NLP Core Team

⚡️ DeepSeek V4 Flash 0731 — прорыв в post-training моделей или переобучили на бенчах? Архитектуру не меняли с прошлой версии — тот же 284B MoE с ~13B активных параметров, 1M контекст. DeepSeek провёл новый цикл post-training, именно он дал взрывной рост на агентных бенчмарках. По бенчмаркам модель обходит V4-Pro Preview (1.6T параметров) на всех девяти опубликованных агентных тестах — при том, что активирует вчетверо меньше параметров на токен: — Terminal-Bench 2.1 — 82.7 против 61.8 у preview (и 72.1 у Pro Preview) — DeepSWE — 54.4 против 7.3 у preview — рост в 7.5× только за счёт post-training ... Также на опубликованных DeepSeek бенчах оставляет позади себя GLM 5.2. Мы замерили на своём бенче через нашего агента (выборка заданий из SWE-bench Verified). Результаты на картинке. Метрика выше GLM 5.2 и Sonnet 5. Также недавно мы замеряли Kimi K3, и оказалось, что с нашим харнесом модель показала невысокий результат и совсем не рядом с Opus 4.8. DeepSeek V4 Flash 0731 добавили в KodaCode. Можно тестить. PS: Кстати, ранее добавили Claude Opus 5 в KodaCode, и он по метрикам нашем сете — 88% vs Opus 4.8 — 83%. @kodacoderu

🎉 Скидка 30% на любую покупку + продлили рефералку 20% / 20%. Отличная возможность затариться лимитами впрок по отличной цене. Нам нужна выручка и утилизация наших мощностей, а вам — отличные цены. 🔸 Вот два кода: KODA-X30WA и KODA-X30W. Действуют до 1 августа 2026. Оба дают скидку 30% на любую покупку: подписку или доп. лимиты. Один можно применить к покупке подписки, а второй — к покупке дополнительных лимитов. Каждый код можно применить один раз и только к одной покупке. В личном кабинете вбиваете код, и цены пересчитываются с учётом скидки. На подписки сроком 3 и 12 месяцев уже действуют скидки 10% и 20% соответственно. С промокодом добавится ещё скидка 30%, и годовую подписку можно будет взять почти за полцены. ➕ Мы продлили рефералку «20% другу + 20% вам» до конца августа. Напомню, как это работает: Друг покупает подписку или доп. лимиты со скидкой 20% — вы получаете 20% от суммы покупки в виде лимитов на Koda Pro. Бонусы не сгорают. Друг тоже может применить код к одной покупке. 🔸 Если ведёте канал, пишете статьи или активно общаетесь в профильных чатах, одна публикация вашего кода может дать ощутимый запас запросов. А если команда подключится к Kodacode SaaS по вашему коду, бонус будет рассчитан от всего объёма покупки лицензий. Правила рефералки. @kodacoderu

🚀 Koda Desktop [beta] — больше возможностей и не только для задач разработки Новая поверхность общения с агентом Koda. Расширяет возможность использования агента для различных задач и да не только для разработчиков. 🤖 Можно приложить скриншот бага и лог, сверить требования из DOCX с реальным поведением в коде, собрать чеклист регрессии, написать runbook и т,д. ❗️Проект и код вообще не обязательны. Koda Desktop подходит для задач, не связанных с разработкой: — изучить научный пейпер и объяснить главное — найти и сравнить свежие новости на тему — разобрать PDF, DOCX, таблицу или большой лог — .... ⚙️ Для однотипных задач можно создать свой режим: задать промпт и оставить только нужные инструменты. Например, включить веб-поиск, но отключить изменение файлов. А при работе с проектом всё остаётся под контролем: Koda показывает diff перед правкой, поддерживает режим «Только чтение» и позволяет работать с Git прямо в приложении. 🧑‍💻Koda Desktop сейчас в beta. Пробуйте и делитесь вашим фидбеком. Пишите в сообщество про баги, которые встретите, быстро будем их фиксить. Детали можно почитать в релизной статье на Хабре 📚 Документация Koda ⬇️ Скачать Koda Desktop @kodacoderu @kodacommunity

