aiXcompact-4B
上下文压缩小模型
动态压缩Agent历史上下文，防止信息过载；在单卡计算资源上，模型训练后性能提升2–3倍。
模型家族
从代码大模型 到场景化专精小模型
面向Agent子任务、面向特定领域任务，构建场景化小模型矩阵。
8年 · 7代
模型即产品：八年，七代
研究积淀
100+篇顶会论文， 多篇是智能化软件工程领域的开创性成果
aiXcoder团队进入基于深度学习的程序处理领域；发表了该领域最早的一批学术论文，在程序理解、生成、代码大模型、智能体方法等领域，做出了多项原创性贡献。
aiXapply-4B
代码变更应用小模型 · 已开源
把AI生成的代码片段精准合并回源文件：4B参数模型的准确率比肩千亿级大模型，单张消费级显卡实现15倍推理加速，任务延迟降低30倍。
aiXcoder-7B
代码补全与生成模型 · 已开源
代码补全效果SOTA，论文被ICSE 2025录用；7B-v2 API调用准确率提升至94.4%。
aiXverilog-4B
嵌入式开发小模型
通过蒸馏和强化学习将硬件设计知识深度融入模型权重，使4B小模型在复杂Verilog任务中性能比肩通用大模型，实现轻量级与高性能的完美平衡。