Разработка на 1С-Битрикс
Михаил Базаров
Репозиторий devstral-small-24b-senior-bitrix-developer - для тех кто хочет обучить самостоятельно или изучить устройство (да, название не переименовывал - лень, суть та же).
Готовая модель qwen2.5-coder-14b-bitrix-developer (MLX и GGUF версии)
Первая версия BX-GURU делалась на Devstral-Small-2 24B от Mistral AI. Хорошая база: 65.8% на SWE-Bench, 384K контекст, нативный tool calling. Но QLoRA на 4-битной модели оказался засадой.
5 версий подряд модель скатывалась в циклы. На v4 наконец получили рабочую - D7 ORM, Router, Agent отвечали адекватно. Но Highload и SQL галлюцинировали. На v5 починили reject и SQL, но вылезли циклы на EventResult и EventLog.
| v | r | max_seq | Датасет | Результат |
| 1 | 32 | 1024 | 14 929 | Дегенерация «BitBitBit» - 560 LoRA-матриц + высокий lr |
| 2 | 32 | 1024 | 22 329 | Галлюцинации API: выдумывает методы Битрикса |
| 3 | 16 | 1024 | 22 407 | Underfit - модель почти не учится |
| 4 | 32 | 1024 | 21 997 | Первая рабочая, но Highload/SQL галлюцинируют |
| 5 | 32 | 2048 | 22 062 | Циклы на EventResult/EventLog - 4-bit шум не лечится |
Корень: 4-битное квантование Devstral давало шум в градиентах. QLoRA на таком шуме нестабильна - модель учится, но на каждой итерации сваливается в повторы. Лечится только сменой базы.
Поэтому v6 переехала на Qwen2.5-Coder-14B-Instruct в 8-bit. 14B параметров вместо 24B, но 8-битное квантование стабильнее на порядок. Вес модели - 16 ГБ (против 15 ГБ у Devstral 4-bit), но качество обучения выросло кардинально.
Что за нейросеть и как она обучалась
Обучение проведено на информации (Bitrix / PHP / JS / CSS) актуальной на 24 июня 2026 года
Основа: Qwen2.5-Coder-14B-Instruct (8-bit MLX, ~16 ГБ). Это одна из лучших открытых код-моделей в своём размере. Дообучение через QLoRA на MacBook M5 Pro с 48 ГБ памяти.
Метод тот же: базовая модель не переписывается, а доучивается тонким слоем адаптера (FP16) поверх 8-битной базы. Общие знания Qwen никуда не деваются, а специфика Битрикса и свежих версий PHP/JS/CSS/SQL добавляется сверху.
Параметры обучения v6:
- Датасет: 22 062 пары
- Ранг LoRA: r=32 (16 слоёв, ~0.31% trainable)
- Максимальная длина: 2048 токенов
- Скорость обучения: 1e-5
- Время обучения: ~7 часов на M5 Pro 48 GB
Откуда брал знания
- Свой MCP-сервер - разобрал кодовую базу ядра Битрикса. 53 модуля, 2 020 классов, 2 587 функций, 200+ событий, 907 компонентов. Для каждого класса - методы с сигнатурами, константы, цепочки наследования, ORM-поля.
- Документация PHP, MDN (Mozilla Developer Network) и SQL-паттерны
- Негативные примеры - пары, где модель должна отказаться отвечать (чтобы не выдумывала)
- Многошаговые цепочки - последовательности из нескольких действий, чтобы модель училась не сваливаться в циклы
- Domain rejection - пары, где модель вежливо говорит «я не знаю» вместо того чтобы галлюцинировать
Результат - модель отвечает с реальными примерами кода и существующими вызовами API. Если какого-то метода или функции нет в ядре Битрикса - она скажет, что нет.
Что умеет
- 1С-Битрикс: D7 ORM, компоненты, события, модули, агенты, AJAX, инфоблоки, Highload-блоки, Router, REST API, админка
- PHP 8.0-8.5: fibres, генераторы, атрибуты, union types, профайлинг, PDO
- JavaScript ES6-ES2025: Temporal API, WebGPU, Proxy, workers, модули, canvas
- CSS: Nesting, View Transitions, @layer, @scope, Container Queries, Anchor Positioning
- SQL: оконные функции, CTE, оптимизация запросов, блокировки, репликация
- Tool calling: может искать по коду, читать/писать файлы, выполнять запросы к БД
На вопросы вне домена вежливо отказывает. Код выдаёт только с реальными вызовами API - не выдумывает методы и классы.
Без интернета и с MCP - два режима работы
Модель полезная сама по себе, но с подключением к моему MCP-серверу становится в разы умнее. Вот разница:
| Без интернета (автономно) | С MCP-сервером bxmcp.camouf.ru | |
| Уровень | Уверенный Middle+ | Senior / Техлид |
| Как работает | Только знания из датасета - что запомнила при обучении, то и отвечает | В реальном времени ищет по коду Битрикса через MCP: классы, методы, константы, события, компоненты |
| Точность | Хорошая для типовых задач - ORM-запросы, события, компоненты. На редких API может ошибаться. | Почти 100% - каждый вызов API сверяется с реальным кодом ядра. Не ошибается в сигнатурах, не выдумывает методы. |
| Глубина | Знает API, но не видит внутреннюю кухню | Может залезть в исходники любого модуля, посмотреть цепочку наследования, проверить какие события вызывает класс |
| Где пригодится | В полях, в командировках, на объектах без интернета - написать компонент, поправить init.php, накидать ORM-запрос | Дома или в офисе - разобрать баг ядра, спроектировать модуль с нуля, найти редко используемое событие |
Как подключить MCP: если используешь модель через Kilo Code, Continue или Cline - просто добавь MCP-сервер camouf.ru в настройки агента. Он бесплатный, регистрации не требует.
Модель сама решает когда лезть в MCP, а когда ответить из знаний. Если вопрос типовой - ответит сразу. Если редкий API или нужно проверить сигнатуру - сходит в код Битрикса и вернёт точный ответ.
По сути, получаешь два-в-одном: автономного Middle для повседневки и подключённого Senior для сложных задач.
Системные требования
| Вес модели | 16 ГБ (8-bit) + ~300 МБ адаптер |
| Контекст | до 384 000 токенов |
| Оперативная память | от 32 ГБ unified memory |
| Комфортно | от 48 ГБ unified memory |
| Процессор | Apple Silicon (M1 - M5) |
| ОС | macOS |
| Движок | MLX (нативный Apple фреймворк) |
Как попробовать
Быстрый старт:
# Установка pip install mlx-lm huggingface_hub # Запуск сервера mlx_lm.server --model MODEL_BX_DEVELOPER/V6
OpenAI-совместимый API на http://localhost:8080/v1. Подключается к Kilo Code, Continue, Cline, OpenCode и любым другим AI-агентам.
Что дальше
v6 - текущая рабочая версия. План на v7: больше негативных примеров, глубже по Slim API Bitrix, улучшить понимание кастомных highload-блоков.
Если есть идеи или замечания - пишите в комментарии.