🚀На Хабре вышла наша статья о QuantCode-Bench Ранее мы представили QuantCode-Bench — бенчмарк для оценки способности LLM генерировать исполняемые алгоритмические торговые стратегии. Теперь подробно рассказали на хабре, как он устроен, какие ошибки допускают современные модели и почему корректно запускающегося кода недостаточно, чтобы считать торговую задачу решённой. В статье разбираем: ✦ как устроен датасет из 400 задач разной сложности; ✦ как модели проходят четыре этапа проверки: Compilation, Backtest, Trade и Judge; ✦ чем генерация с одной попытки отличается от agentic-режима с обратной связью; ✦ где чаще всего ошибаются модели; Также добавили свежие замеры для GPT-5.5 и Claude Opus 4.8: — в single-turn режиме GPT-5.5 получила 82,5% Judge Pass, Claude Opus 4.8 — 77,0%; — в agentic multi-turn режиме результаты достигли 98,8% и 96,5% соответственно. 📝 Статья на Хабре 🏆 Leaderboard 💻 Код и датасет 📄 Статья на arXiv

⚡️ Обновили наш финансовый бенчмарк для LLM — теперь глубже, чище и масштабнее Напомню, что мы в лаборатории ИИ Финама занимаемся разработкой модели LLM для финансов и трейдинга. И да, бенчмарки это важная часть на пути создания такой модели. В прошлый раз мы рассказывали, про наш бенч для домена финансов и трейдинга. Что нового: 🔹 Пофиксили проблемные вопросы в CFA-like Level 1 🔹 Добавили новый академический бенчмарк по техническому анализу 🔹 Прогнали SOTA-модели 🔹 Сравнили наши бенчи с публичными, оценили емкость. 🔹 Улучшили комплексную оценку Если коротко: мы не просто добавили ещё один leaderboard, а попробовали понять, какие финансовые задачи LLM действительно умеют решать, а какие пока только имитируют. Подробностями можно почитать в нашей статье на хабре. еще пару ссылок: 👉 Хабр первая статья 👉 Лидерборд здесь 👉 Код 👉 arXiv

🚀🚀🚀 Kodacode release v1.0 + топовая модель Koda Pro на основе GLM 5.2 Прошёл больше года с первого публичного релиза KodaCode для VS Code — и сегодня мы выпускаем версию 1.0. Да и с лендинга убираем подпись «beta-тестирование». В v1.0 мы сильно обновили агента, улучшили модели. На нашем бенче из задач SWE-bench Verified качество старой Koda Pro выросло на +10 п.п.: Koda Pro old: 59% → 69% Koda Base: 35% → 45.1% А новая Koda Pro на GLM 5.2 приблизилась к топовым моделям: Koda Pro GLM 5.2 — 77.4% Claude Sonet 5 — 78.8% Claude Opus 4.8 — 83% Еще в релизе кроме агента : - маркетплейс скилов и MCP - простое подключение российских провайдеров моделей: vsellm.ru, bothub.chat, proxyapi.ru, neuraldeep.ru. - Telegram-интеграцию теперь можно использовать не только в VS Code, но и в JetBrains и CLI - добавили просмотр diff прямо в чате в плагинах - улучшили с зависаниями на больших сессиях - кучу багов пофиксили Больше деталей в статье на хабре https://habr.com/ru/article/1056758/ Скачать KodaCode тут https://download.kodacode.ru

