最新的程式碼專用 Qwen 模型系列，在程式碼生成、程式碼推理和程式碼修復方面有顯著改進。
1.9M 下載次數 更新於 2 個月前
Readme
Qwen 2.5 Coder 系列模型現已更新至 6 種尺寸：0.5B、1.5B、3B、7B、14B 和 32B。
在程式碼生成、程式碼推理和程式碼修復方面有顯著改進。 32B 模型具有與 OpenAI 的 GPT-4o 相媲美的效能。
32B： ollama run qwen2.5-coder:32b
14B： ollama run qwen2.5-coder:14b
7B： ollama run qwen2.5-coder:7b
3B： ollama run qwen2.5-coder:3b
1.5B： ollama run qwen2.5-coder:1.5b
0.5B： ollama run qwen2.5-coder:0.5b
程式碼能力達到開源模型的最新水準
程式碼生成： Qwen2.5 Coder 32B Instruct 作為此開源版本的旗艦模型，在多個流行的程式碼生成基準測試（EvalPlus、LiveCodeBench、BigCodeBench）中取得了開源模型中的最佳效能，並且具有與 GPT-4o 相媲美的效能。
程式碼修復： 程式碼修復是一項重要的程式設計技能。 Qwen2.5 Coder 32B Instruct 可以幫助使用者修復程式碼中的錯誤，從而提高程式設計效率。 Aider 是程式碼修復的熱門基準測試，Qwen2.5 Coder 32B Instruct 的得分為 73.7，效能與 GPT-4o 相當。
程式碼推理： 程式碼推理是指模型學習程式碼執行過程並準確預測模型的輸入和輸出的能力。 最近發布的 Qwen2.5 Coder 7B Instruct 已經在程式碼推理方面展現出令人印象深刻的效能，而這款 32B 模型更進一步。
多種程式語言
智慧程式設計助理應該熟悉所有程式語言。 Qwen 2.5 Coder 32B 在超過 40 種程式語言中表現出色，在 McEval 上的得分為 65.9，在 Haskell 和 Racket 等語言中表現令人印象深刻。 Qwen 團隊在預訓練階段使用了他們獨特的資料清理和平衡方法。
此外，Qwen 2.5 Coder 32B Instruct 的多語言程式碼修復能力仍然令人印象深刻，可幫助使用者理解和修改他們熟悉的程式語言，從而顯著降低不熟悉語言的學習成本。 與 McEval 類似，MdEval 是一個多語言程式碼修復基準測試，Qwen 2.5 Coder 32B Instruct 在該基準測試中得分為 75.2，在所有開源模型中排名第一。
人類偏好
為了評估 Qwen 2.5 Coder 32B Instruct 與人類偏好的一致性效能，我們構建了一個名為 Code Arena 的內部標註程式碼偏好評估基準測試（類似於 Arena Hard）。 我們使用 GPT-4o 作為偏好對齊的評估模型，採用「A vs. B 勝出」評估方法，該方法衡量測試集中模型 A 的得分超過模型 B 的實例百分比。 以下結果證明了 Qwen 2.5 Coder 32B Instruct 在偏好對齊方面的優勢。