O que é FrogNano-4B-2609?
FrogNano é um agente de programação compacto, em nível de repositório, da Microsoft, publicado no Hugging Face em 22 de setembro de 2026 com um relatório técnico no arXiv. É o Qwen3.5-4B (4,66 bilhões de parâmetros, um design híbrido de Gated DeltaNet e atenção com portas) pós-treinado apenas com aprendizado por reforço em cerca de 1.500 tarefas sintéticas de engenharia de software. Um pipeline chamado TaskPilot gerou essas tarefas a partir de repositórios reais e manteve só as que o modelo do momento conseguia resolver às vezes, mas não sempre. Nenhuma trajetória, rastro de raciocínio ou patch de modelos mais fortes foi usado como alvo.
Ele foi feito para conduzir o Leaf, um harness de cinco ferramentas (Read, Write, Edit, Glob e Bash) que roda em sandboxes de Kubernetes e está publicado no GitHub. Ele só lê e escreve texto; as partes de imagem e vídeo herdadas do Qwen3.5-4B não foram treinadas nem avaliadas. A configuração avaliada usa cerca de 131K tokens de contexto, 150 passos de agente e até 8.192 tokens gerados por turno.
A Microsoft o descreve como um artefato de pesquisa, não um modelo de produção. O repositório no Hugging Face está marcado como MIT, enquanto a tabela de resumo do model card diz Apache License 2.0; o harness Leaf no GitHub é MIT.
FrogNano-4B-2609 vale a pena?
Os números do FrogNano chamam a atenção para o seu tamanho. Dentro do harness Leaf, com média de três seeds, a Microsoft relata 61,5% no SWE-bench Verified, contra 39,4% do Qwen3.5-4B original, além de 37,6% no SWE-bench Pro, 31,1% no Terminal-Bench 2.0 e 47,3% no PatchEval-Verified, um conjunto de 230 casos reais de correções de segurança. Com três tentativas por tarefa, pelo menos uma dá certo em 71,0% das vezes no Verified. O artigo diz que isso compete no SWE-bench Pro com modelos de seis a oito vezes o seu tamanho, a um quarto do custo. Nenhum ranking independente o testou ainda.
Leia esses números tendo o método em mente. O SWE-bench Verified foi o conjunto de validação usado para escolher checkpoints ao longo de cinco rodadas de treinamento, então os números em dados reservados (Pro, Terminal-Bench, PatchEval) são o guia mais justo. Os dados de treinamento eram majoritariamente Python e em inglês, e o card diz que o desempenho depende do harness: fora do Leaf, espere menos. O artigo não relata nenhum reward hacking bem-sucedido, mas observa que algumas tentativas de enfraquecer os testes só foram barradas pelo sandbox.
A parte interessante é a receita, não o checkpoint. A Microsoft mostra que cerca de 300 tarefas sintéticas por rodada, geradas a partir das próprias falhas do modelo, igualaram uma linha de base de tarefas reais filtradas por rollouts caros. Para equipes que treinam seus próprios agentes pequenos, o relatório e o harness são mais úteis do que os pesos.
Como ferramenta para rodar, ele é exigente. O harness de avaliação pede Python 3.12, um cluster Kubernetes com permissões sobre pods e políticas de rede, e um endpoint compatível com OpenAI com o parser de chamadas de ferramenta certo. Os pesos ocupam cerca de 9,3 GB em BF16 antes do cache KV, e nenhuma versão quantizada foi validada. A Microsoft não fez nenhum treinamento específico de segurança e diz que o modelo não deve ser tratado como alinhado para uso sem supervisão.
Onde ele se destaca
Um engenheiro de pesquisa em um laboratório universitário com um nó de 8 GPUs
Fazer experimentos de RL com agentes de programação sem orçamento para modelos de fronteira
O modelo de 4B, o harness Leaf e as configurações de benchmark reproduzem o setup da Microsoft; o treinamento do artigo rodou em um único nó de oito GPUs B200. Partir do FrogNano em vez do Qwen3.5-4B puro dá 22 pontos de vantagem no SWE-bench Verified.
Um engenheiro de plataforma em uma empresa Python de 200 desenvolvedores com regras rígidas sobre saída de código
Rascunhar correções para bugs pequenos e bem testados sem enviar código a uma API
Sirva os pesos com SGLang dentro da rede e aponte o Leaf para uma cópia isolada do repositório, sem acesso à rede; ele propõe um patch e roda os testes. Trate cada patch como rascunho: o card avisa que patches podem passar nos testes e ainda assim estar errados ou ser inseguros.
