Qodo，前身为Codium，是一家专注于人工智能驱动的代码质量平台的公司。近日，该公司发布了Qodo-Embed-1-1.5B，这是一款开源的代码嵌入模型，拥有15亿个参数，旨在提升代码搜索、检索和理解的能力。该模型在行业基准测试中表现优异，超越了OpenAI和Salesforce的大型模型，同时以更小的规模和更高的效率树立了新的企业标准。

对于管理庞大复杂代码库的企业开发团队来说，Qodo-Embed-1-1.5B代表了AI驱动软件工程工作流程的重大进步。通过实现更准确、更高效的代码检索，该模型解决了AI辅助开发中的关键挑战——大型软件系统中的上下文感知问题。

代码嵌入模型的重要性

AI驱动的编码工具传统上侧重于代码生成，大型语言模型(LLM)因其编写新代码的能力而备受关注。然而，Qodo的首席执行官兼联合创始人Itamar Friedman指出：“企业软件可能包含数千万甚至数亿行代码。仅仅生成代码是不够的，还需要确保代码质量高、功能正常，并与系统的其他部分无缝集成。”

代码嵌入模型在AI辅助开发中扮演着关键角色，能够有效搜索和检索相关代码片段。这对于代码量庞大、涉及多个团队、存储库和编程语言的大型组织尤为重要。Friedman强调：“在当今的软件开发中，上下文至关重要。要从庞大的代码库中获取正确的上下文，必须依赖高效的搜索机制。”

Qodo-Embed-1-1.5B的性能与效率

Qodo-Embed-1-1.5B以其高效性和准确性脱颖而出。尽管许多先进模型依赖数十亿个参数(如OpenAI的text-embedding-3-large拥有70亿个参数)，Qodo的模型仅用15亿个参数就实现了卓越的性能。在代码信息检索基准(CoIR)测试中，Qodo-Embed-1-1.5B得分为70.06，优于Salesforce的SFR-Embedding--2_R(67.41)和OpenAI的text-embedding-3-large(65.17)。

这种性能水平对企业尤为重要，因为该模型能够在低成本GPU上运行，降低了基础设施成本，同时提高了软件质量和开发效率。

解决代码复杂性与细微差别

AI驱动软件开发中的一大挑战是外观相似的代码可能具有截然不同的功能。Friedman举例说明：“嵌入代码的最大挑战之一是，两个几乎相同的函数(如‘withdraw’和‘deposit’)可能只差一个加号或减号。它们在向量空间中需要接近，但又必须明显区分。”

为了解决这一问题，Qodo开发了一种独特的训练方法，结合高质量的合成数据和真实代码样本。通过与Nvidia和AWS的合作，Qodo改进了模型训练过程，使其能够识别功能相似代码中的细微差异，确保开发人员检索到正确的结果。

多语言支持与未来扩展

Qodo-Embed-1-1.5B已针对10种最常用的编程语言(包括Python、JavaScript和Java)进行了优化，并支持其他语言和框架。未来，Qodo计划进一步扩展模型功能，提供更深入的企业开发工具集成和更多语言支持。

Friedman表示：“许多嵌入模型难以区分编程语言，有时会混淆来自不同语言的代码片段。我们专门训练了模型以防止这种情况，重点关注企业开发中最常用的10种语言。”

企业部署与可用性

Qodo通过多种渠道提供其新模型。1.5B参数版本可在Hugging Face上免费获取，采用OpenRAIL++-M许可证，允许开发人员自由集成到工作流程中。企业用户可选择商业许可版本，获取更多功能。此外，Qodo还提供企业级平台，能够自动更新代码嵌入，确保模型在代码库变化时保持准确性。

该模型还将通过Nvidia的NIM平台和AWS SageMaker JumpStart提供，便于企业部署和集成到现有开发环境中。

AI在企业软件开发中的未来

随着AI驱动的编码工具快速发展，其重点正从代码生成转向代码理解、检索和质量保证。Qodo-Embed-1-1.5B等工具将在使AI系统更可靠、高效和经济高效方面发挥关键作用。

Friedman总结道：“对于财富15,000强企业的开发人员来说，AI不仅仅是代码生成工具。他们的工作流程需要对大型代码库有深入理解。高质量的代码嵌入模型正是解决这一需求的关键。”

Qodo的最新模型为企业在复杂软件生态系统中理解、管理和优化代码提供了高性能的解决方案，标志着AI在软件开发中的应用迈出了重要一步。

Qodo推出开源代码嵌入模型，性能超越OpenAI和Salesforce