II.2Создание и понимание программного кода

starcoder2-15b-instruct-v0.1-GGUF — это квантизированная в формате GGUF версия StarCoder2-15B-Instruct, разработанной командой BigCode и опубликованной в вариантах квантования пользователем bartowski. Модель предназначена для генерации кода и работы в формате инструкций, включая написание, исправление и анализ программ, предсказание результатов выполнения и решение задач программирования. Модель основана на bigcode/starcoder2-15b и содержит около 15 млрд параметров. Доступны варианты квантования Q8_0, Q6_K, Q5_K, Q4_K, IQ4, Q3_K и IQ3 объёмом примерно от 7 до 17 ГБ, что позволяет выбирать между качеством и требованиями к памяти. README не указывает поддерживаемые языки программирования и размер контекста. Модель использует специальный формат инструкций и не поддерживает системный промпт. Сильными сторонами являются специализация на задачах программирования и несколько вариантов квантования для локального запуска с разным балансом качества и потребления памяти. В бенчмарках указаны результаты HumanEval pass@1 72,6%, MBPP 75,2% и другие показатели LiveCodeBench и DS-1000, однако фактическое качество зависит от выбранного уровня квантования и сценария использования. Модель предназначена для текстовой генерации и не заявлена как мультимодальная. Лицензия — BigCode OpenRAIL-M.

Starcoder-2-chat — дообученная по инструкциям модель для генерации кода, созданная на базе bigcode/starcoder2-7b с помощью LoRA. В качестве обучающих данных использован набор glaiveai/glaive-code-assistant-v2. Модель построена на архитектуре StarCoder2 и содержит 9,9 млрд параметров; она принимает текстовые запросы и выдаёт текст, включая код. Контекстное окно составляет 16 384 токена. Модель предназначена для общения с помощником по программированию: она может генерировать код по инструкциям и отвечать на вопросы о коде. В README приведены результаты оценок HumanEval, HumanEvalPlus и Instruct-HumanEval. Модель рассчитана прежде всего на английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

StarCoderBase-7B — базовая языковая модель для кода, разработанная проектом BigCode. Она содержит 7 млрд параметров и построена на архитектуре GPT-2 с Multi Query Attention. Модель обучена на корпусе The Stack v1.2, включающем более 80 языков программирования, с использованием цели Fill-in-the-Middle на 1 трлн токенов; длина контекста составляет 8192 токена. Модель предназначена для генерации и продолжения кода по контексту, в том числе для заполнения пропусков внутри фрагмента кода. Это базовая модель, а не модель, настроенная на выполнение инструкций: запросы на естественном языке могут работать хуже, чем подсказки с кодом или техническим контекстом. Генерация может содержать ошибки, уязвимости или неэффективные решения. Возможны дословные фрагменты из обучающих данных, поэтому следует проверять происхождение и лицензионные требования к сгенерированному коду. Лицензия — BigCode OpenRAIL-M.

Supertron2-24B — плотная языковая модель на 24 млрд параметров, разработанная Surpem на основе mistralai/Devstral-Small-2-24B-Instruct-2512 и дообученная для следования инструкциям. Это причинный Transformer для генерации текста; модель доступна в формате safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0. Модель предназначена для помощи в программировании, структурированных рассуждений, математических и научных объяснений, общего диалога и повседневного выполнения инструкций. Она может помогать писать, объяснять и отлаживать код, разбирать ошибки, планировать реализацию, сравнивать варианты, решать арифметические и алгебраические задачи, писать и кратко пересказывать тексты. Карточка указывает английский язык; длина контекста не приведена. Модель может выдавать ошибочный код, неполные рассуждения и устаревшие сведения. Важные результаты следует проверять; модель не подходит как единственный источник для медицинских, юридических, финансовых решений и задач, связанных с безопасностью.

Tessa-Rust-T1 — языковая модель на архитектуре Qwen2, разработанная Ravi, Ernest и командой Tesslate на основе Qwen/Qwen2.5-Coder-7B-Instruct. Модель дообучена для генерации и понимания кода на Rust; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Опубликована в формате safetensors под лицензией Apache-2.0. Модель предназначена для создания функций, структур, трейтов и модулей по текстовому запросу, рефакторинга Rust-кода, написания тестов, CLI-инструментов и API-обработчиков. Карточка также описывает её интеграцию с агентами для работы с контекстом проекта и зависимостями. Основной язык карточки — английский; целевой язык программирования — Rust. Среди заявленных сильных сторон — генерация идиоматичного Rust-кода и понимание заимствований, времён жизни, трейтов и распространённых шаблонов. Сложная асинхронность, макросы, управление временами жизни и unsafe-код могут требовать проверки и доработки; для редких библиотек модель может предлагать неверные API, а управление Cargo.toml и сложными сценариями сборки ограничено. Карточка рекомендует не менее 12 ГБ видеопамяти для bf16, но фактические требования зависят от конфигурации и квантизации.

