IQuest-Coder-V1：性能超群的代码大模型
近期，一个名为 IQuest-Coder-V1 的代码大模型系列在科技领域引发广泛关注。
在最新的SWE-Bench Verified榜单中，其40B参数版本取得了81.4%的成绩，表现超越了Claude Opus-4.5与GPT-5.2等模型。
除了基准测试成绩，其实际代码生成能力同样引人注目。例如，当要求“编写一个网页来展示一个逼真的太阳系模拟”时，模型能够生成功能完整的交互式网页。
该模拟器支持自由切换视角、暂停、放大以及调整公转速度。选中具体行星时，还会显示相应的名称与简介。
目前，该模型系列已在GitHub和Hugging Face平台开源。
值得关注的是，开发团队IQuest与中国的另一AI团队DeepSeek类似，同样源自量化私募领域，其背后公司为北京的九坤投资。这一背景引发了海外社区关于中国量化公司进军AI模型领域的广泛讨论。
IQuest-Coder-V1系列概览
IQuest-Coder-V1是一个覆盖多参数规模与场景的模型家族，专注于代码生成、理解与软件工程任务。系列提供7B、14B和40B三种参数规模，每个规模均包含Instruct（指令跟随，高效）和Thinking（强化复杂推理，响应较慢）两种版本。
特别值得注意的是，40B参数版本额外提供了Loop版本。该版本旨在探索更高的参数利用效率，在计算成本相近的情况下，显著降低了HBM与KV Cache开销，并大幅提升了吞吐量。据称，仅增加约5%的训练成本，Loop架构下的40B模型即可达到数百亿参数MoE模型的性能水平。
在架构设计上，该系列强调“工程友好”与“长上下文可用性”，主要特性包括：
* 分组查询注意力（GQA）：减少推理阶段的显存占用与计算压力。
* 原生支持128K上下文长度：能够处理完整代码仓库及跨文件依赖。
* 76800词表：更贴近真实代码环境中的标识符与符号。
* 循环Transformer设计（Loop变体）：通过参数共享与重复计算提升参数利用率，且注重推理稳定性。
以下是官方展示的更多生成案例：
案例1：构建一个交互式粒子-文本动画（如将“IQuest”文本转换为可受鼠标交互影响的粒子点阵）。
案例2：构建一个实时像素沙盒游戏（支持切换沙子、水、石头等元素，并模拟其物理下落与流动）。
案例3：构建一个完整的单文件HTML5 Canvas太空射击游戏（具备霓虹美学、多种敌人、Boss战及升级系统）。
案例4：基于鸟群算法实现一个拥有150个以上自主Agent的群体模拟，并配备实时参数调节面板。
独特的“代码流多阶段训练”策略
IQuest-Coder-V1采用了名为 “代码流多阶段训练” 的策略，与传统基于静态代码片段的训练方法不同。
该策略的核心在于从代码的动态演化过程中学习。团队专门构建了基于项目生命周期的三元组数据 (R_old, Patch, R_new)，即旧版本代码、变更补丁和新版本代码。并且，数据刻意取自项目生命周期中期的稳定阶段（40%–80%）。
这种方法将“软件工程经验”显式编码进训练数据，使模型不仅能学习完成态的代码，还能理解修改意图、逻辑演变以及工程中的试错修正过程，从而更好地捕捉软件开发的动态性。
这被认为是模型在软件工程类评测中表现优异的重要原因之一。其关键评测成绩如下：
* SWE-Bench Verified: 81.4%
* BigCodeBench: 49.9%
* LiveCodeBench v6: 81.1%
下图更直观地展示了IQuest-Coder在多个代码与智能体相关榜单上的领先地位。
需要指出的是，根据官方说明，该模型仅用于生成代码，不具备代码执行能力，所有输出均应在沙盒环境中进行验证。
部署方面，官方信息显示，无论是基础版本还是Loop版本，均支持单张H20 GPU进行推理。其Int4量化版本则可在单张消费级RTX 3090或4090 GPU上部署。
有社区讨论指出，非Loop版本的模型架构似乎采用了阿里Qwen2的设计。
随着模型关注度上升，相关的技术讨论与质疑也随之出现。
九坤投资：IQuest-Coder的幕后公司
IQuest-Coder模型由九坤投资（Ubiquant Holding Limited）发起设立的至知创新研究院推出。该公司成立于2012年，是中国较早专注于量化投资与高频交易的私募机构之一，目前管理规模达数百亿元人民币，与幻方同属国内量化私募领域的头部公司。
九坤总部位于北京，并于三周前在新加坡设立了办公室。
其联合创始人背景深厚：
* 王琛：2000年考入清华大学，获数学物理学士及理论计算机博士学位，师从图灵奖得主姚期智院士。博士毕业后曾就职于美国顶级对冲基金Millennium，后联合创立九坤投资并担任CEO。
* 姚齐聪：2002年考入北京大学数学系，获数学学士及金融数学硕士学位。毕业后同样进入Millennium工作，后与王琛共同创业，主要负责公司投研体系搭建、量化策略开发与风险管理，是公司策略与风控体系的核心设计者之一。
九坤的投研与技术团队规模超百人，其中90%以上成员毕业于清华大学、北京大学、复旦大学、斯坦福大学等国内外知名高校，博士占比超过60%。公开信息显示，公司倾向于从全球顶尖高校招募具有计算机、数学、物理、统计学等背景的应届毕业生。
在AI领域，虽然幻方凭借DeepSeek更早为公众熟知，但九坤在AI技术布局上同样深入。其IT与算力建设位居国内量化机构前列，并设立了数据实验室（DATA LAB）、人工智能实验室（AI LAB）等多个前沿研究部门。
此次发布的IQuest-Coder并非九坤在AI领域的首次尝试。此前（2025年12月16日），公司已推出通用推理模型URM。该模型在ARC-AGI基准测试中正确率达53.8%，允许多次尝试时成功率可超85%；在更困难的ARC-AGI 2基准上也取得了16.0%的成绩。
技术报告文末附有IQuest-Coder团队的成员名单。
值得注意的是，该报告的核心作者层，与《Scaling Laws for Code》、《CodeSimpleQA》、《From Code Foundation Models to Agents and Applications》等论文的作者阵容重合度较高。以下是部分可查找到公开资料的核心贡献者介绍：
- Jian Yang：谷歌学术引用量超过1.6万次。此前长期在Qwen 2.5和Qwen 3团队工作，自2025年起开始在九坤投资发表论文。
- Zhengmao Ye：本科毕业于西南交通大学，于四川大学获得计算机科学硕士学位。曾先后在华为和商汤科技担任技术职务。
该技术报告的通讯作者为九坤人工智能实验室首席研究员及负责人Bryan Dai。
论文与参考资料
* 技术报告地址：file:///Users/hengknows/Downloads/IQuest_Coder_Technical_Report%20(1).pdf
* [1] https://x.com/zephyr_z9/status/2006579658972868988?s=20
* [2] https://github.com/IQuestLab/IQuest-Coder-V1?tab=readme-ov-file
* [3] https://iquestlab.github.io/#/
* [4] https://www.reddit.com/r/LocalLLaMA/comments/1q0x19t/anyone_tried_iquestcoderv1_yet_the_40b_numbers/
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/16677