Команда IQuest опубликовала исследование (arXiv:2603.16733v1), которое может изменить подход к созданию AI-агентов. Их новая разработка — серия моделей IQuest-Coder-V1 (от 7B до 40B параметров) — нацелена на то, чтобы превратить нейросеть из простого автодополнителя строк в полноценного инженера, понимающего динамику проекта.
Главная фишка: Обучение на «потоке кода»
Вместо того чтобы скармливать модели статические наборы данных, разработчики использовали метод Code Flow. AI обучали на истории коммитов и изменениях в репозиториях. Это позволяет модели понимать не только финальный результат, но и логику развития проекта: почему были внесены правки и как код адаптируется под новые требования.
Для вайбкодеров это означает, что агент станет лучше справляться с рефакторингом и пониманием контекста в больших legacy-проектах.
Архитектура LoopCoder: AI, который умеет перепроверять
Самое интересное решение — модель 40B-Loop. В отличие от стандартных трансформеров, которые работают как «конвейер» (один проход от входа к выходу), LoopCoder использует циклическую обработку. Модель анализирует код в два этапа:
- Формирует базовое понимание.
- Перепроверяет свои выводы, учитывая результаты первого прохода.
Это имитирует поведение опытного разработчика, который перечитывает свой код перед деплоем, чтобы найти скрытые баги.
Результаты тестов и «автономный ремонт»
IQuest-Coder-V1 показал впечатляющие цифры в бенчмарках, ориентированных на реальные задачи:
- SWE-bench Verified: 77.2 балла (способность фиксить реальные GitHub-issue);
- LiveCodeBench v6: 87.0 баллов;
- BigCodeBench: 49.9 балла.
Исследователи выделили важный инсайт: использование Reinforcement Learning (RL) в «пути размышления» (Thinking Path) позволило модели научиться автономному восстановлению после ошибок. Если AI допускает баг при генерации, он способен самостоятельно его обнаружить и исправить в процессе работы над задачей.
Что это значит для нас?
Появление моделей вроде IQuest-Coder-V1 приближает эру, когда AI-агент сможет самостоятельно поддерживать сложные Open Source проекты. Если раньше мы использовали Cursor или Windsurf для генерации функций, то такие инструменты, как LoopCoder, смогут брать на себя долгосрочное планирование и исправление ошибок в масштабе всего репозитория (контекст до 128k токенов).
