Atlassian Forge uygulamaları yazan Qwen3.8-27B fine-tune'u için Apache-2.0 lisanslı ağırlıklar yayınlandı

Bağımsız bir yayın, Atlassian ürünü değil

Model ailesinin Atlassian markası taşımasına rağmen, bu yayın Atlassian'dan gelmedi. mihai_leanzero takma adıyla yazan ve LeanZero danışmanlık firmasıyla bağlantılı bir yazarın 17 Eylül 2026'da dev.to'da yayınladığı yazıya göre, proje, Forge uygulamaları geliştirmesi ve Jira, Confluence ile Jira Service Management hakkında soru yanıtlaması için eğitilen açık Qwen3.8-27B modelinin topluluk tarafından yapılmış bir fine-tune'u. Yazar, Atlassian'ın kendi VPC'si içinde fine-tune edilmiş açık modeller çalıştırdığını ancak hiçbir zaman ağırlık yayınlamadığını, yayınını sıra dışı kılanın da bu olduğunu belirtiyor.

Hugging Face'te neler var

Ağırlıklar, tamamı Apache-2.0 lisanslı beş artefakt halinde erişilebilir. Öne çıkan indirme, tahmini kod çözme (speculative-decoding) başlığı korunmuş, yaklaşık 31 GB'lık 8-bit birleştirilmiş model. Yanında, eğitime devam etmek isteyenler için rank-32 LoRA adaptörü (yaklaşık 190 MB), adaptörün üzerine eğitildiği dokunulmamış 8-bit temel model ve kabaca 21 GB ile 15 GB'lık 6-bit ve 4-bit quantization sürümleri yer alıyor. Yazar, birleştirilmiş 8-bit modelin, birleştirilmemiş temel-artı-adaptör kombinasyonuyla top-1 tahminlerin yüzde 99,4'ünde aynı sonucu verdiğini, bu oranın 6-bit'te yüzde 98,26'ya, 4-bit'te yüzde 93,88'e düştüğünü bildiriyor. Ana yayından kısa süre sonra aileye daha küçük bir 9B üye eklendi.

Ölçülmüş temel-versus-fine-tune sonuçları

Yazının merkezindeki kanıt, tamamı yazar tarafından tek bir makinede ölçülen bir önce-sonra karşılaştırması. Atlassian'a özgü tanımlayıcıları içeren bir testte temel model yüzde 15, fine-tune edilmiş model yüzde 69 skor aldı. 25 Forge uygulama brief'i üzerinde Atlassian'ın resmi validator'ının kabul ettiği manifest'ler 25'te 0'dan 25'te 14'e, hem doğrulamayı geçen hem de derlenen tam uygulamalar 25'te 0'dan 25'te 12'e çıktı. Yazarın temel model tarifini, bunu deneyen herkese tanıdık gelecektir: var olmayan bir manifest formatı uyduruyor, mevcut olmayan paketleri import ediyor ve çalıştırılamayan ama inandırıcı görünen kod üretiyor. Bunlar, küçük bir 25 brief'lik değerlendirme seti üzerinde kendi kendine yayınlanmış bir yazıdan gelen, kendi bildirimi olan rakamlardır ve bağımsız olarak doğrulanmamıştır.

Tek bir Mac Studio'da eğitim

Eğitim kurulumu hikayenin önemli bir parçası. 27B'lik bir modeli tam fine-tune etmek donanımın gücünü aşıyordu; bu yüzden temel model bf16'dan 8-bit'e quantize edildi, donmuş temel üzerinde 31,7 GB aktif bellekle rank-32 LoRA eğitildi ve adaptör sonrasında geri birleştirildi. Tüm süreç, chunked eğitim yaması uygulanmış mlx-lm kullanarak, 96 GB RAM'e sahip tek bir Mac Studio M3 Ultra'da, tutulan üç tur boyunca 26 saatlik adaptör eğitimi sürdü. Tur seçimi, doğrulama kaybını, tanımlayıcı doğruluğunu, uygulama tamamlanmasını ve döngüye girme davranışını kapsayan bir kural ile otomatikleştirildi; bir tur 0,018'lik bir gerileme nedeniyle reddedildi ve son tur v0.3 olarak yayınlandı. Yazar ayrıca seçim betiğinin yanlış çalıştığı ve elle yeniden çalıştırılması gereken bir günü de belgeleyerek, ölçülen iddiaların ancak başarısızlıklar da kaydedildiğinde güvenilir olacağını savunuyor.

Veri, filtreleme ve gizlilik

Eğitim derlemi; LeanZero tarafından yazılmış on iki Forge uygulaması, @forge/manifest şemasından üretilmiş validator onaylı manifest'ler, @forge/react 12'ye karşı derlenen UI Kit örnekleri, Forge belgeleri, altı Atlassian OpenAPI spesifikasyonu, 1.400 onaylanmış topluluk soru-cevap çifti ve 220 herkese açık geliştirici topluluğu başlığından oluşuyordu. Yazara göre belirleyici bileşen, modelin kendi ürettiği veriydi: modelin kendi uygulama denemeleri yalnızca validator'ı, bir allow-list'i ve TypeScript derleyicisini geçtiklerinde tutuldu; başarısızlık-artı-düzeltme çiftleri gerçek validator hata mesajlarından oluşturuldu. Nihai karışım 18.189 örnek, kabaca 6,1 milyon token'dı. Tenant host adları ve e-postalar eğitimden önce yeniden yazıldı ve ezberlenmiş dizgeler için yapılan bir canary testi sıfır sonuç verdi.

Ne kadar yeni

Yazar, Atlassian'a göre ayarlanmış modellerde mutlak bir ilk iddiasında bulunmamaya özen gösteriyor. WizardLM-2-7B-Atlassian Mayıs 2024'ten beri Hugging Face'te mevcut ve 2025 sonundan itibaren Jira odaklı birkaç küçük fine-tune ortaya çıktı. Hugging Face ve GitHub aramalarına dayanan daha dar iddia ise şu: bu, özellikle Forge uygulamaları yazması için eğitilmiş ilk açık ağırlıklı model ve Atlassian'ın kendi validator'ı üzerinde temel-versus-fine-tune kanıtıyla gelen ilk Atlassian ayarlı yayın.

Neden önemli

Bu, tüketici sınıfı donanımın ve açık temel modellerin alan fine-tune'unu ne kadar ileri taşıdığına dair yararlı bir veri noktası: tek bir Mac'te eğitilmiş, ticari bir geliştirici platformuna özelleştirilmiş 27B'lik bir model, serbest lisanslı ağırlıklarla yayınlandı. Atlassian geliştiricileri için bu, Forge scaffolding'i ve Jira, Confluence, JSM soruları için yerel, çevrimdışı araçların işaretini taşıyor. Uyarılar gerçek: küçük bir değerlendirme seti, doğrulanmamış rakamlar, uygulama yazma konusunda yeniden puanlanmamış 4-bit varyant ve yazarın modeli bir derleyici değil güçlü bir asistan olarak tanımlaması. Yine de, başarısız turları başarılı olanlarla birlikte yayınlama metodolojisi, daha fazla yayının benimsemesi gereken bir standart.