创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

aiXcoder开源4B编程智能体上下文压缩模型

AI 总结

aiXcoder开源了4B参数模型aiXcompact-4B,可通过保留关键需求、精简工具结果、删除失效记录并生成结构化任务摘要来压缩编程智能体历史轨迹。该模型支持在单张A100-40GB显卡上私有化部署。aiXcoder称,接入OpenCode后,其在Terminal-Bench上的整体任务完成准确率与DeepSeek-V4-Pro持平,并在特定私有化部署任务中将单次GPU推理成本降低78%;相关基准和成本数据尚无独立验证。

深度见解

该模型为长程编程智能体任务提供了可本地部署的上下文压缩方案,但目前公布的性能与降本效果仍主要来自厂商数据。

智东西 作者 |  杨京丽 编辑 |  李水青

智东西11月11日报道,今日,孵化自北京大学软件工程研究所的AI编程创企硅心科技(aiXcoder)开源上下文压缩专用模型aiXcompact-4B。该模型主要面向编程Agent的长程复杂研发任务场景,参数量仅4B,支持单张A100-40GB显卡私有化部署。

aiXcompact-4B进行上下文压缩时,能够针对编程Agent的历史轨迹进行结构化处理:保留关键原始信息,精简文件读取、代码搜索和测试运行等工具返回结果,删除重复或失去参考价值的中间记录,并生成结构化任务摘要,以较低成本减少后续重复输入带来的Token开销。

根据aiXcoder公布的数据,在Terminal-Bench基准测试中,将aiXcompact-4B接入OpenCode进行上下文压缩测试后,整体任务完成准确率与DeepSeek-V4-Pro持平。在私有化部署场景下,针对特定任务的单次GPU推理成本较DeepSeek-V4-Pro降低78%。

#aiXcoder#aiXcompact-4B#OpenCode#DeepSeek-V4-Pro#Terminal-Bench#NVIDIA A100

原文约 7 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。