🚀Наша новая модель NextEdit Suggestions. Обычный автокомплит предсказывает текст под курсором. А что если модель будет предсказывать следующее действие программиста — что он изменит, где и как? Это Next Edit Suggestions (NES). Модель смотрит на историю правок и предсказывает следующую правку в той же логике. Не только добавляет код — но и удаляет, переименовывает, рефакторит. И не только под курсором, а в любом месте файла. Как обучали: взяли Qwen2.5-Coder-1.5B как базу, подготовили качественный NES-датасет (склейка микро-правок, фильтрация по причинной связи с историей, апсемплинг replace), обучили SFT. Результат: наша модель 1.5B занимает топ-1 в среднем по бенчмаркам, обгоняя модели до 7B. Подробности как обучали в статье на Хабре: https://habr.com/ru/companies/koda/articles/1028578/ Уже доступна в бете в Kodacode для VSCode. Пробуйте и делитесь фидбеком. Так на всякий напомню, что в Kodacode не одна модель под капотом, кроме большой LLM. Есть модели CodeСompletion, модели поиска (embedder и reranker), apply модель и вот еще наша новая модель NextEdit. Установить Koda | Чат поддержки

⚡QuantCode-Bench: бенчмарк для оценки способности LLM генерировать исполняемые алгоритмические торговые стратегии Мы представили QuantCode-Bench — бенчмарк для оценки способности больших языковых моделей генерировать исполняемые алгоритмические торговые стратегии. Бенчмарк формализует задачу как последовательность вложенных требований: синтаксическая корректность, успешный бэктест в Backtrader, наличие сделок и семантическое соответствие исходному описанию задачи. Такая структура позволяет оценивать не только поверхностное качество кода, но и более глубокую способность модели переводить торговую идею, заданную на естественном языке в поведенчески корректную реализацию. QuantCode-Bench содержит 400 задач разной сложности, собранных из Reddit, TradingView, StackExchange, GitHub и синтетических источников. В бенчмарк включены разнообразные задания на написание торговых стратегий с различными индикаторами и multi-timeframe логикой. Рассматриваются два варианта оценки моделей. В single-turn варианте модель за один проход генерирует торговую стратегию, не получая никакой информации о среде исполнения. Такой подход чувствителен к исходным знаниям модели о предметной области, библиотеке и типовых шаблонах стратегий. В agentic multi-turn варианте после каждой неудачной попытки модель получает структурированную обратную связь, содержащую тип ошибки и соответствующее системное сообщение. Модель может пересматривать код и повторять попытку до 10 раз. Этот вариант измеряет способность модели итеративно исправлять ошибки и использовать диагностическую информацию. Полученные результаты показывают, на каком уровне качества сегодня находятся современные LLM в задаче генерации исполнимых алгоритмических торговых стратегий и демонстрируем, что, несмотря на заметный прогресс, в этом домене у моделей сохраняется существенный потенциал для улучшения. QuantCode-Bench может служить полезным инструментом для будущих исследований в области генерации кода в домене написания торговых стратегий алготрейдинга, агентного исправления их кода и оценки LLM в финансовой сфере. Huggingface | arXiv | GitHub | Leaderboard

⚡️ Релиз KodaCode 0.9.0 Главное в этом релизе — экспериментальный удалённый доступ через Telegram! Отправляешь команду агенту с телефона, получаешь результат туда же. Без компьютера под рукой. Как это выглядит – на видео выше. Второе крупное новведение — голосовой ввод. Темп разработки ускоряется, и формулировать задачи агенту голосом становится естественным выбором — не только когда нет возможности печатать, но и просто потому что так быстрее. Наконец, добавили новый режим автодополнения — Next Edit Prediction. Он предсказывает следующее редактирование в контексте того, что вы уже меняли, а не просто дополняет текущую позицию курсора. Все 3 фичи доступны уже сейчас в VS Code. В ближайшее время добавим в CLI и версию для JetBrains IDE. Ну и по мелочи: починили парсинг вызовов инструментов, восстановление истории чатов, добавили оптимизации производительности. 📚 Подробнее — в статье на Хабре: https://habr.com/ru/companies/koda/articles/1024296/ Установить KodaCode | Чат поддержки @kodacoderu

