1000 个 DeepSeek 智能体一周写出 60 万行代码,PyBot 无训练对齐 Smollm 360M
Hugging Face 团队拿 1000 个 DeepSeek Flash 智能体花一周写了 60 万行 Python,造出一个零权重、零训练的 PyBot,成绩对标 Smollm 360M。做工程和微调的朋友可以看看这个思路,它跟跑小模型的路线完全不同,仓库已开源,适合动手验证哪些任务用规则就够了。
Hugging Face 的 Leandro von Werra 发布了 PyBot,一个不含任何权重、不做训练的纯规则聊天机器人,全部代码达 60 万行 Python,却能对标上 360M 参数的 Smollm。项目的开发方式是亮点:由 1000 个 DeepSeek Flash 智能体组成的集群,只用一周时间就写完了整个代码库,仓库已开源在 huggingface/py。它的思路是把模型能力"编译"进硬编码规则里,用代码量换取推理时的零参数开销。
Julien Chaumonde 借此重申他十年前的判断:软件工程是 AI 的子集——既然智能体集群能在一周产出人类团队数年规模的代码,传统工程活动的边界正在被重新定义。
这个实验的具体价值在于对比口径:PyBot 没有训练成本,却在能力上追平 Smollm 360M,说明在特定场景下"规则+海量生成代码"与小型模型各有取舍,开发者可以据此评估自己的任务到底需要模型还是需要工程化方案。
People used to call me crazy when I said this 10 years ago, but: Software engineering is a subset of AI Exhibit 42,729: Leandro von Werra @lvwerra PyBot: No weights. No training. A chatbot built with only simple rules and no AI, entirely written in 600k lines of Python code. PyBot matches Smollm with 360M parameters! How? A swarm of 1,000 DeepSeek Flash agents wrote the whole code in just a week. github.com/huggingface/py…
本条情报归属 AITOP「产品」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:DeepSeek、Smollm、Hugging Face、智能体,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Julien Chaumond」(@julien_c),经 AITOP 多维评分管线结构化提炼。