第一，针对代码特性训练的代码大模型部署：突破通用大模型的局限，通过代码结构化特征构建代码大 模型，实现基于项目上下文环境的代码生成、代码补全、缺陷修复、单元测试生成等功能,有效强化了 大模型在软件开发场景下的性能和效果。 凤凰网科技讯 7月11日，硅心科技（aiXcoder）研发的智能化软件开发解决方案，凭借在某国有银行的 落地应用成果，入选TiD 2025质量竞争力大会"年度软件研发优秀案例"。该案例显示，通过代码大模型 私有化部署，该银行整体开发效率提升30%。 据悉，aiXcoder为该银行提供了领域化大模型解决方案，核心包括三项技术落地： 第三，适配严格安全要求和内网环境的私有化部署：完全内网运行，数据不出行；优化硬件资源占用， 支持高并发场景，确保客户拥有自主可控的大模型能力,有效降低企业应用代码大模型的成本，同时提 升研发效率。 经该银行数千名研发人员实测，AI生成代码在开发中的占比从训练前的10%提升至35%，特定场景下可 辅助完成60%的编码工作。 第二，面向银行领域代码的有效个性化训练：结合银行私有代码和文档，以较低的训练成本和较短的训 练周期，在不影响主干模型性能的条件下,学习企业自有代码 ...

Core Viewpoint - Nvidia has recently open-sourced its code reasoning model, which includes three parameter versions: 32B, 14B, and 7B [1] Group 1 - The open-source model is based on Alibaba's Tongyi Qianwen Qwen2.5 series, specifically Qwen2.5-32B, Qwen2.5-14B, and Qwen2.5-7B [1]