01.AI
Shares tags: ai
IQuest-Coder-V1 — это LLM с открытым исходным кодом, который генерирует, тестирует и дорабатывает многофайловый код с поддержкой 128K-context, разработанный IQuest Lab.
<a href="https://www.stork.ai/en/iquest-coder-v1" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/iquest-coder-v1?style=dark" alt="IQuest-Coder-V1 - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/iquest-coder-v1)
overview
IQuest-Coder-V1 — это семейство больших языковых моделей с открытым исходным кодом, ориентированных на код, разработанное IQuest Lab, которое позволяет разработчикам, инженерам-программистам и участникам соревнований по программированию генерировать, тестировать и дорабатывать многофайловый код. Он поддерживает автономную разработку программного обеспечения и глубокий анализ кода с нативной поддержкой 128K-context. Выпущенный в начале 2026 года IQuest Lab, исследовательским подразделением в области ИИ китайского количественного хедж-фонда Ubiquant, IQuest-Coder-V1 разработан для понимания эволюции репозиториев, выполнения итеративной самопроверки и ускорения сквозной разработки программного обеспечения. Модель включает инновации в области ИИ, такие как Code-Flow training и обучение с подкреплением для рассуждений, а также рекуррентную архитектуру Loop, предлагая передовую производительность по бенчмаркам с меньшими вычислительными потребностями для локального или облачного развертывания.
quick facts
| Атрибут | Значение |
|---|---|
| Разработчик | IQuest Lab (Ubiquant) |
| Бизнес-модель | Open Source Core, Freemium |
| Ценообразование | Freemium (веса модели бесплатны, пользователи несут расходы на вычисления) |
| Платформы | Локальное/облачное развертывание |
| Доступен API | Нет |
| Основан | Выпущен в начале 2026 года |
| Штаб-квартира | Китай (для Ubiquant) |
features
IQuest-Coder-V1 отличается специализированной архитектурой и методологиями обучения, разработанными для сложных задач кодирования. Семейство моделей, включающее варианты с параметрами 7B, 14B и 40B, спроектировано для глубокого анализа кода и агентных рабочих процессов. Его основные технические характеристики включают нативную поддержку 128K-context, что позволяет обрабатывать обширные кодовые базы и многошаговые трассировки инструментов в рамках одного запроса. Обучение модели включает 'code-flow multi-stage training paradigm' и обучение с подкреплением для улучшенного рассуждения, а также рекуррентную архитектуру Loop, обеспечивающую итеративную самопроверку и понимание эволюции репозитория.
use cases
IQuest-Coder-V1 в первую очередь предназначен для технических специалистов и команд, занимающихся передовой разработкой программного обеспечения и инициативами по кодированию на основе ИИ. Его возможности особенно полезны для сценариев, требующих глубокого понимания кода, модификаций нескольких файлов и автономного решения проблем. Открытый исходный код модели также привлекает разработчиков ИИ и предпринимателей, ищущих настраиваемую и развертываемую помощь в кодировании с ИИ без привязки к поставщику.
pricing
IQuest-Coder-V1 работает по модели freemium. Веса основной модели для вариантов с параметрами 7B, 14B и 40B выпущены как открытый исходный код на Hugging Face, что позволяет пользователям загружать и развертывать их без прямых лицензионных сборов. Пользователи несут ответственность за свои собственные вычислительные расходы, будь то локальное развертывание на оборудовании с достаточным VRAM (например, около 40 ГБ для квантованной модели 40B GGUF) или на облачной инфраструктуре. Эта модель обеспечивает гибкость и позволяет избежать комиссий API или привязки к поставщику, но требует от пользователей управления собственной инфраструктурой и связанными с ней эксплуатационными расходами.
competitors
IQuest-Coder-V1 позиционируется как значительный конкурент с открытым исходным кодом в пространстве LLM для кода, особенно для автономной разработки программного обеспечения. Его модель 40B, с скорректированным баллом SWE-Bench Verified в 76,2%, конкурирует или превосходит более крупные проприетарные модели по ключевым бенчмаркам кодирования. Ключевым отличием является его эффективность, достигающая сопоставимой производительности при значительно меньшем количестве параметров (40B) по сравнению с проприетарными моделями, часто превышающими 400B-800B+ параметров. Его открытый исходный код обеспечивает прозрачность, настраиваемость и возможности локального развертывания, что контрастирует с альтернативами с закрытым исходным кодом.
