Sweep prend en charge l’autocomplétion de code « prochaine modification » avec un modèle 1.5B à poids ouverts

• Le modèle Sweep Next-Edit de 1,5B de paramètres prédit la prochaine modification de code de l’utilisateur afin de fournir une fonction d’autocomplétion
• Il s’exécute en environnement local avec une latence inférieure à 500 ms et affiche des performances supérieures à celles de modèles plus de 4 fois plus grands
• Il est proposé au format de quantification Q8_0 GGUF, et prend en charge une longueur de contexte de 8192 tokens même dans une version allégée
• Il est basé sur Qwen2.5-Coder et peut être intégré à un plugin JetBrains
• Publié sous licence Apache 2.0, c’est un modèle utile pour l’expérimentation et l’intégration pour les développeurs IA open source

---

Présentation du modèle

• Sweep Next-Edit 1.5B est un modèle de prédiction next-edit pour l’autocomplétion de code
  • Il anticipe et propose la prochaine modification avant que l’utilisateur ne change le code
  • Il peut fonctionner avec une latence inférieure à 500 ms même sur un ordinateur portable en local
• Il offre un temps de réponse rapide grâce au speculative decoding
• Il a obtenu, sur les benchmarks next-edit, des performances supérieures à celles de modèles plus de 4 fois plus grands

Détails du modèle

• Nombre de paramètres : 1,5B
• Format : GGUF (quantification Q8_0)
• Longueur de contexte : 8192 tokens
• Modèle de base : Qwen2.5-Coder
• Licence : Apache 2.0

Utilisation

• Téléchargez run_model.py et le fichier du modèle, puis exécutez-les
  • Commandes d’installation :

    uv pip install llama-cpp-python huggingface_hub  
    python run_model.py  
    

• L’architecture est centrée sur une exécution locale, sans fournisseur d’inférence cloud séparé