🆕 Релиз KodaCode 0.8.0: мультимодальность и ветвление диалогов Режим чата теперь работает по той же логике, что и агентный, но только с read-only инструментами — можно исследовать кодовую базу без риска случайных изменений. Edit mode убрали: его сценарии полностью покрывает агентный режим. Появилось ветвление диалогов. Если агент пошёл не туда, можно вернуться к любому вызову инструмента в истории и продолжить оттуда — новая ветка не затрагивает предыдущую. А сами сессии теперь можно экспортировать в JSON. Для мультимодальных моделей — gemini-3-flash-preview, gpt-5.3-codex, kimi-k2.5 и gpt-5.4 — добавили возможность прикрепить изображение прямо в чат. 📚 Подробнее про релиз читайте в новой статье на Хабре: https://habr.com/ru/companies/koda/articles/1015972/ Установить KodaCode | Чат поддержки @kodacoderu

🆕 Большой релиз KodaCode 0.6.0: личный кабинет, новые модели и серьёзное обновление плагина Это одно из самых объёмных обновлений KodaCode за последнее время. 🟣 Во-первых, у нас появился личный кабинет с авторизацией и отображением лимитов 🟣 Во-вторых, линейка собственных моделей расширилась и теперь состоит из двух вариантов — Koda Base (ex. KodaAgent) и Koda Pro 🟣 В-третьих, агентный режим получил несколько системных изменений. Реализованы параллельные вызовы инструментов, что сокращает время выполнения сложных цепочек действий. Улучшен стриминг ответов, снижено количество обрывов и некорректных завершений генераций. Подробнее про новое устройство моделей, планы по внедрению подписки и обновление инструментов читайте в новой статье на Хабр. 📚 https://habr.com/ru/companies/koda/news/992200/

🚀Выпустили бенчмарк для замера моделей в области финансов и трейдинга! Помните, что мы еще трудимся над финансовой моделью в лаборатории ИИ «Финама». Мы проделали большую работу и у нас накопилось чем поделится. Первое с чего мы начали это создали бенчмарк, который всесторонне замерял бы модели в области финансов и сейчас про него. ✅ Собрали экзамен‑лайк бенчмарки: • CFA-like Level 1/2/3 — этика, учет, экономика, портфель, риск • CMT-like Level 2 — технический анализ, индикаторы, статистика ✅ Покрыли трейдинг и деривативы: • Trading_TA — паттерны, входы/выходы, система правил • Trading_Derivatives — опционы, арбитраж, синтетика (Hull inside) ✅ Добавили российский контекст: • VLigaBench‑ru — задачи с олимпиады «Высшая лига» по трекам «Финансы и инвестиции» и «Мировая экономика» ✅ Поддержали и классические финбенчмарки: • FinQA, ConvFinQA, TATQA — таблички, отчётность, текст+таблицы • FinDER / FinDER_RAG — многошаговое рассуждение и RAG с обязательным обоснованием ответа Вообщем подробности на: 👉 Хабре 👉 GitHub P.S. Если занимаетесь LLM4Trading / финтехом / моделями под финансы — залетайте, репозиторий открыт, будем рады коллаборациям 🚀

⚡️ KodaCode для JetBrains IDE! Релиз в формате открытой beta-версии. Плагин работает в IntelliJ IDEA, PyCharm, WebStorm, GoLand, Rider, PhpShtorm, а также в GigaIDE и OpenIDE. В KodaCode для JetBrains доступны: 🟣 Агентный режим — для сложных задач с несколькими шагами. 🟣 Чат с моделью (Chat) — с пониманием русского языка и структуры проекта. 🟣 Автодополнение кода (Completion) — в реальном времени, с учётом контекста. 🟣 А также правила проекта, поддержка MCP и широкий набор встроенных инструментов Инструкция по установке: https://download.kodacode.ru Так как это первый мажорный релиз версии для JetBrains IDE, эту версию мы выпускаем в формате бета-тестирования. Нам важно собрать как можно больше реального фидбэка от разработчиков: о стабильности, сценариях использования, UX и качестве генерации. В течение беты мы будем активно выпускать обновления, исправлять найденные проблемы и дорабатывать функциональность. Будем благодарны за фидбек в нашем чате. Подробнее про релиз рассказали в новой статье на Habr: https://habr.com/ru/companies/koda/articles/986976/ Отправляй друзьям и знакомым, которые используют IDE от JetBrains 😉

