《IQuest-Coder-V1 开源：中国量化基金的 AI 编程突破》
2026 年 1 月 4 日，九坤投资旗下至知创新研究院正式开源IQuest-Coder-V1系列 AI 编程 Agent 模型，涵盖 7B、14B、40B 三个参数版本。这是国内量化基金首次向产业界输出自研编程大模型，打破了 AI 编程工具由科技巨头主导的格局，为量化投资、企业级软件工程等场景提供了高效、定制化的协同开发方案。
量化投资的核心是通过海量数据挖掘与复杂算法构建交易策略，其研发流程涉及高频因子编写、回测系统开发、风控模型迭代等大量编程任务，对代码的准确性、高效性和可维护性要求极高。
传统编程模式存在两大痛点：
领域壁垒高：量化策略涉及金融工程、统计学、计算机科学等多领域知识，普通编程模型难以理解量化场景的专业逻辑。
开发效率低：策略迭代周期短，人工编写、调试代码的流程繁琐，难以匹配量化投资 “快速试错、快速落地” 的节奏。
为此，至知创新研究院基于量化投资的真实研发场景，历时两年打造了 IQuest-Coder-V1，实现 “专业场景理解 + 高效代码生成 + 全流程调试” 的闭环能力。
二、 核心技术创新：三大突破重塑编程 Agent 能力
不同于通用编程模型基于单一代码片段训练，IQuest-Coder-V1 采用 **“需求 - 代码 - 反馈” triplet 数据范式 **，数据全部来源于九坤投资真实的量化策略研发流程：
需求侧：收录量化研究员的自然语言策略描述（如 “构建基于分钟线的动量因子，剔除停牌股票影响”）；
代码侧：匹配对应的 Python/C++ 策略代码、回测脚本；
反馈侧：标注代码的回测效果、Bug 修复记录、性能优化建议。
这种数据构造方式让模型深度理解 “需求到落地” 的完整链路，而非仅生成语法正确但不符合业务逻辑的代码。
模型采用 **“预训练 - 精调 - 对齐” 三阶段训练流程 **，针对性强化编程核心能力：
预训练阶段：基于万亿级代码语料夯实基础编程能力，重点学习量化投资常用的 Pandas、NumPy、TensorFlow 等库的调用逻辑；
精调阶段：引入九坤内部的策略代码库，让模型适配量化场景的代码风格与算法逻辑；
对齐阶段：通过强化学习优化模型输出，使其生成的代码更符合研究员的阅读习惯，且能直接对接回测系统。
IQuest-Coder-V1 支持自然语言 - 代码 - 图表多模态交互，研究员只需输入策略的自然语言描述，模型即可生成完整代码，并自动输出回测结果的可视化图表；若代码运行出错，模型能根据报错信息自主定位问题并修复，实现 “一次输入，全程无忧”。
在至知创新研究院搭建的量化编程基准测试集（涵盖 1000 个真实策略开发任务）中，IQuest-Coder-V1 的核心指标显著优于主流开源编程模型：
在通用编程基准测试（如 HumanEval、MBPP）中，IQuest-Coder-V1 的 40B 版本也达到了国际开源模型的先进水平，证明其在量化场景之外的通用编程能力。
打破量化技术壁垒：开源后，中小量化机构、科研团队可直接使用该模型降低策略研发成本，无需投入巨资自研编程工具。
推动 AI 编程场景化落地：IQuest-Coder-V1 的 “场景定制化” 研发思路，为金融、医疗、工业等垂直领域的 AI 编程模型提供了参考范式。
赋能企业级软件工程：模型支持企业内部系统的代码生成、维护与优化，尤其适用于需要结合业务逻辑的定制化开发场景。
目前，IQuest-Coder-V1 的代码与模型权重已在 Hugging Face、GitHub 等平台开源，至知创新研究院还同步发布了配套的训练与部署教程，助力开发者快速上手。
