当前位置：首页 > news >正文

小而强大！零一万物 Yi-Coder 模型震撼发布！

news 来源：原创 2024/9/19 21:13:16

前沿科技速递🚀

在 AI 迅速发展的今天，代码生成和编辑工具已经成为开发者们追求高效开发的重要利器。近日，零一万物正式开源了 Yi-Coder 系列模型，一个专为编程任务设计的强大工具，为开发者们带来了全新的生产力提升方案。无论你是代码新手还是资深开发者，Yi-Coder 都能成为你可靠的编程伙伴。

来源：传神社区

01 Yi-Coder 系列模型简介

Yi-Coder 系列模型是零一万物 Yi 系列模型家族中的“编程小能手”，提供了 1.5B 和 9B 两种参数版本。这一模型通过 2.4 万亿高质量代码语料库训练，支持 52 种编程语言，适用于代码生成、代码补全、代码翻译等多个领域。尽管 Yi-Coder 的参数量相对较小，但其性能却超越了 CodeQwen1.5 7B、CodeGeex4 9B 等同类模型，甚至能够媲美更大规模的 DeepSeek-Coder 33B。

小参数，大能量

尽管 Yi-Coder-9B 模型的参数量小于 10B，但它在各种任务中都表现出了极高的效率。从代码生成到代码补全、调试等任务，Yi-Coder 在多个评测中成绩优异，足以满足开发者们的日常需求。模型的小体积使得它易于在本地部署，尤其适合端侧应用，开发者们可以轻松将其集成到自己日常使用的编程工具中。

128K 长序列建模

复杂的项目往往伴随着大量代码文件之间的依赖关系，Yi-Coder 的长序列建模能力允许它处理长达 128K tokens 的上下文内容。在这样的情况下，Yi-Coder 依旧能够高效捕捉代码中的长期依赖关系，使其在跨文件代码补全和复杂项目级代码理解中表现突出。

强大的代码生成和补全能力

Yi-Coder 支持 52 种主要编程语言，涵盖了从 Python 到 Java 的主流开发语言。通过结合更长的上下文建模，Yi-Coder 不仅能够完成高质量的代码生成，还能精准地完成跨文件的代码补全任务，为开发者节省了大量手动查找和填写代码的时间。

02 模型表现如何？数据告诉你！

LiveCodeBench：Yi-Coder-9B-Chat 在 LiveCodeBench 评测平台上的通过率高达 23.4%，成为唯一一个在 10B 参数以下的模型中通过率超过 20% 的产品。它甚至超越了 CodeGeex4 和 DeepSeek-Coder 等高参数模型。

基准测试：在 HumanEval 和 MBPP 等流行的代码生成和推理任务中，Yi-Coder-9B-Chat 也表现突出，分别达到了 85.4% 和 73.8% 的通过率，并且是首个在 CRUXEval-O 基准测试中通过率超过 50% 的开源模型。

代码编辑和跨文件代码补全：CodeEditorBench 涵盖了四个关键领域：代码调试、代码翻译、代码优化和代码需求转换。结果表明，在开源代码大语言模型中，Yi-Coder-9B-Chat 取得了优异的成绩，在 Primary 和 Plus 两个子集中始终优于 DeepSeek-Coder-33B-Instruct 和 CodeQwen1.5-7B-Chat。

CrossCodeEval 基准测试中，Yi-Coder 在有检索和无检索上下文的情况下都表现优异，展现了强大的代码补全能力，尤其适合处理跨文件依赖的代码库。

长序列建模表现优秀：零一万物效仿文本领域流行的长序列评测，合成了一个 128K 长序列的“Needle in the code” 评估任务，长度双倍于 CodeQwen1.5 所构建的 64K 长序列评测。它通过在长代码库中随机插入一个简单的自定义函数，测试模型能否在代码库最后重复这个函数。该测试旨在检测模型 LLM 是否能从长文本中提取出这些关键信息，从而反映 LLM 其对长文本的理解基础能力。

下图全绿结果表示，Yi-Coder-9B 在 128K 长度范围内完美完成了这一任务。