deepseek-coder

DeepSeek-Coder 是由 DeepSeek 团队开发的一系列专为代码生成与理解任务优化的大语言模型，其最新版本 ‌DeepSeek-Coder-V2‌ 在性能和功能上实现了重大突破，已成为当前开源代码模型中的领先者之一。 deepseek-chat 和 deepseek-reasoner 都已经升级为 DeepSeek-V3.2。deepseek-chat 对应 DeepSeek-V3.2 的非思考模式，deepseek-reasoner 对应 DeepSeek-V3.2 的思考模式。

核心特性 ‌

超大规模参数量‌：DeepSeek-Coder-V2 标准版拥有 ‌2360亿参数‌（236B），是目前规模最大的开源代码模型之一，其性能仅次于谷歌的 Gemini-Ultra，位居全球开源代码模型第二。 ‌

超长上下文支持‌：支持高达 ‌128K tokens‌ 的上下文长度，能够处理超长的代码文件和复杂的项目结构，远超同类模型。 ‌

多语言兼容‌：全面支持 ‌338种编程语言‌，涵盖主流语言如 Python、Java、C++、JavaScript，以及众多小众和领域特定语言。 ‌

高效推理架构‌：采用 ‌动态稀疏注意力机制‌，在处理长代码时仅激活约30%的参数，推理速度提升2.3倍，显著降低计算开销。 ‌

代码结构感知‌：内置专门的 ‌代码结构感知编码器‌，能直接解析代码的抽象语法树（AST），理解函数调用、变量作用域、循环嵌套等结构，生成更准确、更符合逻辑的代码。 

性能表现 在多个权威代码生成基准测试中，DeepSeek-Coder-V2 表现卓越： ‌HumanEval（代码正确性）‌：通过率达 ‌89%‌，超越 GPT-4 Turbo（85%）和 CodeLlama-70B（72%）。 ‌MBPP（多语言代码生成）‌：在 Python、Java、C++ 混合测试中平均得分 ‌91.2‌，高于 GPT-4 Turbo 的 88.7。 ‌

推理效率‌：在 A100 GPU 上生成 1000 行代码仅需 ‌12 秒‌，比 GPT-4 Turbo 快 33%。 ‌

低资源适配性‌：在仅 16GB 显存的消费级 GPU 上，仍能保持 ‌78%‌ 的原始性能，而 GPT-4 Turbo 在此条件下性能下降至 62%。 

训练与优化 DeepSeek-Coder-V2 采用 ‌多阶段强化学习‌ 训练策略，包括代码补全、错误修复和性能优化三个阶段，使其在代码质量、可读性和效率上均达到顶尖水平。

该模型是在 DeepSeek-V2 的基础上，通过额外 ‌6万亿 tokens‌ 的代码数据持续预训练而来，整体训练数据量高达 ‌8万亿 tokens‌。 

 开源与部署 DeepSeek-Coder-V2 采用 ‌Apache 2.0 开源协议‌，完整开放模型权重、训练代码和微调工具包，开发者可免费用于研究和商业用途。