يُعد نموذج Sweep Next-Edit، الذي يبلغ حجمه 1.5 مليار معلمة، تطورًا ملحوظًا في مجال المساعدة الذكية في كتابة الكود. تم تطويره كنموذج مُعدّل لتنبؤ التغيير التالي في الشفرة البرمجية قبل تنفيذه، ويُعدّ من أسرع النماذج في فئته، حيث يعمل محليًا على جهاز الكمبيوتر الشخصي في أقل من 500 مللي ثانية بفضل تقنية التفكير التخميني (speculative decoding). ويتفوق هذا النموذج، رغم صغر حجمه، على نماذج أكبر بمراتٍ أربع في اختبارات أداء تقييم التنبؤ بالتعديلات البرمجية. تم تطوير النموذج على أساس نموذج Qwen2.5-Coder، وتم تقليل دقة التمثيل (quantization) إلى صيغة Q8_0 ضمن تنسيق GGUF، مما يضمن كفاءة عالية في الأداء مع الحفاظ على دقة التنبؤ. ويدعم النموذج سياقًا طويلاً يصل إلى 8192 رمزًا، ما يتيح له فهمًا أعمق للسياق البرمجي، سواءً في ملفات كبيرة أو مشاريع متعددة الملفات. يُستخدم النموذج في بيئة تطوير محلية، دون الحاجة إلى اتصال بالإنترنت، مما يعزز الخصوصية والأمان. يعتمد النموذج على نموذج محدد من الصيغة المدخلة، يتضمن سياق الملف، والتعديلات الأخيرة (diffs)، والحالة الحالية للشفرة، لتقديم اقتراحات دقيقة للتعديل التالي. يُمكن تنفيذ النموذج بسهولة من خلال تحميل ملف النموذج وملف التشغيل run_model.py، ثم تثبيت المكتبات المطلوبة عبر أمر pip، مثل llama-cpp-python وhuggingface_hub. يتوفر النموذج أيضًا كإضافة (Plugin) متكاملة مع بيئة تطوير JetBrains، مما يسمح للمطورين بتجربة التنبؤ بالتعديلات مباشرة داخل بيئة التطوير، دون انتقال بين الأدوات. وتُشجع الرخصة المفتوحة (Apache 2.0) على الاستخدام والتطوير الحر للنموذج. يقدم النموذج تفاصيل تقنية مفصلة في مدونة رسمية، تشمل نتائج المقارنات مع نماذج أخرى، وتحليلات أداء مفصلة على مجموعة بيانات اختبار متعددة. هذه النتائج تؤكد كفاءة النموذج في التنبؤ بالتعديلات البرمجية بدقة عالية، خاصة في السياقات المعقدة أو التي تتطلب فهمًا دقيقًا للسياق. بفضل سرعته، دقة تنبؤه، وعمله محليًا، يُعدّ Sweep Next-Edit خيارًا مثاليًا للمطورين الذين يبحثون عن مساعدة ذكية وسريعة في كتابة الكود دون التضحية بالخصوصية أو الأداء.