Antes de decidir
- Configuração
- Baixe os pesos e sirva-os em um runtime compatível com Qwen3.5 (o SGLang é o documentado, com --reasoning-parser qwen3 e --tool-call-parser qwen3_coder). O harness Leaf é instalado com uv ou pip em Python 3.12 e precisa de um namespace Kubernetes para seus sandboxes.
- Integrações
- O Leaf conversa com qualquer endpoint compatível com OpenAI e expõe cinco ferramentas: Read, Write, Edit, Glob e Bash. Há presets para SWE-bench Verified, SWE-bench Pro, Terminal-Bench 2.0 e PatchEval, com acompanhamento opcional no Weights & Biases.
- Dados e privacidade
- Auto-hospedado, então o código fica na sua infraestrutura. O model card pede um sandbox de privilégio mínimo com a rede desligada por padrão; o FrogNano não recebeu nenhum treinamento próprio de segurança, recusa ou adversarial.
- Custo em escala
- Sem preço de API. Os pesos em BF16 ocupam cerca de 9,3 GB mais o cache KV, que cresce bastante perto do limite de 131K tokens; uso em CPU, desktop, celular e quantizado não foi validado. Os presets de benchmark da Microsoft dão a cada tarefa até 10.800 segundos e 150 passos.
- Limites
- Cerca de 131K tokens de contexto e 8.192 tokens gerados por turno, conforme avaliado; inglês e Python são as únicas linguagens validadas. Entradas de imagem e vídeo não são suportadas, apesar dos componentes herdados.
O que é bom
- 61,5% no SWE-bench Verified e 37,6% no SWE-bench Pro com 4B (dados próprios)
- Sem destilação de modelos maiores; receita descrita por completo
- Cerca de 9,3 GB de pesos em BF16 antes do cache KV
- Harness Leaf e configurações de avaliação abertos no GitHub
O que não é
- Ainda sem benchmark independente; o Verified foi o conjunto de validação
- Treinamento centrado em Python e só em inglês; sensível ao harness
- O harness de avaliação precisa de um cluster Kubernetes
- Licença indicada ao mesmo tempo como MIT e Apache 2.0
Ideal para
Pesquisadores e equipes de plataforma que estudam agentes de programação pequenos, ou que rodam agentes de correção de bugs em sandbox nas próprias GPUs, com uma pessoa revisando cada patch.
Alternativas ao FrogNano-4B-2609
FrogNano-4B-2609: perguntas frequentes
- FrogNano-4B-2609 vale a pena?
- Um modelo de 4B que resolve seis em cada dez issues do SWE-bench Verified é um resultado de pesquisa real, mas todos os números são da própria Microsoft e o harness foi feito para um laboratório, não para um notebook. Damos nota 3.7 de 5.
- Quanto custa FrogNano-4B-2609?
- Pesos gratuitos (marcados como MIT no Hugging Face; a tabela do card diz Apache 2.0). Sem API hospedada; você mesmo o serve, por exemplo com SGLang.
- Quais são as desvantagens de FrogNano-4B-2609?
- Ainda sem benchmark independente; o Verified foi o conjunto de validação; treinamento centrado em Python e só em inglês; sensível ao harness; o harness de avaliação precisa de um cluster Kubernetes; licença indicada ao mesmo tempo como MIT e Apache 2.0.
- Para quem FrogNano-4B-2609 é indicado?
- Pesquisadores e equipes de plataforma que estudam agentes de programação pequenos, ou que rodam agentes de correção de bugs em sandbox nas próprias GPUs, com uma pessoa revisando cada patch.
- Quanto custa FrogNano-4B-2609 para uma equipe ou em produção?
- Sem preço de API. Os pesos em BF16 ocupam cerca de 9,3 GB mais o cache KV, que cresce bastante perto do limite de 131K tokens; uso em CPU, desktop, celular e quantizado não foi validado. Os presets de benchmark da Microsoft dão a cada tarefa até 10.800 segundos e 150 passos.
- FrogNano-4B-2609 é seguro para dados da empresa?
- Auto-hospedado, então o código fica na sua infraestrutura. O model card pede um sandbox de privilégio mínimo com a rede desligada por padrão; o FrogNano não recebeu nenhum treinamento próprio de segurança, recusa ou adversarial.
- Quais são as melhores alternativas ao FrogNano-4B-2609?
- As alternativas mais próximas que analisamos são Devstral Small 2, gpt-oss-20b, LFM3 e Devstral 2.
Respostas verificadas em 31 de out. de 2026.