Truss Python — специализированная дообученная модель Truss AI для генерации и объяснения кода на Python. Она основана на Qwen/Qwen3-4B-Instruct-2507 и использует архитектуру Qwen3ForCausalLM; карточка указывает 4 млрд параметров и контекст до 262 144 токенов. Модель распространяется в формате GGUF с квантизацией Q4_K_M и адаптацией LoRA, рассчитана на локальный запуск, в том числе через Ollama. Модель предназначена для генерации аккуратно структурированного кода, решения алгоритмических задач и помощи с асинхронным программированием, стандартной библиотекой Python и структурами данных. Она ориентирована на аннотации типов, документацию в стиле Google, обработку ошибок и синтаксис Python 3.10+. Лицензия — Apache 2.0. Карточка описывает поддержку английского языка; качество кода и корректность результатов следует проверять, особенно для сложных задач и кода, используемого в production.

UniXcoder-base-nine — предварительно обученная модель представления кода, разработанная командой Microsoft. Она использует совместное обучение на коде, комментариях и абстрактных синтаксических деревьях и построена на архитектуре RoBERTa; в репозитории указано 152,7 млн параметров и контекст до 1026 токенов. Модель рассчитана на работу с кодом и естественно-языковыми описаниями на английском языке. UniXcoder поддерживает несколько режимов: получение векторных представлений и поиск кода по текстовому запросу, завершение кода, предсказание имени функции, рекомендацию API и суммаризацию кода. Репозиторий содержит веса PyTorch, а в метаданных Hugging Face основная задача указана как извлечение признаков. Лицензия — Apache-2.0.

Verus-4B — дообученная на задачах программирования мультимодальная модель компании 8F-ai на архитектуре Qwen3.5. Она принимает текст и изображения и предназначена прежде всего для генерации и анализа кода: помогает писать и отлаживать программы, проводить ревью и отвечать на вопросы о коде. Также может разбирать скриншоты интерфейсов и диаграммы вместе с текстовым запросом. Модель содержит 3,4 млрд параметров, использует формат Safetensors и поддерживает контекст до 262 144 токенов. По карточке, она рассчитана на работу с большими фрагментами кода, спецификациями и переписками; заявлена совместимость с Transformers, vLLM и SGLang. Основной язык — английский, поскольку именно на англоязычных данных преимущественно проводилось дообучение. Модель доступна по лицензии Apache 2.0. Она не оптимизирована для математических доказательств и научных вычислений; качество для языков и сценариев за пределами преимущественно англоязычного кода может быть ниже.

Fmuaddib выпустил конвертированную в формат MLX модель WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 на основе win10/WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B. Это плотная авторегрессионная модель семейства Qwen2 с 11,7 млрд параметров, предназначенная для генерации текста в диалоговом режиме; в названии и базовой модели указана специализация на программировании. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. README сообщает о конвертации из исходного репозитория в MLX с помощью mlx-lm версии 0.22.3; метаданные указывают формат файлов safetensors. Условия лицензии в предоставленных данных не приведены.

WizardCoder-Python-34B-V1.0 — большая языковая модель для генерации и редактирования программного кода, разработанная командой WizardLM. Это плотная авторегрессионная модель семейства Llama с 33,5 млрд параметров; она принимает текстовые инструкции и генерирует текстовый код. В карточке указан контекст до 16 384 токенов и формат PyTorch для библиотеки Transformers. Модель предназначена для выполнения инструкций по программированию: генерации функций и скриптов на Python, дополнения и исправления кода, а также решения задач по программированию. README приводит результат 73,2 на упомянутом бенчмарке, но не уточняет здесь методику оценки. Модель основана на Llama 2 и выпущена по лицензии Llama 2, условия которой следует учитывать при использовании.