🫢🫢🫢40B модель IQuest-Coder-V1 бьёт Sonnet 4.5 на бенчмарках!? Новая модель от IQuestLab из Китая. 40B параметров, на многих бенчмарках показывает лучшие скоры и операжает Sonnet 4.5 и GPT 5.1. Правда сегодня метрики на странице HF уже 76.2 а не 81.4 на SWE-bench. Остальные метрики те же и в техрепорте тоже 81.4 на SWE-bench. Из основного про модель: 🧠 Code-Flow обучение — фокусируется не на статических файлах, а на динамической эволюции кода во времени. Основная идея: научить модель понимать не просто синтаксис, а процесс разработки — как код меняется, почему вносятся правки, как развивается архитектура. Формат данных: (старый_код → патч → новый_код) Источник: реальные коммиты из GitHub. Принцип выбора: коммиты из фазы зрелости проекта (40%-80% жизненного цикла), чтобы избежать нестабильных ранних и фрагментированных поздних изменений. 🔄 LoopCoder — трансформер-декодер с уникальной архитектурой "петли": Одни и те же блоки трансформера используются дважды (2 итерации) с общими параметрами. Это позволяет обрабатывать данные в два прохода, создавая более глубокое понимание контекста при меньшем числе параметров. Как работает архитектура LoopCoder: 📌 Первая итерация • Входные эмбеддинги проходят через трансформерные блоки • Формируются скрытые состояния с позиционным сдвигом • Сохраняются для использования во второй итерации 📌 Вторая итерация Здесь два типа внимания: 1️⃣ Global Attention (Глобальное внимание) Queries из итерации 2 обращаются ко всем key-value парам из итерации 1. Позволяет "уточнить" понимание глобального контекста. 2️⃣ Local Attention (Локальное внимание) Queries обращаются только к предшествующим токенам внутри итерации 2. Сохраняется причинность — модель не видит будущие токены. 🎛 Gating Mechanism (Механизм шлюзования) Оба типа внимания комбинируются через обученный gate: output = gate * global_attention + (1 - gate) * local_attention Gate (0–1) вычисляется на основе query-представлений. Модель сама учится, когда использовать глобальный контекст, а когда — локальный. Техрепорт HuggingFace

😎 Мы закрыли свой первый инвестиционный раунд Это важный шаг, который напрямую ускорит развитие продукта: больше ресурсов — быстрее выходят фичи, стабильнее работают модели, активнее развивается агентный режим и Koda CLI. В первом раунде частным инвестором и стратегическим советником стал Виктор Тарнавский, Head of AI в Т-Банке. Спасибо всем, кто уже с нами — продукт растёт именно благодаря вашему фидбеку и активности. 📚 Подробности на Хабр: https://habr.com/ru/companies/koda/news/974842/ И опережая самый популярный комментарий – beta-версию плагина для JB выпустим в ближайшее время 😉

