DeepSeek-Coder-V2: Rompiendo la Barrera de los Modelos de Código Cerrados en Inteligencia de Programación

DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

June 17, 2024

Autores: DeepSeek-AI, Qihao Zhu, Daya Guo, Zhihong Shao, Dejian Yang, Peiyi Wang, Runxin Xu, Y. Wu, Yukun Li, Huazuo Gao, Shirong Ma, Wangding Zeng, Xiao Bi, Zihui Gu, Hanwei Xu, Damai Dai, Kai Dong, Liyue Zhang, Yishi Piao, Zhibin Gou, Zhenda Xie, Zhewen Hao, Bingxuan Wang, Junxiao Song, Deli Chen, Xin Xie, Kang Guan, Yuxiang You, Aixin Liu, Qiushi Du, Wenjun Gao, Xuan Lu, Qinyu Chen, Yaohui Wang, Chengqi Deng, Jiashi Li, Chenggang Zhao, Chong Ruan, Fuli Luo, Wenfeng Liang

cs.AI

Resumen

Presentamos DeepSeek-Coder-V2, un modelo de lenguaje de código de Mixture-of-Experts (MoE) de código abierto que logra un rendimiento comparable a GPT4-Turbo en tareas específicas de código. En concreto, DeepSeek-Coder-V2 se ha preentrenado adicionalmente a partir de un punto de control intermedio de DeepSeek-V2 con 6 billones de tokens adicionales. A través de este preentrenamiento continuo, DeepSeek-Coder-V2 mejora sustancialmente las capacidades de codificación y razonamiento matemático de DeepSeek-V2, manteniendo un rendimiento comparable en tareas generales de lenguaje. En comparación con DeepSeek-Coder-33B, DeepSeek-Coder-V2 demuestra avances significativos en varios aspectos de tareas relacionadas con código, así como en capacidades de razonamiento y generales. Además, DeepSeek-Coder-V2 amplía su soporte para lenguajes de programación de 86 a 338, mientras extiende la longitud de contexto de 16K a 128K. En evaluaciones estándar de benchmarks, DeepSeek-Coder-V2 logra un rendimiento superior en comparación con modelos de código cerrado como GPT4-Turbo, Claude 3 Opus y Gemini 1.5 Pro en benchmarks de codificación y matemáticas.

English

We present DeepSeek-Coder-V2, an open-source Mixture-of-Experts (MoE) code language model that achieves performance comparable to GPT4-Turbo in code-specific tasks. Specifically, DeepSeek-Coder-V2 is further pre-trained from an intermediate checkpoint of DeepSeek-V2 with additional 6 trillion tokens. Through this continued pre-training, DeepSeek-Coder-V2 substantially enhances the coding and mathematical reasoning capabilities of DeepSeek-V2, while maintaining comparable performance in general language tasks. Compared to DeepSeek-Coder-33B, DeepSeek-Coder-V2 demonstrates significant advancements in various aspects of code-related tasks, as well as reasoning and general capabilities. Additionally, DeepSeek-Coder-V2 expands its support for programming languages from 86 to 338, while extending the context length from 16K to 128K. In standard benchmark evaluations, DeepSeek-Coder-V2 achieves superior performance compared to closed-source models such as GPT4-Turbo, Claude 3 Opus, and Gemini 1.5 Pro in coding and math benchmarks.