Deepseek Coder V1 و V2 كلاهما من طرازات الذكاء الاصطناعي المتقدمة المصممة لمهام الترميز ، لكنها تظهر العديد من الاختلافات المهمة في الهندسة المعمارية والقدرات والأداء.
الاختلافات الرئيسية
الهندسة المعمارية والتصميم **
- كان Deepseek Coder V1 نموذجًا أساسيًا يركز بشكل أساسي على توليد الكود وتحليله. تم بناؤه باستخدام بنية محول تقليدية وكان لها طول سياق محدود قدره 16 كيلو رموز.-يستخدم Deepseek Coder V2 ، الذي تم إصداره لاحقًا ، بنية محسّنة للمخليط (MOE) ، والتي تتيح لها معالجة المهام الأكثر تعقيدًا بشكل أكثر كفاءة. يدعم هذا النموذج طول سياق أطول بكثير من 128 كيلو رموز ، مما يؤدي بشكل كبير إلى تحسين قدرته على التعامل مع مقتطفات الكود الأكبر والاستعلامات الأكثر تعقيدًا.
بيانات التدريب والأداء **
- بيانات التدريب: تم تدريب المبرمج V1 على حوالي 2 تريليون رمز ، مع مزيج من رمز 87 ٪ و 13 ٪ لغة طبيعية. في المقابل ، خضعت Coder V2 لمزيد من التدريب مع 6 تريليونات رمز إضافي ، مما يعزز قدرات الترميز والتفكير الرياضي وراء تلك الموجودة في سابقتها.-معايير الأداء: أظهرت Coder V2 أداءً فائقًا في معايير الترميز المختلفة مقارنةً بكل من Coder V1 ونماذج أخرى مغلقة مثل GPT4-Turbo. إنه يتفوق بشكل خاص في المهام التي تنطوي على التفكير الرياضي داخل الكود ، وعرض التطورات في كل من القدرات المنطقية والقدرات اللغوية العامة.
دعم لغة البرمجة **
- دعم Coder V1 مجموعة محدودة من لغات البرمجة. ومع ذلك ، قامت Coder V2 بتوسيع هذا الدعم بشكل كبير من 86 إلى 338 لغة برمجة ، مما يجعلها أكثر تنوعًا للمطورين الذين يعملون عبر بيئات الترميز المختلفة.Parameter Count**
- Both models share the same total parameter count of 236 billion**; ومع ذلك ، فإن المعلمات النشطة تختلف قليلا. تمتلك Coder V2 2.4 مليار معلمة نشطة في نموذجها الأساسي و 21 مليار في نموذج الأدوات ، وتم تحسينه لمهام تتبع التعليمات.استخدام الحالات **
- في حين أن Deepseek Coder V1 كان مناسبًا لمهام الترميز الأساسية ، يتم تحسين Coder V2 على وجه التحديد لمجموعة أوسع من تطبيقات الترميز ، بما في ذلك على سبيل المثال لا الحصر ، إكمال الكود ، الإدراج ، مراجعة التعليمات البرمجية الآلية ، واقتراحات تحسين الأداء.باختصار ، تمثل Deepseek Coder V2 ترقية كبيرة على V1 مع بنيةها المتقدمة ، ودعم لغة البرمجة الموسع ، واستخدام بيانات التدريب المحسّن ، وتحسين مقاييس الأداء عبر معايير الترميز المختلفة.
الاستشهادات:
[1] https://huggingface.co/Deepseek-ai/deepseek-coder-v2-base
[2] https://blog.promptlayer.com/deepseek-v2-vs-v2-v2-a-comparative-analys/
[3]
[4] https://arxiv.org/html/2406.11931v1
[5] https://deepgram.com/learn/best-local-coding-llm
[6]
[7] https://deepseekcoder.github.io
[8] https://arxiv.org/pdf/2406.11931.pdf
[9] https://github.com/deepseek-ai/deepseek-coder/؟tab=readme-ov-file