GPT
הוספת כלי
L

LocoOperator-4B

קוד פתוח

LocoreMindmit2026-02-23

  • transformers
  • safetensors
  • qwen3
  • text-generation
  • code

זה מודל קטן שנועד לעשות דבר אחד, להפעיל כלים ולחקור קוד מקומי. הוא מתאים למי שרוצה סוכן חכם בלולאת עבודה בלי לשלם על כל קריאת API.

  • 4Bפרמטרים
  • 262,144טוקנים בהקשר
  • 7.5 GBמשקל הקבצים
  • 155הורדות בחודש

מה זה

המודל מבוסס על ארכיטקטורת Qwen3 ועבר אימון זיקוק מלא מתוך מודל חזק יותר, Qwen3-Coder-Next, על גבי 170,356 דוגמאות שיחה. המטרה שלו היא לשמש סוכן משנה שרץ על המחשב, קורא קבצים, מחפש בפרויקטים ומריץ פקודות shell במבנה שדומה למה שקורה ב־Claude Code.

בבדיקה על 65 דוגמאות מפרויקטי קוד פתוח הוא השיג מאה אחוז דיוק בתחביר ה־JSON ובשדות הנדרשים, תוצאה שאפילו מודל המקור החמיץ בה בגלל ארגומנטים ריקים. הוא תמיד זיהה נכון מתי לקרוא לכלי ומתי לענות בטקסט, אבל התאמת סוג הכלי למודל המורה עמדה על 65.6 אחוזים בלבד, בעיקר כי הוא בחר בדרכי פעולה מקבילות כמו Grep במקום Read.

מתאים ל

  • סוכן חקירת קוד מקומי

    מריץ חיפושי Grep וסריקת קבצים מהירה בפרויקט מקומי בלי לשלוח את הקוד שלכם לשרת חיצוני.

  • הפעלת כלים במערכות סגורות

    מייצר קריאות כלי מדויקות במבנה JSON בלי שגיאות תחביר, ומתאים לריצה באופליין.

  • סוכן משנה לחיסכון בעלויות

    עושה את העבודה השחורה של סריקת התיקיות ומעביר למודל הראשי רק את המידע הרלוונטי.

איפה זה נופל

היוצרים מודים שההערכה נשענת על מדגם זעיר של 65 שיחות בלבד, שזה רחוק ממבחן מקיף. מעבר לזה, הוא מייצר פחות קריאות מקבילות לכלים בהשוואה למודל המורה, ומראה נטייה עודפת להריץ פקודות Bash גם במצבים שבהם קריאת קובץ פשוטה הייתה עדיפה. בנוסף, חלון ההקשר באימון הוגבל ל־16,384 טוקנים בלבד, כך שלא כדאי לבנות על תמיכה מלאה בהקשרים עצומים.

שאלות
נפוצות

האם הוא מסוגל לכתוב קוד מורכב בעצמו?

לא כדאי להסתמך עליו למשימות פיתוח כבדות. הוא מותאם במיוחד לסריקה, הפעלת כלי מערכת ואיסוף מידע, ולא להחלפת מפתח או מודל קוד גדול.

האם צריך כרטיס מסך יקר בשביל להריץ אותו?

ממש לא. בזכות גרסאות ה־GGUF וספריית llama.cpp, אפשר להריץ אותו ישירות על מעבד ומעבד גרפי של מחשב אישי בלי שרתים ייעודיים.

איך מריצים

במשקל של 7.5 גיגה בייט בפורמט BF16, הוא נכנס בקלות לכרטיס מסך בודד או לזיכרון של מחשב פיתוח מודרני. יש לו גרסאות מכווצות בפורמט GGUF להרצה ישירה דרך llama.cpp, מה שהופך אותו לפתרון זול מאוד על חומרה מקומית כמו מחשבי Mac Studio.

אם אתם צריכים רק חיפוש קבצים, סריקת תיקיות או הפעלת סקריפטים מקומיים, שווה להריץ אותו אצלכם ולחסוך עלויות. אם המשימה כוללת ניתוח ארכיטקטורה מורכב או כתיבת פונקציות מסובכות מאפס, עדיף להעביר את ההחלטה למודל ענן חזק.

from transformers import pipeline

pipe = pipeline("text-generation", model="LocoreMind/LocoOperator-4B")
print(pipe("שלום"))

הקבצים

17 קבצים במאגר, 7.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט משוחרר תחת רישיון MIT. מותר להשתמש בו לצרכים מסחריים, לשנות את הקוד והמשקולות, להפיץ אותו מחדש או לשלב אותו בתוך מוצר סגור, בלי דרישות מיוחדות מעבר להשארת הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