DeepSeek Coder is a series of open-source code language models trained from scratch on a large corpus of code and natural language, excelling in various coding benchmarks.
Like IQuest-Coder-V1, DeepSeek Coder is an open-source, code-focused LLM available in various sizes and is free for research and commercial use. It emphasizes strong performance on coding benchmarks, similar to IQuest-Coder-V1's focus on SWE-Bench and LiveCodeBench.
WizardCoder is an open-source code Large Language Model (LLM) optimized on Llama 2, specifically fine-tuned with the Evol-Instruct algorithm to handle complex coding instructions effectively.
Both WizardCoder and IQuest-Coder-V1 are open-source, code-focused LLMs aiming for state-of-the-art performance in coding tasks. WizardCoder focuses on instruction-following through its fine-tuning approach, while IQuest-Coder-V1 uses a 'Code-Flow' training paradigm and offers 'Instruct' and 'Thinking' variants.
OpenCode is an open-source, terminal-first AI coding agent that is model-agnostic, allowing users to connect various LLM providers (including local models) for autonomous coding workflows.
OpenCode directly competes in the 'agentic coding' and 'autonomous software engineering' space like IQuest-Coder-V1. While IQuest-Coder-V1 is a family of LLMs, OpenCode acts as an agentic harness that can utilize different LLMs, including free tiers, for code generation and execution.
GLM-5.1 is a flagship open-source LLM specifically designed for agentic engineering and complex, long-horizon software development tasks, excelling in reasoning, coding, and agentic workflows.
Similar to IQuest-Coder-V1, GLM-5.1 is an open-source LLM focused on agentic engineering and software development, with a strong emphasis on reasoning and handling long-horizon tasks. It is designed to improve its outputs through repeated iteration, aligning with autonomous software engineering goals.
IQuest-Coder-V1 — это семейство больших языковых моделей с открытым исходным кодом, ориентированных на код, разработанное IQuest Lab, которое позволяет разработчикам, инженерам-программистам и участникам соревнований по программированию генерировать, тестировать и дорабатывать многофайловый код. Он поддерживает автономную разработку программного обеспечения и глубокий анализ кода с нативной поддержкой 128K-context.
IQuest-Coder-V1 работает по модели freemium. Веса основной модели являются открытым исходным кодом и доступны для бесплатной загрузки. Пользователи несут ответственность за свои собственные вычислительные расходы при развертывании моделей локально или на облачной инфраструктуре.
Ключевые особенности включают его открытый исходный код, нативную поддержку 128K-context, способность генерировать, тестировать и дорабатывать многофайловый код, специализированное обучение Code-Flow training, рекуррентную архитектуру Loop и дизайн для автономной разработки программного обеспечения и агентного кодирования. Он также выполняет итеративную самопроверку и понимает эволюцию репозитория.
IQuest-Coder-V1 предназначен для разработчиков, инженеров-программистов, участников соревнований по программированию, разработчиков ИИ и команд, ищущих настраиваемую помощь в кодировании с ИИ. Его варианты использования охватывают генерацию многофайлового кода, автономную разработку программного обеспечения, рефакторинг, анализ первопричин и создание скриптов автоматизации.
IQuest-Coder-V1 конкурирует с другими LLM для кода с открытым исходным кодом, такими как DeepSeek Coder, Qwen3-Coder, GLM (Zhipu AI) и Kimi-Dev (Moonshot AI). Он отличается акцентом на автономной разработке программного обеспечения, агентном кодировании и эффективности, достигая конкурентоспособной производительности по бенчмаркам при значительно меньшем количестве параметров, чем многие проприетарные модели. В отличие от альтернатив с закрытым исходным кодом, он предлагает полную прозрачность и настраиваемость благодаря своим весам модели с открытым исходным кодом.
For builders
AI agents read it. Buyers find it. Backlinks accrue. Your tool can have one too — live in 24 hours, indexed by Claude, ChatGPT, and Perplexity, queryable via MCP.