Что это
FastContext — открытая модель от Microsoft Research размером от 4B до 30B параметров, обученная как подагент-разведчик для кодинг-агентов. Она отделяет этап поиска нужного места в репозитории от этапа редактирования кода: основной агент формулирует запрос на естественном языке, а FastContext параллельно вызывает Read, Glob и Grep, изучает кодовую базу и возвращает компактный ответ с точными путями файлов и номерами строк вместо длинного следа промежуточных поисковых запросов. Модель 4B построена на базе Qwen3-4B-Instruct, обучена в два этапа: сначала SFT на траекториях сильных референсных моделей, затем RL с задаче-ориентированными наградами.
Для участника клуба, который занимается вайб-кодингом и автоматизацией через ИИ-агентов, FastContext полезен как способ ускорить и удешевить работу больших кодинг-моделей (Claude Code, Cursor, Mini-SWE-Agent и подобных): вместо того чтобы основной дорогой агент сам тратил токены на блуждание по файлам, эту работу делает маленькая специализированная модель, а главный агент получает уже готовые ссылки на код. Это снижает счёт за токены и ускоряет итерации при автоматизации разработки и рефакторинге больших проектов.
Подключается как отдельный OpenAI-совместимый эндпоинт через переменные окружения, без изменения кода основного агента, что делает интеграцию простой для тех, кто уже собрал пайплайн на n8n или кастомных агентах.
Возможности
- Отделяет поиск по репозиторию от редактирования кода — работает как подагент-разведчик
- Параллельно вызывает инструменты Read, Glob, Grep за один раунд вместо последовательных запросов
- Возвращает компактный ответ с точными путями файлов и номерами строк, без шума
- Линейка моделей от 4B до 30B параметров, 4B-версия на базе Qwen3-4B-Instruct
- Обучена в два этапа: SFT на траекториях сильных моделей, затем RL с task-grounded наградами
- Экономит до 60,3% токенов основного агента на бенчмарках SWE-bench Pro и SWE-QA
- Повышает итоговую точность решения задач до +5,5 пункта на SWE-bench Pro (например, для GPT-5.4)
- Интегрируется через OpenAI-совместимый API с Mini-SWE-Agent, Claude Code, Cursor и другими агентами
Цена: Открытый проект под лицензией MIT, веса моделей и код (обучающие скрипты, pipeline оценки) доступны на GitHub (microsoft/fastcontext) и Hugging Face (коллекция microsoft/swe-fastcontext) бесплатно. Для инференса нужны собственные вычислительные ресурсы (ориентировочно от RTX 4090 для 4B-версии до A100 80GB для 30B).