📊 Немного цифр про Koda — делимся тем, что происходит сейчас За последние месяцы продукт заметно подрос, и мы собрали несколько метрик, которые показывают, как им пользуются. 1. Больше 3 000 человек активно пользуются Koda каждый месяц. Это та аудитория, которая регулярно возвращается и работает с инструментом. А плагин для VS Code уже скачали больше 5 000 раз. 2. Около 1 млрд токенов трафика в день. Для сравнения: это сопоставимо с обработкой десятков тысяч страниц текста или большого количества файлов кода среднего размера. 3. Самой популярной моделью у пользователей стала Koda. На втором месте — Gemini Flash, замыкает тройку MiniMax M2. В среднем KodaAgent помогает писать 30–40 тысяч строк кода в день, а KodaComplete — ещё примерно 5 000 строк. 4. Топ-3 языков программирования, с которыми Koda помогала чаще всего: Python, TypeScript и Go. Мы параллельно развиваем и медиа: 5. На YouTube — уже больше 85 000 просмотров. Если ещё не подписались — будем рады! 6. Релизные статьи на Хабре собирают по ~20 000 просмотров. Это материалы про Koda для VS Code и про Koda CLI — на случай, если пропустили. 7. И, конечно, наше комьюнити. В чате (@kodacommunity) уже больше 300 человек, и не было ни одного дня тишины) Спасибо за баги, предложения, вопросы и просто интересные разговоры 💜 @kodacoderu

😎 Друзья, мы расширяемся! Если вы подумывали о том, чтобы сменить работу, то это прекрасная возможность 😊 Мы ищем Middle/Senior Fullstack Developer (AI Tools & CLI) 📍 Работа удалённо 💰 Уровень компенсации обсуждается индивидуально + возможен опцион О компании Koda (kodacode.ru) — инструмент для разработчиков, который интегрирует мощные AI-модели прямо в рабочий процесс: в редактор, CLI и внутренние инструменты команды. Мы делаем AI-ассистента, который помогает писать, рефакторить и анализировать код, работает локально или через подключённые LLM-бэкенды и легко встраивается в существующую инфраструктуру разработчика. Наша цель — упростить рутину инженеров и сделать работу с кодом быстрее и точнее. Кого мы ищем Нам нужен Middle/Senior Fullstack Engineer, который хочет работать на стыке инструментов разработки, плагинов IDE и AI-интеграций. Мы ищем не “идеальный резюме-стек”, а человека, который понимает разработчиков и хочет создавать для них удобные инструменты. Ты будешь работать над ядром Koda, VSCode-плагином, CLI и интеграциями с LLM. Задачи 1. Разработка Core-компонентов Поддержка и развитие внутреннего ядра (контекст, маршрутизация запросов, обработчики). Работа над архитектурой, влияющей на весь стек продуктов Koda. 2. Разработка расширений Развитие плагина Koda для VS Code. Улучшение UX внутри IDE: панель, подсказки, команды, взаимодействие с редактором. 3. CLI и утилиты Разработка и оптимизация CLI-инструментов. Повышение стабильности, скорости работы и качества DX. 4. Интеграции с LLM Работа с API ИИ-моделей (OpenAI, Anthropic, местные backend-инференсы). Настройка промптов, передача контекста, обработка ответов. 5. Исследовательские задачи В случае необходимости — разбор JetBrains-плагина: - чтение и исправление Kotlin/Java-кода; - улучшение интеграции. Требования Уверенный TypeScript. Опыт разработки на Node.js (CLI, сервисы, инструменты разработки). Понимание принципов работы LLM: контекст, промптинг, запросы к API. Готовность разбираться в чужом коде и нетривиальных архитектурах. Плюсом будет Базовые знания Kotlin/Java — достаточно умения ориентироваться в коде. Опыт разработки расширений для VS Code или других IDE. Опыт работы с LLM-библиотеками, локальными inference-серверами, RAG. Что предлагаем - Работа над инструментом для разработчиков — твоя работа сразу будет видна реальным программистам. - Постоянный контакт с AI-технологиями: модели, промпты, inference-серверы, интеграции. - Минимум процессной бюрократии. - Команда, в которой можно быстро расти технически: инженеры, участвующие в проектах уровня GigaCode/AI-инструментов. - Удалённый формат и гибкость. – Оформление по ТК РФ. Почта для связи: job@kodacode.ru