微软放出 FrogNano-4B：只用不到 1500 条合成任务做 RL，不靠大模型轨迹

微软发布 FrogNano-4B-2609 的开源权重，Apache-2.0。它基于 Qwen/Qwen3.5-4B 继续训练，但后训练阶段只做强化学习，用的是约 1500 条合成软件工程任务，没有蒸馏更强的模型轨迹。评测上下文约 131K，单次最多输出 8192 token，通过一个叫 Leaf、带五个工具的脚手架来跑；环境和任务由 TaskPilot 生成并校验，奖励来自可执行测试是否通过。偏 Python、以英文为主，模型卡明确写了它没做安全对齐、上生产需要人工审核，也还没附基准分数。