Muninn：可塞进手机的代码定位模型，配套新基准 Quarry

Brokk 团队正式发布 Muninn：一款专为代码定位（code localization）设计的小型嵌入模型，并同时推出配套基准 Quarry，用于衡量智能体（agent）在真实代码库中进行语义检索的能力。Muninn 参数量仅 3.46 亿，可在弱 GPU 上快速运行；更激进的 Muninn-small 仅 4700 万参数，纯 CPU 即可推理。两者均采用 Apache 2.0 许可开源。

模型规模与定位

Muninn 的核心目标是把自然语言描述映射到「函数级」的代码片段，而非传统代码搜索模型常见的「文档字符串 → 代码」或「整段 issue → 代码」范式。团队认为，旧的搜索范式更适合一次性上下文检索，但现代 agent 框架倾向于让模型在执行任务过程中迭代调用工具，因此更需要「找到做 X 的代码在哪里」这类精准查询。

为控制体积，Muninn 在 Bifrost 代码分析工具中默认输出 512 维向量，Muninn-small 输出 384 维，并通过 fastrq 进一步压缩到 8 位存储。安装方式上，开发者可通过 uv tool install brokk-bifrost 或 npm install -g @brokkai/bifrost 把语义搜索能力接入现有 harness。

训练数据构造

Muninn 共支持 11 种语言：C、C++、C#、Go、Java、JavaScript、PHP、Python、Rust、Scala、TypeScript（Bifrost 后续又加入 Kotlin 与 Ruby 的索引支持）。训练流程分两步：

• 先用 DeepSeek 从 commit 中反向生成「任务描述」；
• 再用 Luna（替换 DeepSeek 后价格更低）从任务描述生成自然语言查询，并映射到该 commit 修改文件以及 Bifrost 通过 co-edit 与 import 分析给出的「相关文件」中最相关的函数。

两种模型分别承担训练集与基准的查询生成，目的是避免在评测中只测到「模型记住了 DeepSeek 的查询风格」。

Quarry：面向 agent 的检索基准

团队在评测中发现，现有基准（APPS、CodeSearchNet、CosQA、SWE-Bench-Lite localization、LocBench）大多只覆盖 Python、且普遍以 issue 文本或文档字符串作为查询，不能反映现代 agent 实际需要的短查询场景，因此自建 Quarry。Quarry 的设计原则包括：

• 基于真实大型仓库的全量代码作为检索候选，而非短片段；
• 查询为自然语言，不依赖 docstring、伪代码或 issue 文本；
• 覆盖所有常见语言；
• 主指标采用 micro recall（命中多少 gold 函数），而非 MRR，因为前者更直接反映 agent 能看到什么；
• 任务量足够多，能区分「还不错」与「世界最强」。

Quarry 最终从 11 种语言各选 5 个历史深厚的大型仓库，共生成 3,411 个任务、6,525 条查询，仓库与 Muninn 训练数据完全不相交。

性能点

团队特别提到，Muninn-small 在某些任务上击败了 OpenAI 两年前发布的 text-embedding-3——虽然标杆本身并不算高，但考虑到模型体量不到 5000 万参数，这一对比仍具传播价值。综合来看，Muninn 的定位是「足够小、足够快、足够准」的 agent 代码检索组件，适合被集成进 IDE 插件或自动化脚本中本地运行。