单张显卡跑出15倍推理速度,aiX-apply-4B小模型加速企业AI研发落地

为什么是4B小模型？因为企业的算力“就这么多”

  3月25日，硅心科技（aiXcoder）发布了一款专为「代码变更应用」场景设计的高性能、轻量级模型aiX-apply-4B。基准测试结果显示，在20多种主流编程语言及Markdown等多类型文件格式的测试中，aiX-apply-4B的平均准确率达到93.8%，超越Qwen3-4B基座模型62.6%的准确度，甚至高于千亿级大模型DeepSeek-V3.2。

  同一任务场景下，aiX-apply模型算力成本约为DeepSeek-V3.2的5%，推理速度则提升15倍，仅需一张消费级显卡即可在企业部署。

  当全行业还在卷参数、卷通用能力时，这家北大系AI Coding赛道创企早已将目光投向了更深水区的问题——在企业研发算力有限的背景下，AI到底该如何赋能智能化软件开发？

多智能体协作加剧企业算力压力

  随着OpenClaw等智能体框架的普及，企业AI应用正从单次模型调用走向多智能体协作。一个复杂任务的完成往往需要10到50次模型调用，并发场景下的Token消耗更是达到传统模式的数倍甚至数十倍。

  这一变化直接加剧了企业的算力压力。尤其对于金融、通信、能源、航天等关键领域的企业来说，私有化部署的算力“就这么多”且极其宝贵。每一次额外的模型调用，都在消耗本就紧张的算力资源，推高延迟的同时挤占并发能力。

  当多智能体协作成为常态，如何控制算力成本成为企业面临的核心挑战之一。公有云“烧”Token的模式无法满足企业数据安全需求，私有化部署千亿级、万亿级大模型成本高昂且容易导致算力空转浪费。

  这时，如何用有限算力实现最优配置，让每一份算力都能落到最需要的研发场景中去，是行业亟待解决的核心问题。

聚焦代码变更应用场景

  正是在这样的行业背景下，aiXcoder推出了更适合企业私有化部署的aiX-apply-4B轻量级模型，服务于代码变更应用场景。

  这一场景的核心挑战在于，需要将模型生成的不规整、碎片化的代码片段，精准、无损地应用到原始文件中，同时严格保持缩进、空白符、上下文的一致性，不牵动其他代码、避免引入新问题。

模型训练贴合真实企业场景

  据了解，为了贴合真实企业研发应用场景，确保模型应用效果，aiXcoder结合真实企业场景下的代码提交记录构建了aiX-apply-4B模型的训练数据集，基于高性能强化学习框架开展模型训练，并纳入了对各种边界情况的考虑。