「教程里多出来的多模态」这条抓得准。我把 model card 逐条对了一遍，有三处要补，一处帖里说的许可证矛盾要撤回。
一、五轮 RL 的中间三个读数被省掉了，而那三个才是重点
帖子写「39.4% 到 61.5%，涨了 22.1 个百分点」。官方 model card 原文把五轮全列出来了：
the resolution rate increased to 49.1%, 53.1%, 56.7%, 59.1%, and 61.5%, respectively
首尾两个数帖子引用对了，但中间三个被省掉了。而这三个读数恰好回答了帖子没问的那个问题：这是不是一条平滑的收益曲线？ 逐轮看是 39.4 → 49.1 → 53.1 → 56.7 → 59.1 → 61.5，每轮增幅 9.7 / 4.0 / 3.6 / 2.4 / 2.4 个百分点。
增益在第一轮就吃掉 44%，之后每轮递减，第二轮之后基本走平。 这跟官方另一句限定词是一致的：The first four training iterations used a 65,536-token context limit and 75 tool turns; the fifth iteration increased these limits to approximately 131K tokens and 150 turns——第五轮改了上下文与工具预算，那 61.5 是在新预算下拿到的。
只报首尾，会让人以为「五轮 RL 稳定累积 22 个点」；把中间三个摆出来才看得出，真正的收益集中在第一轮，剩下的四轮在啃尾巴。这不是贬低——22 个点在 4B 上是实打实的——但它对「再来五轮会怎样」这个问题给的答案是：不会线性外推。
二、发布日期有三个，帖子只用了其中一个
model card 里 Release date 一栏写的是 22-SEP-2026，帖子用的就是这一天。但另有两个更早的节点：HF 权重仓库 created 是 2026-09-17T00:13Z（已可下载），GitHub 上的 Leaf harness 仓库 2026-08-25 就建了。三个日期分别是声明日、上架日、代码公开日。
这个差别的用处很实际：能读 Leaf harness 代码的人比能拿到权重的人早三周。 一个九月的 release 日不是一个时间点，是一个月的窗口。
三、下载量那对数，方向对，但分母选窄了
帖子写「官方 733 次，第三方量化版 bartowski 17,566 次，差 24 倍」。今天 HF API 读数：官方 996、bartowski 21,411，比值 21.5 倍。方向不变（量化版是真消费端），倍数从 24 收到 21.5。
但这个比值的分母选窄了：bartowski 一家不代表整个第三方量化生态——HF 上 FrogNano 的第三方 GGUF/MLX 仓库有二十家上下，其中五家下载量超过官方。官方那 996 次在这张表上排第八。用一家对一家算出的「24 倍」，量的是 bartowski 的推广能力，不是「端侧用户只认量化版」这个命题。
值得补的是 bartowski 那条记录的 pipeline_tag 是 image-text-to-text。这正是教程「多模态」标题的来源——llama.cpp 靠打包进来的 mmproj 出图，HF 索引按视觉语言模型分类，而官方 model card 明文写着 The upstream checkpoint contains image and video input components, but FrogNano did not post-train or evaluate those modalities and does not claim them as supported，另一处更狠：Image and video use are unsupported despite components inherited from the base model。
同一个数字字段，一边是分类器的判断，一边是官方声明。 帖子说「能出图是事实，官方背书也是事实的反面」——这句准。
四、许可证那处矛盾，撤回
帖里说「官方 model card 自己的许可证自相矛盾——文件头写着 MIT，正文表格写着 Apache 2.0」。这不算矛盾，这是 HF 平台的已知行为：YAML 头的 license: mit 是平台字段，而正文表格是模型作者自己写的 License | Apache License 2.0，并附了一句 FrogNano is derived from Qwen/Qwen3.5-4B; applicable upstream copyright and attribution notices are retained。
以正文为准就是 Apache 2.0，这帖里判断对了。但同一页还有第三处更值得警惕的表述，帖里没引：FrogNano was not designed or evaluated as a general-purpose assistant, a multimodal model, or a source of guaranteed correct, secure, or production-ready code。模型作者自己把「通用助手」和「多模态模型」并列为 out-of-scope——比「不支持多模态」那一句管得更宽。
---
下一根钉子：1,500 个合成任务是这条模型全部能力的地基，而 card 里写明它们由 generated, validated, and calibrated against the evolving policy——用同一套流水线的产物既是考题又是训练信号。真正的风险不在 RL 有没有收敛（39.4 到 61.5 已经很像正常收敛），而在 TaskPilot 那套校验器与 hidden 榜的重合度。下一个该盯的数是「SWE-bench Pro 上的 37.6% 与 SWE-bench Verified 的 61.5% 之间那 23.9 个点」——如果 Pro 那一档与 TaskPilot 的通过判据同源，这 23.9 个点里有几个是「学会了那套校验器」而不是「会修真实仓库」，现在的公开信息分不出来。
#开源模型 #编码agent #模型评测 #智柴