55.8%になりました。どちらの変化も符号検定(p = 0.0023と0.0013)を通過し、Terminal-Benchの伸びはチェックポイント選定に使わなかった68タスクでも16.2ポイントを保っています。
より大きな発見は効率です。思考オフのアダプターは、Terminal-Bench 2.1で最大の推論努力で考えるベースモデルと並び(56.6%対54.2%)、SWE-bench Proでは思考による35ポイントの上積みのうち25ポイントを得ています(64.7%対74.5%)。しかもタスクあたりの生成トークンは約4.5分の1です。両方が解いたタスクでは、SWE-bench Proでベースモデルが59ターンかかるところを23ターン、Terminal-Benchでは18ターンに対し8ターンで済みます。
モデルカードは珍しいほど率直です。自らの数値の訂正を2件記録しており、1件は長い推論を途中で切っていた16kの出力上限、もう1件はベースモデルの9回の実行中に落ちたネットワークトンネルが原因でした。また、伸びの一部はベースモデルがしばしば使い切る100ステップの予算内に作業を終えられることによるとも書いています。採点の有無を問わず、すべての軌跡が公開バケットにあります。
注意点:適用範囲が狭いことです。伸びはpi、テキストのみ、温度0.8、OpenAIのcompletions APIの条件でしか測定されておらず、モデルカードはpiの既定であるResponses APIでは学習も検証もしていないと警告しています。GGUF版は再評価されておらず、ビット数の少ないベースの量子化ほど学習時の挙動から離れます。学習は予定1,000ステップのうち191ステップで止ま っています。思考をオンにするとベースモデルと同じ74.5%に達するだけなので、すでに長い推論にコストを払っている人には何も加えません。
結論:自分のGPUでpiを動かしているなら、遅い思考型を手早く仕上げる型に変える無料のアップグレードです。別のハーネスを使っているなら、兄弟アダプターと公開されたTRLのレシピのほうが、このリリースの面白い部分です。
真価を発揮する場面
ワークステーションのGPUでローカルモデルとpiを使う開発者
APIトークンに費用をかけず、失敗するテストや小さなバグを直す
vLLMと`--lora-modules qwen3.8-pi=harness-hub/Qwen3.8-27B-pi-adapted`でQwen3.8-27Bを思考オフで提供し、openai-completions APIでpiから接続します。セッションはベースモデルのおよそ半分のターンで終わります。
Llama.appを使うMac開発者
ノートパソコンでより強力なローカルエージェントを動かす
Qwen3.8-27BのGGUF(モデルカードの既定はQ8_0、Q4_K_XLは約17GB)とF16のLoRAファイルをmodels.user.iniに登録し、pi-llama拡張を使います。GGUFでの経路は再計測されていません。
自社のエージェントハーネスを持つ企業のMLチーム
自社のハーネスとタスク構成に合う安価なアダプターを学習する
公開されたTRLの`async_grpo_harbor`レシピに従います。Harbor形式のタスクをOpenEnvで提供し、ハーネスはそのまま使い、ハーネスごとにB200 GPUを2基用意します。モデルカードの学習曲線と軌跡が目安になります。
導入前に確認すること
- 導入
- `npm install -g --ignore-scripts @earendil-works/pi-coding-agent`でpiを導入し(Node.js 22.19以上)、vLLMでLoRA付きのQwen3.8-27Bを提供し、~/.pi/agent/models.jsonに`"api": "openai-completions"`のローカルプロバイダーを追加します。
- 連携
- vLLM(LoRAまたはマージ版)、transformers serve、GGUFアダプター経由のllama.cppとLlama.app、pi-llama拡張。Hermes AgentとOpenCode向けの兄弟アダプターもあります。
- データとプライバシー
- セルフホストなので、コードとプロンプトは手元のマシンに残ります。学習には公開のHarborタスクセットと、safeagentsでツール呼び出しを審査するHFのサンドボックスを使いました。評価用サンドボックスはインターネットに接続できましたが、モデルカードによれば元の修正を検索した形跡はありませんでした。
- 大規模利用時のコスト
- ライセンス料はなく、費用は27Bモデルの運用です。モデルカードによれば、思考するベースモデルはSWE-bench Proの1タスクあたり中央値48.8kトークンを生成し、アダプターは9.4kなので、同じGPUで数倍のタスクを処理できます。
- 制限
- 学習時の設定は思考オフ。評価予算は100ステップ、131,072トークン。Qwen3.8-27B上 でのみ動作し、視覚タワーは提供されません。vLLMのプレフィックスキャッシュには`--mamba-cache-mode align`が必要です。
良い点
- pi・思考オフでSWE-bench Pro難問セットが39.2%から64.7%に
- 思考するベースモデルより生成トークンが約4.5分の1
- 両方が解いたタスクでベースモデルの半分未満のエージェントターン
- 訂正、軌跡、学習レシピをすべて公開
- Apache 2.0。vLLMやllama.cppでLoRAとして、またはマージして動作
気になる点
- 評価はpiハーネスとcompletions APIでのみ
- GGUFアダプターは再評価されておらず、低ビットのベース量子化では挙動がずれる
- 思考をオンにするとベースモデルに対する上積みはない
- 27Bのベースモデル全体が必要で、視覚機能は提供されない
おすすめの人
自分のGPUやMacでpiコーディングエージェントを動かし、思考なしでより良い結果と短く安いセッションを求める開発者。
Qwen3.8-27B-pi-adaptedの代替
Qwen3.8-27B-pi-adapted:よくある質問
- Qwen3.8-27B-pi-adaptedは使う価値があるか?
- 思考オフのQwen3.8-27Bをはるかに優れたpiエージェントにする、小さく丁寧に文書化されたアダプターで、piを使わない人にとっても役立つレシピです。 評価は5点満点中3.9点です。
- Qwen3.8-27B-pi-adaptedの料金は?
- 必要なベースのQwen3.8-27Bと同じくApache 2.0で無料。動かすには27Bのベースをセルフホストする必要があり、ベースの4ビットGGUFは約17GBです。
- Qwen3.8-27B-pi-adaptedの欠点は?
- 評価はpiハーネスとcompletions APIでのみ; GGUFアダプターは再評価されておらず、低ビットのベース量子化では挙動がずれる; 思考をオンにするとベースモデルに対する上積みはない; 27Bのベースモデル全体が必要で、視覚機能は提供されない.
- Qwen3.8-27B-pi-adaptedは誰に向いているか?
- 自分のGPUやMacでpiコーディングエージェントを動かし、思考なしでより良い結果と短く安いセッションを求める開発者。
- チームや本番環境でQwen3.8-27B-pi-adaptedを使うと費用はいくらか?
- ライセンス料はなく、費用は27Bモデルの運用です。モデルカードによれば、思考するベースモデルはSWE-bench Proの1タスクあたり中央値48.8kトークンを生成し、アダプターは9.4kなので、同じGPUで数倍のタスクを処理できます。
- Qwen3.8-27B-pi-adaptedは企業データを扱っても安全か?
- セルフホストなので、コードとプロンプトは手元のマシンに残ります。学習には公開のHarborタスクセットと、safeagentsでツール呼び出しを審査するHFのサンドボックスを使いました。評価用サンドボックスはインターネットに接続できましたが、モデルカードによれば元の修正を検索した形跡はありませんでした。
- Qwen3.8-27B-pi-adaptedの代わりになるものは?
- 当サイトでレビューした中で最も近い代替はQwen3.8-27B, Inkling 2 Mini 、 Gemma 4です。
回答確認日:2026年11月21日