昆仑万维开源Skywork-SWE-32B：揭秘大模型软件工程能力的数据缩放法则

2025年6月20日，昆仑万维正式发布并开源软件工程自主代码智能体基座模型Skywork-SWE-32B。这款模型在320亿参数规模下展现出业界领先的仓库级代码修复能力，其核心突破在于通过构建超1万个可验证的GitHub仓库任务实例，系统性验证了大模型在软件工程任务中的数据缩放定律（Scaling Law），为AI驱动的软件开发开辟了新路径。

昆仑万维开源Skywork-SWE-32B：揭秘大模型软件工程能力的数据缩放法则

突破性数据集构建：三阶段自动化流程破解行业痛点

当前主流SWE（软件工程）数据集存在三大核心瓶颈：缺乏可执行验证机制、高质量训练数据稀缺、数据规模法则适用性不明确。为打破这一局面，昆仑万维团队设计了一套三阶段九步骤的自动化数据构建流程：

在数据采集与预筛选阶段，团队通过GitHub API抓取15万个开源仓库元信息，经高Star仓库筛选、关联issue的PR提取及安装验证后，从146,568个初始样本中保留23,389个有效任务。基于执行的验证阶段引入Docker分层容器技术，为每个任务生成隔离运行环境，通过单元测试验证保留10,169条高质量样本。最终在智能体轨迹生成阶段，依托OpenHands框架记录多轮交互轨迹，经补丁级验证后构建出8,209条结构化训练样本库。

这套流程打造出的Skywork-SWE数据集，覆盖Pydantic、SQLGlot、DVC等主流项目及大量中小型仓库，任务数量与代码覆盖广度远超SWE-Gym Lite等同类数据集，形成高度贴近真实开发生态的任务分布。

32B开源模型登顶SOTA：数据规模驱动性能跃迁

基于高质量数据集微调的Skywork-SWE-32B模型，在SWE-bench Verified基准测试中交出亮眼答卷：模型原生状态下实现38.0%的pass@1准确率，刷新Qwen2.5-Coder-32B系列在OpenHands框架下的最佳成绩。引入测试时扩展技术（TTS）后，准确率飙升至47.0%，不仅超越所有32B以下参数规模的开源模型，更在与671B参数量的DeepSeek-V3-0324对比中领先8.2个百分点。

值得关注的是，该模型性能已接近甚至超越多数主流闭源大模型：47.0%的准确率显著高于GPT-4.1-mini（23.86%）、Claude 3.5 HaiKu（40.6%），并领先于Claude v3.5（46.0%）。在Astropy代码仓库#14309合并请求修复案例中，模型精准定位问题源文件，生成的补丁方案通过全部测试用例，展现出从问题理解到修复验证的全流程工程能力。

智能体时代的软件工程新范式

2025年作为智能体模型元年，”超多轮交互”与”超长上下文处理”成为核心特征。相较于传统代码生成任务，SWE任务要求模型具备跨文件依赖处理、工具链调用及复杂环境持续修复能力，全面考验工程实践与系统性思维。昆仑万维“更少人工约束，更多智能发挥”的设计理念，通过OpenHands框架赋予AI自主决策工具使用的能力，推动软件工程向智能化跃迁。

团队透露，未来将从三方面深化探索：拓展多编程语言支持以覆盖更广泛开发场景，融合运行时测试反馈的强化学习机制，以及探索更多Agent任务场景。此次Skywork-SWE-32B的开源，不仅是昆仑万维坚定开源策略的重要实践，更将为大语言模型驱动的软件工程研究提供关键基础设施，助力社区在代码智能体领域持续突破。

从天工超级智能体到音乐推理大模型Mureka，昆仑万维正通过一系列开源动作构建AI技术矩阵。此次Skywork-SWE-32B的发布，标志着大模型在垂直领域工程化应用的重要进展，其揭示的数据缩放定律或将成为推动开源模型性能突破的核心法则。