允中 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

一款“反直覺”的產(chǎn)品，往往最能折射一個產(chǎn)業(yè)的真實需求。

3月25日，硅心科技（aiXcoder）發(fā)布了一款專為「代碼變更應(yīng)用」場景設(shè)計的高性能、輕量級模型aiX-apply-4B

基準測試結(jié)果顯示，在20多種主流編程語言及Markdown等多類型文件格式的測試中，aiX-apply-4B的平均準確率達到93.8%，超越Qwen3-4B基座模型62.6%的準確度，甚至高于千億級大模型DeepSeek-V3.2

同一任務(wù)場景下，aiX-apply模型算力成本約為DeepSeek-V3.2的5%，推理速度則提升15倍，僅需一張消費級顯卡即可在企業(yè)部署。

當全行業(yè)還在卷參數(shù)、卷通用能力時，這家北大系A(chǔ)I Coding賽道創(chuàng)企早已將目光投向了更深水區(qū)的問題——

在企業(yè)研發(fā)算力有限的背景下，AI到底該如何賦能智能化軟件開發(fā)？

為什么是4B小模型？因為企業(yè)的算力“就這么多”

隨著OpenClaw等智能體框架的普及，企業(yè)AI應(yīng)用正從單次模型調(diào)用走向多智能體協(xié)作。

一個復(fù)雜任務(wù)的完成往往需要10到50次模型調(diào)用，并發(fā)場景下的Token消耗更是達到傳統(tǒng)模式的數(shù)倍甚至數(shù)十倍

這一變化直接加劇了企業(yè)的算力壓力。尤其對于金融、通信、能源、航天等關(guān)鍵領(lǐng)域的企業(yè)來說，私有化部署的算力“就這么多”且極其寶貴。

每一次額外的模型調(diào)用，都在消耗本就緊張的算力資源，推高延遲的同時擠占并發(fā)能力。

當多智能體協(xié)作成為常態(tài)，如何控制算力成本成為企業(yè)面臨的核心挑戰(zhàn)之一。

公有云“燒”Token的模式無法滿足企業(yè)數(shù)據(jù)安全需求，私有化部署千億級、萬億級大模型成本高昂且容易導(dǎo)致算力空轉(zhuǎn)浪費。

這時，如何用有限算力實現(xiàn)最優(yōu)配置，讓每一份算力都能落到最需要的研發(fā)場景中去，是行業(yè)亟待解決的核心問題。

正是在這樣的行業(yè)背景下，aiXcoder推出了更適合企業(yè)私有化部署的aiX-apply-4B輕量級模型，服務(wù)于代碼變更應(yīng)用場景。

這一場景的核心挑戰(zhàn)在于，需要將模型生成的不規(guī)整、碎片化的代碼片段，精準、無損地應(yīng)用到原始文件中，同時嚴格保持縮進、空白符、上下文的一致性，不牽動其他代碼、避免引入新問題。

△aiX-apply-4B模型架構(gòu)

據(jù)了解，為了貼合真實企業(yè)研發(fā)應(yīng)用場景，確保模型應(yīng)用效果，aiXcoder結(jié)合真實企業(yè)場景下的代碼提交記錄構(gòu)建了aiX-apply-4B模型的訓練數(shù)據(jù)集，基于高性能強化學習框架開展模型訓練，并納入了對各種邊界情況的考慮。

在統(tǒng)一的測試方法與多維度評估體系下，這個4B參數(shù)小模型憑借一系列的創(chuàng)新訓練方法，在代碼變更應(yīng)用這一場景中實現(xiàn)了超越千億級大模型的表現(xiàn)：

在準確率方面，測試結(jié)果顯示，在覆蓋20余種編程語言及文件類型的1600余條測試集上，aiX-apply表現(xiàn)優(yōu)于同量級模型Qwen3-4B（準確率62.6%），更與參數(shù)規(guī)模相差一百多倍的DeepSeek-V3.2（準確率92.5%）比肩。

△基準測試對比

在推理效率方面，aiXcoder引入自適應(yīng)投機采樣技術(shù)，極大壓縮了端到端延遲。

企業(yè)級生產(chǎn)環(huán)境實測顯示，aiX-apply-4B推理速度每秒可達2000 tokens，在單張RTX 4090消費級顯卡上即可高效運行；而對比模型DeepSeek-V3.2則需要八卡H200高端集群部署。

綜合不同的硬件部署成本與推理速度進行對比，aiX-apply-4B僅用DeepSeek-V3.2約5%的算力成本，實現(xiàn)了15倍的效率提升

在泛化能力方面，aiX-apply模型展現(xiàn)出了媲美DeepSeek-V3.2的準確性和穩(wěn)定性。

無論是應(yīng)對超長代碼文件的精確編輯，還是處理極其冷門、甚至未在訓練集中顯式出現(xiàn)的編程語言，aiX-apply模型都保持了良好的范式泛化能力，充分驗證了其在真實企業(yè)級開發(fā)環(huán)境中的實用價值。

△基準測試對比

“大模型+小模型”協(xié)同，最大化釋放有限算力價值

事實上，aiX-apply-4B模型并不是aiXcoder發(fā)布的針對研發(fā)場景定義的第一款小模型。

早在2024年，aiXcoder團隊就已推出參數(shù)量為7B的代碼補全小模型，它專為開發(fā)者日常編碼的高頻場景設(shè)計，能夠精準預(yù)測開發(fā)者意圖。

據(jù)介紹，基于“場景定義模型”這一理念，aiXcoder目前已構(gòu)建起覆蓋多個研發(fā)關(guān)鍵環(huán)節(jié)的小模型矩陣，并創(chuàng)新提出“大模型+小模型”協(xié)同架構(gòu)，讓“通才”大模型與“專才”小模型各司其職、優(yōu)勢互補：

• 通用大模型聚焦復(fù)雜意圖理解、代碼邏輯分析、修改方案制定等需要深度推理的工作，發(fā)揮其智能優(yōu)勢；
• 垂直場景小模型則承接高頻工程任務(wù)，以輕量化特性實現(xiàn)快速、精準執(zhí)行。

這種架構(gòu)設(shè)計，可以讓企業(yè)的有限算力得到分層利用：小模型支持專項場景任務(wù)的高效完成，節(jié)約出更多算力用于大模型的復(fù)雜推理。

這避免了高端算力的浪費，使企業(yè)有限的算力價值得到了充分釋放。