2026 年開年，國內(nèi)量化私募九坤投資創(chuàng)始團隊旗下的至知研究院（IQuest Research）發(fā)布了首代開源代碼大模型系列 IQuest－Coder－V1。

這家研究機構(gòu)聲稱，其 40B 參數(shù)的旗艦模型在 SWE－bench Verified 基準測試中拿下了 81.4％的成績，超越了 Claude Sonnet 4.5 的 77.2％和 GPT－5.1 的 76.3％。模型已在 GitHub 和 Hugging Face 上全面開源，涵蓋 7B、14B、40B 三種參數(shù)規(guī)模，以及標準版和 Loop 變體。

圖丨IQuest－Coder－V1的架構(gòu)（來源：GitHub）

至知研究院由九坤投資創(chuàng)始團隊發(fā)起設立，定位為獨立于量化投研體系的 AI 研究平臺。

九坤本身是國內(nèi)最早將深度學習大規(guī)模應用于量化投資的機構(gòu)之一，2020 年投資過億建成 AI 超算集群“北溟”，旗下三大實驗室長期從事數(shù)據(jù)、算法和交易執(zhí)行研究。繼幻方量化孵化出 DeepSeek 之后，這是又一家從量化圈走出來的 AI 研究力量。

IQuest－Coder－V1 技術(shù)報告中最值得關(guān)注的是 Code－Flow 訓練范式對 commit 演化數(shù)據(jù)的利用。傳統(tǒng)代碼模型基于靜態(tài)代碼文件訓練，相當于讓模型看一堆代碼快照。IQuest－Coder 的做法不同：它試圖讓模型學習代碼倉庫的演化軌跡——不只是代碼長什么樣，還要學習代碼是怎么一步步改出來的。

具體來說，他們?yōu)槊總€代碼倉庫構(gòu)建了形如（R_old， P， R_new）的三元組訓練數(shù)據(jù)。R_old 代表項目在某個穩(wěn)定開發(fā)階段的代碼狀態(tài)，P 是捕捉兩個狀態(tài)差異的 Patch 信息（即 commit 變更），R_new 則是迭代后的新狀態(tài)。

選取起點時有個講究：他們避開了項目早期不穩(wěn)定的探索性代碼和后期碎片化的維護性修改，專門聚焦于項目生命周期 40％到 80％區(qū)間的“成熟期”。理由是這個階段的代碼庫相對穩(wěn)定，變更模式更能反映真實的軟件開發(fā)邏輯。

這個思路有一定道理。程序員在修 bug 或加新功能時，腦子里轉(zhuǎn)的不是“這段代碼是什么”，而是“這段代碼要從什么狀態(tài)變成什么狀態(tài)”。

Commit 記錄天然包含了這種“變更意圖”——為什么改、改了哪里、改完之后整體結(jié)構(gòu)如何調(diào)整。如果模型能從大量 commit 歷史中學到這種模式，理論上應該比只看靜態(tài)代碼更擅長理解“怎么改代碼”。

這也解釋了為什么 IQuest－Coder 在 SWE－bench 這類需要生成 patch 修復 issue 的任務上表現(xiàn)突出——任務形式本身就和訓練數(shù)據(jù)的結(jié)構(gòu)高度吻合。技術(shù)報告中提到的一個發(fā)現(xiàn)印證了這點：倉庫演化數(shù)據(jù)（repository transition data）在任務規(guī)劃能力上提供了比靜態(tài)快照更好的訓練信號。

圖丨研究團隊展示的太陽系模擬示例（來源：IQuest Lab）

預訓練階段，IQuest－Coder 先用通用數(shù)據(jù)和代碼數(shù)據(jù)打底，隨后用高質(zhì)量代碼語料進行退火（Annealing）。這部分比較常規(guī)。中間訓練階段則分兩期進行：他們在 32K 上下文長度下注入了推理數(shù)據(jù)、Agent 軌跡和代碼數(shù)據(jù)的混合，隨后將上下文擴展到 128K，加入倉庫級的長序列樣本。

