/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,4 млрд
Размер весов
15,5 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
OpenCoder-8B-Base
Библиотека
transformers
Опубликована
7 ноя 2024

OpenCoder-8B-Instruct

Генерация текстаТекст → текст7 профессий

OpenCoder-8B-Instruct — дообученная 8-миллиардная языковая модель для генерации кода и выполнения инструкций по программированию.

10 852скачиваний за 30 дней208лайковвеса обновлены14 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки4

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • humaneval+

    pass@1 · выше — лучше

    Результат

    77,4 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • mbpp+

    pass@1 · выше — лучше

    Результат

    71,4 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • mbpp

    pass@1 · выше — лучше

    Результат

    82 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • humaneval

    pass@1 · выше — лучше

    Результат

    81,7 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OpenCoder-8B-Instruct — диалоговая языковая модель для работы с кодом из семейства OpenCoder, разработанного командой OpenCoder-LLM. Это дообученная версия OpenCoder-8B-Base с архитектурой LlamaForCausalLM и плотной конфигурацией; в репозитории указано 7,4 млрд параметров и контекст до 8192 токенов. Модель принимает текстовые запросы и генерирует текст, включая код и ответы на инструкции.

Модель предназначена для генерации и дополнения кода, решения задач программирования и ответов на вопросы по коду. Она поддерживает английский и китайский языки. В README приведены результаты на HumanEval(+), MBPP(+) и BigCodeBench, а обучение описано как продолжение предобучения на коде с последующим supervised fine-tuning на более чем 4,5 млн примеров. Лицензия в метаданных обозначена как other, поэтому условия использования следует сверять с лицензией и материалами проекта.

Сценарии применения

  • генерация кода по текстовому описанию
  • дополнение фрагмента программы
  • решение задач программирования
  • ответы на вопросы о коде
  • проверка идей для реализации алгоритма

Ограничения

Контекст ограничен 8192 токенами. Метаданные обозначают лицензию как other; перед использованием нужно проверить конкретные условия распространения и применения.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

1. Introduction

OpenCoder is an open and reproducible code LLM family which includes 1.5B and 8B base and chat models, supporting both English and Chinese languages. Starting from scratch, OpenCoder is pretrained on 2.5 trillion tokens composed of 90% raw code and 10% code-related web data, and supervised finetuned on over 4.5M high-quality SFT examples, finally reaching the performance of top-tier code LLMs. We provide not only model weights and inference code, but also the reproducible training data, the complete data processing pipeline, rigorous experimental ablation results, and detailed training protocols. Empowering researchers to build and innovate, OpenCoder is your open foundation for advancing code AI.

  • Complete Open Source: OpenCoder ensures full transparency by releasing not only the model weights and forthcoming inference code but also the complete data-cleaning code for training. This release includes high-quality synthetic data, an extensive set of checkpoints, and a dataset of over 4.5 million supervised fine-tuning (SFT) entries, making OpenCoder one of the most comprehensively open-sourced models available.
  • Comprehensive Experimental Analysis: OpenCoder is rigorously tested through extensive ablation studies on various data-cleaning strategies and training processes, including file-level and repository-level deduplication experiments, ensuring thorough exploration and validation of the model’s performance.
  • High-Quality Synthetic Data: OpenCoder provides a fully developed synthetic data generation process and over 4.5 million SFT data entries, establishing a robust data foundation for model training and evaluation.
  • Exceptional Performance: OpenCoder achieves high performance across multiple language model benchmarks, positioning it among the leading open-source models for code.

2. Models

ModelSequence LengthDownload
OpenCoder-1.5B-Base4K🤗 HuggingFace
OpenCoder-8B-Base8K🤗 HuggingFace
OpenCoder-1.5B-Instruct4K🤗 HuggingFace
OpenCoder-8B-Instruct8K🤗 HuggingFace

3. Datasets

Pre-training

DatasetSizeDownload
fineweb-code-corpus148 GB🤗 HuggingFace
fineweb-math-corpus10 GB🤗 HuggingFace

Post-training

DatasetNumDownload
opencoder-sft-stage14.21 M🤗 HuggingFace
opencoder-sft-stage2375 K🤗 HuggingFace

This is not the end; we are organizing the remaining data and uploading it progressively.

4. Benchmarks

Note: For the detailed evaluation results, please refer to our paper.

modelOpenCoder-1.5B-InstructOpenCoder-8B-Instruct
HumanEval(+)72.5 (67.7)83.5 (78.7)
MBPP(+)72.7 (61.9)79.1 (69.0)
BigCodeBench33.340.3
BigCodeBench-Hard11.516.9
LiveCodeBench12.823.2
MultiPL-E (AVG)57.571.0

5. Inference

Inference with Huggingface's Transformers

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "infly/OpenCoder-8B-Instruct"
model = AutoModelForCausalLM.from_pretrained(model_name,
                                             torch_dtype=torch.bfloat16,
                                             device_map="auto",
                                             trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)

messages=[
    { 'role': 'user', 'content': "write a quick sort algorithm in python."}
]

inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")

outputs = model.generate(inputs, max_new_tokens=512, do_sample=False)

result = tokenizer.decode(outputs[0][len(inputs[0]):], skip_special_tokens=True)
print(result)

6. License

OpenCoder series (including Base and Chat) support commercial applications under a permissive License.

7. Citation

@inproceedings{Huang2024OpenCoderTO,
  title={OpenCoder: The Open Cookbook for Top-Tier Code Large Language Models},
  author={Siming Huang and Tianhao Cheng and Jason Klein Liu and Jiaran Hao and Liuyihan Song and Yang Xu and J. Yang and J. H. Liu and Chenchen Zhang and Linzheng Chai and Ruifeng Yuan and Zhaoxiang Zhang and Jie Fu and Qian Liu and Ge Zhang and Zili Wang and Yuan Qi and Yinghui Xu and Wei Chu},
  year={2024},
  url={https://arxiv.org/pdf/2411.04905}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
01badbb

0 моделей