鞠婧祎日本差差差30分钟无掩饰在线观看

电脑版下载

77481
2

鞠婧祎日本差差差30分钟无掩饰在线观看截图Q8X2R7L1T4J5M9B6W3

内容详情

鞠婧祎日本差差差30分钟无掩饰在线观看

衡宇发自凹非寺量子位 | 公众号 QbitAI

又一其中国新模子被推到聚光灯下，刷屏海内外科技圈。

IQuest-Coder-V1模子系列，看起来真的很牛。

在最新版SWE-Bench Verified榜单中，40B参数版本的IQuest-Coder取得了81.4%的效果，这个效果甚至凌驾了Claude Opus-4.5和GPT-5.2（这俩模子没有官方资料，但外界普遍推测参数规模在千亿-万亿级）。

Oh～Tiny Core, Titan Power。

好，看到这里我盲猜许多人肯定已经最先边摇头边笑了。

事实这年头，benchmark的权威犹在，但说服力似乎已经大不如前了。

那咱们就看看这个模子跑出来的case——

Prompt：编写一个网页来展示一个逼真的太阳系模拟。

然后你将获得：

可以自由切换种种视角，让画面暂停、放大，调解公转速率也ok。

选中详细的行星，还会跳出响应的名字和简朴先容。

现在，这套代码大模子系列已经在GitHub和抱抱脸上开源。

有一个重点一定要划�。。�

这个模子团队IQuest，和DeepSeek团队一个路数，都出自中国的量化私募。

背后公司就是北京版幻方量化——九坤投资。

（两家公司都是业内公认的量化私募头部）

X、Reddit等平台上，关于IQuest-Coder的新闻和对中国量化公司杀入AI模子战场的讨论已经满天飞了。

有网友一脸unbelievable地问出了令他惊讶的问题：

中国量化公司究竟吸纳了些什么人才，才华把模子训练成这样��？？？

Ok，一起来看看这套模子的详细情形吧～

IQuest-Coder-V1系列

从定位上看，IQuest-Coder-V1是一套笼罩多个参数规模与使用场景的家族版本，专注于代码天生、代码明确与软件工程使命的模子系列。

参数有7B、14B和40B的，每个规模均提供Instruct和Thinking两种版本。

其中，Instruct偏向指令追随与工程使用，更高效；Thinking强化重大推理和多步问题拆解，响应时间更长。

特殊提醒各人注重一下，40B参数规模的IQuest-Coder-V1特殊提供了Loop版本，用于探索更高的参数使用效率。

与盘算成内情似的模子相比，IQuest-Coder-V1-40B-Loop的HBM和KV Cache开销显著降低，而吞吐量大幅提升。

仅增添约5%的训练本钱，Loop架构下，40B模子抵达数百亿参数MoE模子的水平。

在架构设计上，IQuest-Coder-V1系列强调了“工程友好”和“长上下文可用性”。

官方在GitHub上给出的四点架构特征划分是：

分组盘问注重力（Grouped Query Attention，GQA）以实现高效推理原生支持128K上下文长度词表大�。�76800个token循环变体接纳了具有共享参数的循环Transformer设计，该设计在两个迭代历程中坚持一致。

首先说说GQA的引入。

通过镌汰KV头数目来降低推理阶段的显存占用和盘算压力，对长上下文场景超等友好。

其次，模子原生支持128K上下文长度。这就让模子有能力直接处置惩罚完整代码客栈、跨文件依赖以及大规模工程上下文。

第三，76800个token的词表大�。媸荡肭樾沃衅等苑浩鸬谋晔斗⒙肪睹头抛楹�。

最后，在Loop变体中，模子接纳了具有跨两次迭代共享参数的循环Transformer设计，用重复盘算换取更高的参数使用率，在不线性扩大模子规模的条件下提升性能。

作者刻意指出，这和早期Parallel Loop Transformer差别，去掉了token shifting和inference trick，更强调推理阶段的稳固性。

这些特征组合在一起，有利于模子在真实软件工程场景中跑得更好。

来看官方展示的更多case。

Prompt 1：构建一个粒子-文本动画，知足以下要求。

文本采样：将给定文本（例如，IQuest）在 Canvas 上转换为由数百个小粒子组成的点阵。状态：每个粒子都有一个目今位置和一个目的位置（形成文本）。交互式物理效果：当鼠标靠近时相互倾轧和散开；当鼠标移开时平滑地弹回。视觉效果与缓动：随机/渐变颜色，用于整体运动的缓动效果。

Prompt 2：构建一个实时像素沙盒游戏。

通过按钮切换沙子、水、石头和酸液；在画布上涂画可天生具有差别颜色的元素；大规模更新依然流通；元素会自然着落并流动。

Prompt 3：构建一个完整的单文件HTML5 Canvas太空射击游戏，具有复古霓虹美学和显着的战斗反响。

视觉气概：玄色配景，高饱和度霓虹几何形状，街机感�？刂疲篧ASD移动；两种瞄准/炮塔模式（鼠标追随，或按R键旋转炮塔）。射击：带完整视觉效果的自动射击太空飞船。反�。夯魃笔保浩鹆Ｗ颖ㄐЧ�；受到危险时，屏幕会震惊。仇人：通俗士兵/奇袭者/重型坦克，以及Boss战。进阶：按P键能升级火力。

