要約
ターミナル操作に特化したコーディングエージェント「LiteCoder-Terminal-SFT」が30B・4Bの2モデルでオープンソース公開。 11,255軌跡のデータセットと602環境を同梱、Terminal Bench Proで30BモデルがPass@1 31.5%を達成し既存ベースラインを大幅上回る。 エージェント開発者や研究者にとって実用的なターミナルAIの構築・評価基盤となる注目のリリース。
ターミナル特化コーディングAI「LiteCoder」公開、ベースラインを大幅超え
Releasing LiteCoder-Terminal-SFT
原文を読む →
https://huggingface.co/blog/Lite-Coder/releasing-litecoder-terminal
LiteCoder-Terminal-SFTは、ターミナル環境でのコーディングタスクに特化した小中規模エージェントモデルのリリース。30B（MoE構成）と4Bの2サイズを公開し、訓練データ・実行環境もオープンソース化した点が特徴。
【手法】Claude Agent SDKを活用した5段階の環境合成パイプラインにより、テキスト記述からHarform形式の実行可能な環境を自動生成。Dockerfile・参照解答・テストスイートを含む11,255軌跡（平均27.4ターン）を構築。Terminus-2（86.6%）、OpenHands（7.1%）、Claude Code（6.3%）の3種エージェントフレームワークから軌跡を収集する「マルチスキャフォールド学習」を採用。
【結果】Terminal Bench Proにて30BモデルがPass@1 31.5%（旧preview比+9.5pt）、4BモデルはQwen3-4B-Instructの3.5%に対し15.5%と大幅改善。Terminal Bench 1.0でも30BモデルがPass@1 24.38%でQwen3ベースラインの18.44%を上回る。
【意義】GPT-4oやClaudeといった大規模クローズドモデルに依存せず、4B〜30B規模のオープンモデルでターミナルエージェントの実用性を高めた実践的な貢献。RL訓練コスト削減を目指す「ワールドモデル」探索も並行して公開されており、今後の強化学習研究への布石となっている。