XwinCoder-13B — инструкция-настроенная модель генерации кода от Xwin-LM, дообученная на базе CodeLLaMA. Она предназначена для создания кода по текстовым инструкциям и запросам; авторы публикуют веса и код оценки. В карточке приведены результаты XwinCoder-13B на HumanEval, MBPP и APPS-intro: pass@1/5 соответственно 68,8, 60,1 и 35,4. Модель имеет плотную архитектуру LlamaForCausalLM с 12,9 млрд параметров, принимает текст и генерирует текст, а заявленная длина контекста составляет 16 384 токена. В метаданных указан формат PyTorch и лицензия Llama 2. README описывает её как instruction fine-tune CodeLLaMA, поэтому для использования следует соблюдать условия лицензии Llama 2.

XwinCoder-34B — инструктивно дообученная модель генерации кода от команды Xwin-LM, основанная на CodeLLaMA. Она предназначена для создания и дополнения программного кода по запросам на естественном языке и для диалоговой работы с задачами программирования. В репозитории указаны результаты оценки XwinCoder-34B на HumanEval, MBPP и APPS-intro; авторы также сообщают о сравнимой с GPT-3.5-turbo производительности на шести бенчмарках. Модель построена на архитектуре LLaMA, содержит 33,5 млрд параметров и поддерживает контекст до 16 384 токенов. Карточка не сообщает перечень поддерживаемых языков программирования. Для использования требуются совместимые инструменты PyTorch и соблюдение лицензии Llama 2. Результаты бенчмарков не гарантируют качество на конкретных задачах; сгенерированный код следует проверять и тестировать.

Карточка модели 01-ai/Yi-Coder-1.5B на Hugging Face совпадает с карточкой 01-ai/Yi-Coder-9B-Chat, поэтому описание составлено по ней. Yi-Coder-9B-Chat — диалоговая модель для генерации кода, выпущенная командой 01.AI как часть серии Yi-Coder. Она дообучена на базе 01-ai/Yi-Coder-9B и построена на плотной архитектуре семейства Llama с 8,6 млрд параметров. Модель предназначена для программирования в формате чата: она может писать код по запросу и работать с длинным контекстом до 131 072 токенов. Серия Yi-Coder заявляет поддержку 52 распространённых языков программирования и сильные результаты в задачах кодирования при размере менее 10 млрд параметров. Модель загружается через Transformers и использует формат safetensors. Лицензия — Apache-2.0. Карточка не приводит ограничений на качество или конкретных рекомендаций по использованию, поэтому ответы сгенерированного кода следует проверять перед применением.

BenevolenceMessiah/Yi-Coder-9B-Chat-Instruct-TIES — объединение моделей, созданное с помощью mergekit методом TIES на основе 01-ai/Yi-Coder-9B и 01-ai/Yi-Coder-9B-Chat. Это плотная авторегрессионная модель семейства Llama с 8,6 млрд параметров, предназначенная для генерации кода и диалоговой помощи в программировании. Модель принимает текст и генерирует текст; карточка базовой серии заявляет поддержку 52 популярных языков программирования и контекст до 128K токенов, а метаданные репозитория указывают контекст 131 072 токена. Модель подходит для написания и объяснения кода, а также работы с длинными фрагментами программного текста. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README описывает базовую серию Yi-Coder и конфигурацию слияния, но не приводит отдельной оценки качества именно этого объединения.

Ziya-Coding-15B-v1 — разработанная IDEA-CCNL предварительно обученная и дообученная модель для задач программирования на основе StarCoderBase с 15,5 млрд параметров. Она принимает инструкции и генерирует, продолжает и исправляет код, объясняет его, выполняет перевод кода и задачи NL2SQL; также обучалась на общих инструкциях на китайском языке. Модель рассчитана на работу с текстом и кодом, поддерживает китайский и английский языки и имеет контекст длиной 8192 токена. Для улучшения понимания китайского и следования инструкциям разработчики продолжили обучение StarCoderBase на корпусе из китайского, английского и кода, а затем провели трёхэтапное supervised fine-tuning на общих и кодовых инструкциях, включая данные с обратной связью компилятора. В README приведены результаты HumanEval и MBPP, однако они не гарантируют качество на других языках программирования и прикладных задачах. Модель распространяется по лицензии GPL-3.0.

