---
title: "DeepSWE开源Agent框架发布：基于Qwen3-32B与强化学习，SWE-Bench准确率59%领跑行业"
url: "https://paooo.com/aigc-news/14548/"
author: "Prompt 语宙研究院"
published_at: "2026-06-26T18:12:22+08:00"
updated_at: "2026-06-07T20:24:12+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "AI Agent, Qwen3-32B, 开源框架, 强化学习, 软件工程"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# DeepSWE开源Agent框架发布：基于Qwen3-32B与强化学习，SWE-Bench准确率59%领跑行业

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/14548/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-26

## AI 30 秒核心看点 (TL;DR)

- 基于Qwen3-32B与纯强化学习训练，DeepSWE不依赖专有模型蒸馏。
- SWE-Bench-Verified上TTS后准确率59.0%，不开TTS也有42.2%。
- 开源训练数据、代码与日志，适合学习代码理解、测试验证与多步骤推理。

> 
                **💡 站外导读：**软件工程领域正面临AI Agent的深刻变革，开发者亟需高效、可靠的自动化工具来应对日益复杂的代码任务。DeepSWE应运而生，作为Together.ai与Agentica联合推出的开源AI Agent框架，它基于强大的Qwen3-32B模型并采用纯强化学习训练，无需依赖专有模型蒸馏。在权威的SWE-Bench-Verified测试中，其准确率高达59%，一举登顶开源Agent榜首，为解决代码理解、编辑、测试与多步骤推理等核心痛点提供了全新范式。

            

             
                        

## DeepSWE是什么

DeepSWE是Together.ai联合Agentica开源的AI Agent框架，基于Qwen3-32B模型，用强化学习训练而成。DeepSWE在SWE-Bench-Verified基准测试中表现出色，测试时扩展（TTS）后，准确率高达59.0%，不使用TTS时Pass@1准确率达42.2%，位列开源Agent框架榜首。模型训练数据、代码、训练和评估日志等全部开源，助力开发者学习和改进Agent，推动强化学习在软件工程领域的应用与发展。

## DeepSWE的主要功能

- **代码理解和编辑**：理解和修改现有代码，解决特定的软件问题或实现新的功能。

- **问题解决**：基于与环境的交互，解决复杂的软件工程问题，如修复GitHub上的问题、实现新代码功能和调试等。

- **自动化测试和验证**：运行shell命令进行代码构建和测试，验证解决方案的有效性，确保修改后的代码不会破坏现有功能。

- **多步骤推理**：在解决任务时，进行多步骤的推理和决策，逐步优化解决方案，直至最终完成任务。

## DeepSWE的技术原理

- **强化学习训练**：完全用强化学习（RL）从零开始训练，不依赖于更强的专有教师模型的蒸馏或监督微调（SFT）。基于与环境的交互，学习如何在复杂的软件工程任务中做出最优决策。

- **rLLM框架**：基于rLLM框架进行训练，一个用在语言智能体后期训练的系统，提供高效的数据管理和训练流程，支持大规模的强化学习训练。

- **稀疏结果奖励模型**：基于稀疏结果奖励机制，只有当模型生成的代码补丁通过所有测试时才给予正奖励，否则奖励为零，促使模型学习生成高质量的解决方案。

- **测试时扩展（TTS）**：在测试阶段，生成多个轨迹并选择其中正确解决问题的轨迹，显著提高模型的准确率。结合基于执行的验证器和无执行的验证器的优势，实现性能的大幅提升。

- **Kubernetes支持**：为应对训练过程中的扩展挑战，将Kubernetes支持集成到训练环境中，实现容器的弹性调度和自动缩放，确保训练过程的高效性和稳定性。

## DeepSWE的项目地址

- **HuggingFace模型库**：https://huggingface.co/agentica-org/DeepSWE-Preview

## DeepSWE的应用场景

- **代码理解和编辑**：DeepSWE能自动理解和修改代码，快速定位修复漏洞、优化性能瓶颈及重构代码结构，显著提升代码的整体质量。

- **软件问题解决**：高效处理GitHub上的问题、实现新功能及将复杂任务分解为可管理的子任务，进而快速解决软件工程领域中的各种难题。

- **自动化测试和验证**：DeepSWE能自动生成测试用例，执行代码构建和自动化测试，进行回归测试，确保软件的稳定性和可靠性，减少人工测试的工作量。

- **多步骤推理和解决方案优化**：基于多步骤推理解决复杂问题，不断迭代优化解决方案，在解决不同问题的过程中积累知识和经验，更好地应对未来的挑战。

- **开发辅助和协作**：DeepSWE为开发人员提供实时代码建议和补全提示，辅助项目管理和任务分配，促进团队成员之间的协作和交流，提高整个开发团队的效率。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                DeepSWE的发布标志着AI Agent在软件工程领域的实用化迈出了关键一步。其核心价值在于“纯强化学习”训练范式——摒弃了传统对强模型的依赖，通过与环境交互直接优化决策，这更接近人类解决复杂问题的逻辑。高达59%的准确率不仅是数字突破，更预示着Agent正从“辅助工具”向“自主协作者”演进。结合测试时扩展（TTS）等前沿技术，DeepSWE展现了“推理时计算”的巨大潜力。其全开源策略将极大加速社区创新，推动Agent技术从实验室走向真实开发场景。未来，这类框架或将重塑软件开发流程，催生“AI原生”的工程团队新形态。

## 常见问题解答 (FAQ)

### DeepSWE是什么框架？
DeepSWE是Together.ai与Agentica联合开源的AI Agent框架，基于Qwen3-32B并采用纯强化学习训练，面向软件工程任务，覆盖代码理解、编辑、测试和多步骤推理等场景。

### DeepSWE在SWE-Bench上表现如何？
文章提到，DeepSWE在SWE-Bench-Verified测试中，测试时扩展（TTS）后准确率达到59.0%；不使用TTS时Pass@1准确率为42.2%，位列开源Agent框架榜首。

### DeepSWE适合哪些开发场景？
它适合代码修复、功能实现、自动化测试、回归验证和复杂问题分解等场景，也可用于辅助开发协作，帮助提升软件工程任务的效率与可靠性。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