Prompt 4：基于鸟群算法的仿生鸟/鱼群体模拟，拥有150个以上的自主Agent，有实时调理功效。

焦点规则：疏散（阻止碰撞）、对齐（速率匹配）和内聚（群体中心）。实时面板：调解疏散/对齐/凝聚权重（0-3）、视觉半径（20-150 像素）和最大速率。交互：鼠标充当捕食者，使周围的智能体散开。渲染：在深色配景下，以运动偏向旋转的霓虹三角形和发光轨迹。工具：FPS 计数器和暂停/继续（空格键）。

与众差别的“代码流多阶段训练”训练战略

IQuest-Coder的训练流程如下——

预训练阶段先用通用数据和大规模代码数据打底，然后通过高质量代码annealing强化基础代码表征。

中期训练阶段第一次明确引入reasoning、agent trajectory和长上下文代码，并且分32K和128K两个标准逐步推进。

最终post-training阶段，模子被明确分流成instruct蹊径和thinking蹊径，划分用差别目的函数和RL方法收敛。

官方强调，IQuest-Coder-V1系列接纳了与古板简单静态源代码训练差别的训练战略。

称之为code-flow multi-stage training。

与大宗代码模子着重从静态代码片断中学习差别，这套要领强调从代码的演化历程中学习。

团队专门设计了基于项目生命周期的triplet数据结构方法，用 (R_old, Patch, R_new) 这样的结构，让模子看到稳固期代码、变换内容以及变换后的效果。

并且刻意避开项目早期和后期，只取40%–80%生命周期区间。

这一步现实上把“软件工程履历”显式编码进了训练数据里。

以是模子看到的并不但是某一时刻的完成态代码，还包括修改前后的差别、提交历史中的逻辑转变，以及真实工程中重复试错和修正的痕迹。

也就是说模子被训练得能够捕获软件逻辑的动态演变。

不少网友推测，这就是IQuest-Coder-V1在多个软件工程类评测中体现突出的主要缘故原由之一。

这套模子效果确实亮眼。

SWE-Bench Verified：81.4%BigCodeBench：49.9%LiveCodeBench v6：81.1%

下面这张图体现得更直观一点，IQuest-Coder在八个代码、Agentic相关榜单上都独吞鳌头。

不过，GitHub上白纸黑字写着，模子可以天生代码，但不可执行，始终在沙盒情形中验证输出效果。

安排方面，官方信息显示，不管是基础版本照旧Loop版本，都支持单卡H20推理。

其Int4版本可在单张消耗级3090/4090 GPU上安排。

有网友体现，非Loop版本的模子似乎接纳的是阿里Qwen2的架构。

随着关注度上升，质疑也同步泛起。

九坤投资公司是谁？

好，最后我们来熟悉一下IQuest-Coder背后的公司，九坤投资（Ubiquant Holding Limited）。

公司建设于2012年，是中国较早一批专注量化投资和高频生意的私募机构之一，现在治理规模在数百亿元人民币，和幻方同属于公认的海内量化私募头部公司。

九坤主要办公地在北京，3周前开设了新加坡办公室。

联合首创人王�。�2000年考入清华大学，获得数学物理学士学位和理论盘算机博士学位，博士时代师从图灵奖得主姚期智院士。

博士结业后，王琛就职于美国顶级对冲基金Millennium，后创业担当九坤投资联合首创人、CEO。

联合首创人姚齐聪，2002年考入北京大学数学系，获得数学学士和金融数学硕士学位。

硕士结业后进入Millennium，后与王琛配合创业，主要认真九坤投研系统搭建、量化战略开发和危害治理，被视为公司战略和风控系统的焦点设计者之一。

九坤的投研与手艺团队人数凌驾百人，90%以上结业于清华、北大、复旦、斯坦福等海内外着名高校，博士占比凌驾60%。

果真信息显示，这家公司现在也倾向于从全球顶尖高校招募具有盘算机、数学、物理、统计学等配景的应届结业生。

在AI领域，幻方更早凭DeepSeek站到台前。

不过盘问有关资料发明，此前九坤也很注重AI手艺这一块。

现在，九坤的IT和算力建设位居海内量化机构前三，并建设了数据实验室（DATA LAB）、人工智能实验室（AI LAB）等多个前沿实验室。

本次宣布的IQuest-Coder就出自其提倡设立的自力研究平台至知立异研究院。

倒也不全是为了把AI用在金融市场展望和生意决议啦——前段时间（2025年12月16日），九坤已经推出过通用推理模子URM。

该模子在ARC-AGI准确率为53.8%，当允许多次实验时，URM的乐成率能抵达85%以上；在更难题的ARC-AGI 2上也拿到了16.0%。

Paper最后附上了IQuest-Coder团队的成员名单。

挺长的，就纷歧一先容了。

不过我们发明这篇paper的焦点作者层，和《Scaling Laws for Code》《CodeSimpleQA》《From Code Foundation Models to Agents and Applications》作者阵容重合度很是高。

以是这里稍微睁开先容一下Core Contributor的几位成员。

（注：IQuestLab团队成员许多没有果真小我私家档案，我们这里放出可寻找到的果真资料）

Jian Yang，谷歌学术被引量凌驾1.6万。

此前应该在Qwen 2.5和Qwen 3团队待过很长一段时间，2025年起最先在九坤投资揭晓论文。

Zhengmao Ye，本科结业于西南交通大学，在四川大学获得盘算机科学硕士学位。

此前，他曾在华为和商汤科技担当过手艺事情职员。

你没看错，8位Core Contributor就找到了2位的果真资料，真的起劲了.gif

另外，paper的通讯作者，是九坤人工智能实验室首席研究员和认真人Bryan Dai。

Paper地点：https://github.com/IQuestLab/IQuest-Coder-V1/tree/main/papers参考资料：[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/