‏FrogNano 4B: مدل کدنویسی کوچیک مایکروسافت

FrogNano 4B یه مدل کدنویسی کوچیک و open-weight از مایکروسافته که با شناسهٔ microsoft/FrogNano-4B-2609 روی Hugging Face و با لایسنس MIT منتشر شده. پایه‌ش Qwen 3.5 4B هست و به جای distillation (یعنی یاد گرفتن از روی خروجی‌های یه مدل بزرگ‌تر) با reinforcement learning آموزش دیده. داده‌ش حدود ۱۵۰۰ تسک مهندسی نرم‌افزار مصنوعیه. ایدهٔ اصلی اینه که یه ایجنت کدنویسی داشته باشی که روی یه GPU معمولی جا بشه و نیازی به کلاستر یا API مدل‌های بزرگ نباشه.

روش آموزش شبیه یه برنامهٔ درسی خودساخته‌ست. مدل خودش تسک کدنویسی می‌سازه، اونایی که همیشه حل می‌کنه (خیلی ساده) و اونایی که هیچ‌وقت حل نمی‌کنه (خیلی سخت) رو کنار می‌ذاره و روی تسک‌هایی تمرکز می‌کنه که فقط گاهی موفق می‌شه. بعد با RL روشون آموزش می‌بینه و یه سری تسک سخت‌تر می‌سازه. این چرخه پنج بار تکرار شده، یعنی مدل همیشه لب مرز توانایی خودش تمرین کرده.

مدل کنار یه harness سبک به اسم Leaf آموزش دیده؛ harness یعنی محیطی که ابزارها رو در اختیار ایجنت می‌ذاره. Leaf فقط پنج ابزار داره: read، write، edit، glob و bash. چون Leaf برای دیپلوی روی Kubernetes طراحی شده، تو این مقاله مدل با SGLang سرو شده و به جای Leaf از فریم‌ورک Hermes با tool calling استفاده شده. مصرف VRAM بیشتر به خاطر KV cache هست تا خود وزن‌ها، پس با کم کردن طول context روی یه GPU معمولی جا می‌شه. نسخهٔ quantize شدهٔ GGUF هم منتشر شده.

تو یه تست، مدل رو سراغ یه داشبورد ظرفیت کشتی بردن که با Postgres 16 و FastAPI و Nginx و Redis روی Docker Compose اجرا می‌شد. باگ این بود که بک‌اند تعداد ردیف‌های رزرو رو می‌شمرد، نه جمع مسافرهای هر رزرو. یعنی یه رزرو شش‌نفره یه مسافر حساب می‌شد. FrogNano زود مشکل رو تشخیص داد، ولی بعدش مسیرش شلوغ شد: چند بار دیتابیس رو پاک و دوباره ساخت و چند اسکریپت خراب اجرا کرد. آخرش کوئری SQL رو درست کرد و ظرفیت از ۵٪ با ۱۱۴ صندلی خالی به حدود ۷۶.۷٪ با ۲۸ صندلی خالی اصلاح شد.

نویسنده معتقده این شلوغی احتمالاً به خاطر عوض شدن harness هست، چون مدل تو محیط پنج‌ابزاری Leaf آموزش دیده. تو یه تست دیگه، ساختن یه فایل HTML تکی با انیمیشن کباب روی سیخ شکست خورد و حتی بعد از تلاش برای درست کردنش هم چیزی تو مرورگر نمایش داده نشد. در عوض تو پایتون یه اپ ثبت هزینه با SQLite ساخت که CLI سالم داشت و پنج تست واحدی که خودش نوشته بود همه پاس شدن.

طبق بنچمارک‌های مایکروسافت، FrogNano از مدل پایهٔ Qwen 3.5 4B و یه مدل خواهر ۹ میلیاردی بهتره و نزدیک مدل‌های تخصصی کدنویسیه که حدود هفت برابر بزرگ‌ترن. ولی به مدل‌های تخصصی حدود ۳۰ میلیاردی و مدل‌های frontier نمی‌رسه. نویسنده می‌گه ارزشش تو جایگزین کردن مدل‌های بزرگ نیست، بلکه تو اینه که بدون هزینهٔ API و روی یه GPU معمولی کار واقعی بک‌اند پایتونی رو انجام می‌ده.

نکات کلیدی:

• شناسهٔ مدل microsoft/FrogNano-4B-2609 هست، روی Qwen 3.5 4B ساخته شده و لایسنسش MIT هست.
• با RL روی حدود ۱۵۰۰ تسک مصنوعی و در پنج دور برنامهٔ درسی خودساخته آموزش دیده.
• harness اصلیش Leaf هست که فقط پنج ابزار read، write، edit، glob و bash داره.
• یه باگ شمارش مسافر تو کوئری SQL یه اپ Docker چندسرویسی رو درست کرد، ولی با مسیر پرپیچ‌وخم.
• تو ساختن یه صفحهٔ HTML/JavaScript تکی شکست خورد ولی یه اپ پایتون با SQLite و پنج تست پاس‌شده ساخت.
• نزدیک مدل‌های تخصصی هفت برابر بزرگ‌تره، ولی از مدل‌های ۳۰ میلیاردی و frontier عقب‌تره.