Agent 軌跡數(shù)據(jù)包含完整的“行動－觀察－修正”循環(huán)——命令執(zhí)行、日志輸出、錯誤信息、測試結(jié)果等環(huán)境反饋。技術(shù)報告的說法是，推理數(shù)據(jù)提供符號層面的邏輯腳手架，Agent 軌跡則提供“閉環(huán)智能”，讓模型學會根據(jù)環(huán)境反饋調(diào)整行為。他們聲稱在高質(zhì)量代碼退火之后、后訓練之前注入這類數(shù)據(jù)，能在分布偏移下穩(wěn)定模型性能。

后訓練階段分成兩條路徑：Thinking 路徑先用包含顯式推理軌跡的數(shù)據(jù)做監(jiān)督微調(diào)，再用強化學習優(yōu)化推理能力；Instruct 路徑則用通用和代碼指令數(shù)據(jù)做監(jiān)督微調(diào)，再用 RL 增強指令遵循能力。

技術(shù)報告聲稱，Thinking 版本在長程任務中展現(xiàn)出了自主錯誤恢復（error－recovery）能力，而這種能力在標準 Instruct SFT 路徑中幾乎觀察不到。換言之，RL 可能是解鎖代碼模型“自主調(diào)試”能力的關(guān)鍵。

圖丨訓練流程（來源：GitHub）

架構(gòu)方面，Loop 變體的設計比較有意思。LoopCoder 采用循環(huán) Transformer 架構(gòu)，讓參數(shù)共享的 Transformer 塊執(zhí)行兩次固定迭代。第一次迭代正常處理輸入嵌入，第二次迭代同時計算兩種注意力：全局注意力（iteration 2 的 queries attend to iteration 1 的所有 key－value 對）和局部注意力（維持因果性的常規(guī)自注意力）。

兩種注意力的輸出通過一個基于 query 表示的學習門控機制加權(quán)混合。這種設計的目的是在有限參數(shù)規(guī)模下獲得更高的有效計算深度，即用參數(shù)共享換取更多計算步驟，在部署效率和模型能力之間找平衡。

后訓練的 Thinking 路徑也值得一提。技術(shù)報告聲稱，通過強化學習訓練的 Thinking 版本在長程任務中展現(xiàn)出了自主錯誤恢復（error－recovery）能力，而這種能力在標準 Instruct SFT 路徑中幾乎觀察不到。如果屬實，這意味著 RL 可能是解鎖代碼模型“自主調(diào)試”能力的關(guān)鍵，模型不只是生成代碼，還能在出錯后自我修正。

根據(jù)技術(shù)報告，IQuest－Coder－V1－40B－Loop－Instruct 在 SWE－bench Verified 上取得了 81.4％ 的解決率，在 BigCodeBench 上拿下 49.9％，在 BFCL（Berkeley Function Calling Leaderboard，伯克利函數(shù)調(diào)用排行榜）V3 上達到 73.8％，在 Mind2Web 上取得 62.5％，在 Terminal－Bench v1.0 上達到 51.3％。而 Thinking 版本在 LiveCodeBench v6 上的成績是 81.1％，在 CRUXEval 的 Input－COT 和 Output－COT 上分別達到 98.5％和 99.4％。

圖丨基準測試結(jié)果（來源：IQuest－Coder－V1）

當然，SWE－bench Verified 只覆蓋 Python 且僅含 500 個樣本，社區(qū)對“針對榜單優(yōu)化”的擔憂一直存在。其在實際使用中的表現(xiàn)如何，有待社區(qū)的進一步測試反饋。

從技術(shù)貢獻看，IQuest－Coder－V1 最有價值的部分可能是對 commit 演化數(shù)據(jù)的系統(tǒng)性利用。這個方向此前在學術(shù)界有過探索，但在開源模型的大規(guī)模訓練中應用得并不多。技術(shù)報告承諾會開源完整訓練流程和中間檢查點，這對研究代碼模型如何學習軟件工程能力將是有價值的參考。至于跑分能否轉(zhuǎn)化為實際生產(chǎn)力，要等更多開發(fā)者上手實測才能下結(jié)論。

參考資料：

1. https://iquestlab.github.io/#/