Deepseek Coder V1 ja V2 ovat molemmat edistyneitä AI -malleja, jotka on suunniteltu koodaustehtäviin, mutta niillä on useita merkittäviä eroja arkkitehtuurissa, ominaisuuksissa ja suorituskyvyssä.
Tärkeimmät erot
Arkkitehtuuri ja muotoilu **
- DeepSek -kooderi V1 oli perustamalli, joka keskittyi pääasiassa koodin luomiseen ja analysointiin. Se rakennettiin perinteisellä muuntaja -arkkitehtuurilla ja sen oli rajoitettu 16 k: n kontekstin pituus.-Myöhemmin julkaistu DeepSek-kooderi V2 käyttää parannettua eksperttien (MOE) arkkitehtuuria, jonka avulla se voi käsitellä monimutkaisempia tehtäviä tehokkaammin. Tämä malli tukee paljon pidempää 128K -tokenien kontekstin pituutta, mikä parantaa merkittävästi sen kykyä käsitellä suurempia koodinpätkiä ja monimutkaisempia kyselyjä.
Training -tiedot ja suorituskyky **
- Harjoittelutiedot: Kooder V1 koulutettiin noin 2 biljoonan rahakkeella, sekoituksella 87% ja 13% luonnollinen kieli. Sitä vastoin kooderi V2 tehtiin lisäkoulutuksella ylimääräisillä 6 biljoonan rahakkeella, mikä paransi sen koodaus- ja matemaattisia päättelymahdollisuuksia edeltäjänsä lisäksi.-Suorituskyvyn vertailuarvot: Kooder V2 on osoittanut erinomaisen suorituskyvyn erilaisissa koodausvälineillä verrattuna sekä kooderin V1 että muihin suljetun lähdekoodin malleihin, kuten GPT4-turbo. Se on erinomainen erityisesti tehtävissä, joihin sisältyy matemaattinen päättely koodissa, esittelee edistystä sekä päättelyssä että yleisissä kielikykyissä.
Ohjelmointikielen tuki **
- Kooderi V1 tuki rajoitettua ohjelmointikieliä. Kooderi V2 on kuitenkin laajentanut tätä tukea dramaattisesti 86: sta 338 ohjelmointikieliin, joten se on paljon monipuolisempi kehittäjille, jotka työskentelevät eri koodausympäristöissä.Parametriluki **
- Molemmilla malleilla on sama parametrien lukumäärä 236 miljardia **; Aktiiviset parametrit eroavat kuitenkin hieman. Kooder V2: llä on 2,4 miljardia aktiivista parametria perusmallissaan ja 21 miljardia ohjausmallissaan, optimoitu ohjeita seuraaviin tehtäviin.Käyttötapaukset **
- Vaikka Deepseek Coder V1 oli sopiva peruskoodaustehtäviin, kooder V2 on optimoitu erityisesti laajemmalle koodaussovellusten joukkolle, mukaan lukien, mutta rajoittumatta, koodin loppuun saattaminen, lisäys, automatisoitu koodin tarkistaminen ja suorituskyvyn optimointiehdotukset.Yhteenvetona voidaan todeta, että Deepseek Coder V2 edustaa merkittävää päivitystä V1: n suhteen edistyneellä arkkitehtuurillaan, laajennetulla ohjelmointikielen tuella, parannetulla koulutustietojen käyttöä ja parannetuilla suorituskykymittareilla eri koodausvertailuarvoilla.
Viittaukset:
[1] https://huggingface.co/deepseek-ai/deepseek-coder-v2-base
.
[3] https://play.ht/blog/deepseek-v3-vs-r1-vs-coder/
[4] https://arxiv.org/html/2406.11931v1
[5] https://deepgram.com/learn/best-local-coding-llm
.
[7] https://deepseekcoder.github.io
[8] https://arxiv.org/pdf/2406.11931.pdf
[9.