На горизонте появился новый серьезный игрок для всех, кто строит софт с помощью AI-агентов. Команда IQuest опубликовала технический отчет по серии моделей IQuest-Coder-V1 (размеры 7B, 14B и 40B), и цифры выглядят крайне многообещающе для опенсорс-сегмента.

Главная фишка релиза — парадигма обучения code-flow. Вместо того чтобы просто скармливать модели статические куски кода, разработчики обучали её на динамике: как меняется логика софта в процессе пайплайна разработки. Это именно то, чего не хватает многим LLM для уверенной работы в Cursor или Windsurf при рефакторинге больших репозиториев.

Что внутри линейки?

Разработчики разделили обучение на два специализированных пути:

1. Thinking Path: Модели, заточенные под глубокие рассуждения (Reasoning-driven RL). Идеально для решения сложных архитектурных задач.
2. Instruct Path: Оптимизированы для быстрой помощи и повседневного кодинга.

Особого внимания заслуживает версия IQuest-Coder-V1-Loop. В ней реализован рекуррентный механизм, который позволяет модели сохранять высокую производительность при значительно меньшем «футпринте» памяти. Для тех, кто запускает локальные модели, это может стать геймчейнджером.

Бенчмарки: GPT-5.1 и Sonnet 4.5 в зеркале заднего вида

В тестах на агентную деятельность IQuest-Coder показывает зубы:

• Terminal-Bench-v1.0: Модель набрала 51.3, обойдя Claude-Sonnet 4.5 (51.0) и оставив далеко позади GPT-5.1 (35.0).
• FullStackBench: Здесь IQuest-Coder-V1 стал абсолютным лидером с результатом 68.3, опередив Qwen3-Coder и GPT-5.1.
• SWE-Bench Verified: Флагманская 40B модель показывает 77.2, что ставит её в один ряд с топовыми проприетарными решениями.

Почему это важно для вайбкодеров?

Для нас это означает, что эра зависимости от API Claude и OpenAI может закончиться быстрее, чем мы думали. IQuest-Coder-V1 демонстрирует исключительные способности в agentic software engineering — то есть в автономном использовании инструментов, работе с терминалом и понимании контекста на уровне целого репозитория (поддерживается контекст до 128k).

Команда обещает «white-box» релиз: будут доступны все чекпоинты от пре-трейна до финальных thinking-версий. Это позволит сообществу дообучать модели под конкретные стеки еще эффективнее.