4月9日，Agentica团队与Together AI联合开源了参数为14B的DeepCoder-14B-Preview代码推理模型，其性能与OpenAI o3-Mini相当，在LiveCodeBench v5上实现了60.6%的通过率，并提供了一键部署教程。

本研究提出了一种统一的测试时计算扩展框架，旨在解决软件工程智能体在私有环境中的部署挑战。通过增加推理时计算而非使用更大模型，显著提高了代码推理性能，实验表明32B模型在问题解决率上达46%，超越了更大模型。

本研究提出了一种新方法，通过等价性检查评估大型语言模型的代码推理能力。引入EquiBench数据集，包含2400个程序对，结果表明当前模型在复杂类别上的表现仍需改进。