DeepSeek-Coder-V2: Superare il Limite dei Modelli Closed-Source nell'Intelligenza del Codice

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

June 17, 2024

Autori: 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

Abstract

Presentiamo DeepSeek-Coder-V2, un modello linguistico open-source per il codice basato su Mixture-of-Experts (MoE) che raggiunge prestazioni paragonabili a GPT4-Turbo in compiti specifici per il codice. Nello specifico, DeepSeek-Coder-V2 è ulteriormente pre-addestrato a partire da un checkpoint intermedio di DeepSeek-V2 con l'aggiunta di 6 trilioni di token. Attraverso questo pre-addestramento continuato, DeepSeek-Coder-V2 migliora sostanzialmente le capacità di codifica e ragionamento matematico di DeepSeek-V2, mantenendo prestazioni comparabili nei compiti linguistici generali. Rispetto a DeepSeek-Coder-33B, DeepSeek-Coder-V2 dimostra progressi significativi in vari aspetti dei compiti legati al codice, nonché nelle capacità di ragionamento e generali. Inoltre, DeepSeek-Coder-V2 amplia il supporto per i linguaggi di programmazione da 86 a 338, estendendo la lunghezza del contesto da 16K a 128K. Nelle valutazioni standard dei benchmark, DeepSeek-Coder-V2 raggiunge prestazioni superiori rispetto a modelli closed-source come GPT4-Turbo, Claude 3 Opus e Gemini 1.5 Pro nei benchmark di codifica e matematica.

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.