Qwen+Cursor开源编程工具

它的绝活就是能把两段代码像拼积木一样完美拼接——比如你有一段原始代码（就像乐高底座），又有一段修改建议（就像新的乐高零件），这个AI就能把新零件严丝合缝地插到底座上，自动生成完整的新作品。2、你博客里说你们‘禁用了KL散度和熵奖励’（就是通常用来防止AI‘学疯’的刹车片），让AI只盯着‘成功合并代码’这一个目标猛冲——这真的不会练出‘魔怔AI’吗？额外好处：专门训练的模型更可靠，适合做成工具（比如

解道Jdon

982人浏览 · 2025-07-04 08:24:17

解道Jdon · 2025-07-04 08:24:17 发布

使用RL可以很容易地微调小型模型，使其在垂直任务上优于基础模型。我们正在开源Osmosis-Apply-1.7B：一个比基础模型更好地合并代码的小模型（类似于Cursor的即时应用）。

Osmosis-Apply-1.7B就像个"代码拼图高手"，它是在阿里千问Qwen3-1.7B这个大脑基础上特训出来的。它的绝活就是能把两段代码像拼积木一样完美拼接——比如你有一段原始代码（就像乐高底座），又有一段修改建议（就像新的乐高零件），这个AI就能把新零件严丝合缝地插到底座上，自动生成完整的新作品。

就像你写作文时：

原始代码：你写好的作文草稿
编辑代码：老师用红笔批改的建议
这个AI：自动把红笔批改誊抄到草稿上的智能小助手

技术点白话版：

基于Qwen3-1.7B大模型（相当于学霸的脑子）
专门训练了代码合并能力（就像重点培训学霸改作文）
效果类似VS Code等编辑器里的"应用更改"功能（就像Word里的"接受修订"按钮活了）

训练过程：我们给这个AI“学霸”做了特训，让它看了10万次真实世界的代码修改记录（就像让一个学生反复练习改错题，直到熟能生巧）。

Model	Latency (ms)	Reward Score	Cost (\$/M tokens in)	Cost (\$/M tokens out)
Osmosis-Apply-1.7B	151	0.9893	\$0.11	\$0.42
Claude Sonnet 4	1,180	0.9328	\$3.00	\$15.00
OpenAI o3	1,230	0.8639	\$2.00	\$8.00
Gemini 2.5 Flash	1,050	0.7745	\$0.30	\$2.50

考试成绩对比：

普通AI（基础模型）：考试得分在 0.77~0.93分（相当于有时候能改对，有时候会出错）。
我们的Osmosis-Apply-1.7B：直接考了 0.98分！不仅更准，还便宜10倍，速度快10倍！（就像别人还在用计算器按半天，它已经心算完交卷了！）

评分规则超简单：

成功合并代码 → 满分奖励（✓ 做对了，加鸡腿！）
格式有点小问题 → 小奖励（✓ 答案对，但字有点丑，勉强给分）
完全改错了 → 零分（✗ 改崩了，罚抄10遍！）

为什么不用更厉害的AI？让一个“超级AI”来做简单的代码合并，就像用火箭炮打蚊子——浪费钱还慢！不如专门训练一个轻快精准的小模型，又快又稳，还不贵！

额外好处：专门训练的模型更可靠，适合做成工具（比如自动帮程序员改代码的“AI小助手”），不会动不动就“抽风”乱改！

Osmosis-Apply-1.7B-MCP
Osmosis-Apply-1.7B-MCP是使用Osmosis-Apply-1.7B模型应用代码合并的mcp服务器
一个使用Osmosis-Apply-1.7B模型来合并代码编辑的模型上下文协议（MCP）服务器。

代码合并：使用Osmosis/Osmosis-Apply-1.7B模型应用编辑
MCP集成：作为模型上下文协议服务器集成到现有的AI IDE解决方案中
文件操作：可以直接就地编辑文件或返回编辑后的代码

作为MCP服务器

CodeMerge可以用作MCP服务器。在您的MCP客户端中配置它：

{
"mcpServers": {
"codemerge": {
"command": "uv",
"args": [
"--directory",
"/path/to/codemerge",
"run",
"codemerge.py"
]
}
}
}

MCP工具使用

MCP服务器提供了一个带有以下参数的edit_snippet工具：

original_code：要编辑的原始代码
edit_snippet：要应用的编辑，使用// ... existing code ...标记
file_path：要就地更新的文件的绝对路径

示例工具调用：

{
"name": "edit_snippet",
"arguments": {
"original_code": "def hello():\n print('Hello, World!')",
"edit_snippet": "def hello():\n print('Hello, Universe!')\n ... existing code ...",
"file_path": "/path/to/your/file.py"
}
}

https://huggingface.co/osmosis-ai/Osmosis-Apply-1.7B

极客辣评：
1、哇塞！谢谢！我懂了，这就相当于一堆小特种兵AI一起干活儿对吧？太酷了！

2、你博客里说你们‘禁用了KL散度和熵奖励’（就是通常用来防止AI‘学疯’的刹车片），让AI只盯着‘成功合并代码’这一个目标猛冲——这真的不会练出‘魔怔AI’吗？它不会过度死磕训练数据，反而在实际应用时翻车吗？

3、牛啊！这种小巧专精的模型太实用了！希望有人能批量收养它们，让它们打工！

4、未来就该是‘小模型本地闪电战+大模型远程支援’的黄金组合！比硬上变形金刚（Transformer）那种巨无霸划算多了！

5、不过……如果遇到训练时没见过的奇葩代码（边缘情况），这小模型会不会脑补过度直接‘幻觉发作’乱改啊？

6、小模型+精准管控=性价比之王！

https://www.jdon.com/80376.html