Aazhi-Coder-1.5B — компактная модель для генерации и анализа кода в диалоговом формате, разработанная Prannesshkva на основе Qwen2.5-Coder-1.5B-Instruct с архитектурой памяти ISOM-R2. В карточке заявлена обработка длинных контекстов до 1 048 576 токенов с потоковой подачей фрагментов и ограниченным использованием памяти; метаданные указывают нативный контекст 131 072 токена. Модель содержит 1,5 млрд параметров, принимает текст и выдаёт текст. Модель предназначена для вопросов по большим репозиториям, поиска межфайловых зависимостей, анализа и исправления кода, а также генерации кода. README приводит бенчмарк на корпусе исходников Transformers, однако заявленные показатели скорости и использования видеопамяти относятся к описанному сценарию и не гарантируют такую же производительность на других данных и оборудовании. Модель распространяется под лицензией CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

AceInstruct-72B — разработанная NVIDIA большая языковая модель для программирования, математики и общих задач. Это плотная авторегрессионная модель семейства Qwen2 с 71,5 млрд параметров, дообученная методом supervised fine-tuning на базовой модели Qwen2.5-Base с использованием общих инструкционных наборов данных. Модель поддерживает диалог и генерацию кода; заявленная длина контекста — 131 072 токена. AceInstruct рассчитана на широкий круг задач по инструкциям, включая написание и объяснение кода, решение математических задач и ответы на вопросы общего характера. В оценках из карточки её результаты сопоставимы с Qwen2.5-Instruct; это результаты бенчмарков, а не гарантия качества для каждого сценария. Модель принимает текст и генерирует текст. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

aiXapply-4B-SFT — специализированная причинная языковая модель aiXcoder для применения локальных изменений кода к целым файлам. Она принимает исходный файл и фрагмент обновления, затем генерирует полную версию файла, стараясь сохранить неизменённым код за пределами запрошенной правки и раскрыть обозначенные в фрагменте пропуски исходным содержимым. Модель представляет собой плотную архитектуру Qwen3ForCausalLM с 3,7 млрд параметров, дообученную на базе Qwen/Qwen3-4B. Она принимает текст и выдаёт текст; заявленная длина контекста — до 262 144 токенов. Модель предназначена для этапа Apply в IDE и конвейерах программирования: она преобразует предложенную помощником правку в полный обновлённый файл. В README сообщается о точности эквивалентности 94,4% на основном наборе из 1 637 примеров и о повышенной скорости применения изменений при использовании спекулятивного декодирования; эти результаты зависят от описанной конфигурации запуска. Поддерживаются файлы на разных языках программирования и форматы, однако конкретный перечень языков в карточке не приведён. При неоднозначных якорях модель должна действовать консервативно, но результат всё равно следует проверять: точность не абсолютна. Лицензия — Apache-2.0.

Карточка модели aiXcoder/aixcoder-7b на Hugging Face совпадает с карточкой aiXcoder/aixcoder-7b-base, поэтому описание составлено по ней. aiXcoder-7B Base — базовая большая языковая модель для кода, разработанная командой aiXcoder. Модель с архитектурой Llama содержит 7,2 млрд параметров и обучена на 1,2 трлн уникальных токенов. Она предназначена для автодополнения, понимания и генерации кода на нескольких языках программирования; контекстное окно составляет 32 768 токенов. Модель ориентирована на сценарии разработки и, по заявлению авторов, показывает сильные результаты в автодополнении кода и мультиязычном NL2Code среди моделей сопоставимого размера. Это базовая версия без специального instruction-тюнинга, поэтому она может хуже справляться с высокоуровневыми задачами вроде отладки и генерации тестов. Опубликованные веса доступны в форматах PyTorch и safetensors; лицензия в предоставленных данных не описана.

AReaL-boba-2-14B — открытая 14-миллиардная языковая модель для генерации кода и решения задач программирования, созданная командой RL Lab организации Ant Research. Это плотная авторегрессионная модель семейства Qwen3, дообученная с помощью асинхронного обучения с подкреплением в системе AReaL-boba²; для репозитория указаны веса PyTorch и контекст до 40 960 токенов. В README приведены результаты на LiveCodeBench v5, Codeforces и CodeContests. Модель подходит для генерации и объяснения кода, решения задач по программированию и диалоговой помощи разработчикам; в метаданных также заявлен интерфейс вызова инструментов. README описывает возможности системы обучения, но не приводит подробные инструкции по формату запросов модели. Лицензия репозитория — Apache-2.0.

Aroow-Rust-Coder-9B — специализированная модель для помощи в программировании на Rust, разработанная Convence на основе дообучения Qwen/Qwen3.5-9B. Она предназначена для генерации и дополнения кода, редактирования по схеме fill-in-the-middle, объяснения фрагментов и подготовки модульных тестов в редакторах, ноутбуках и сценариях локального или агентного запуска. Модель работает с функциями, структурами, перечислениями, трейtами, модулями и типичными конструкциями Rust, включая владение и заимствование, обработку ошибок через Result и Option, а также стандартную библиотеку. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Лицензия — Apache 2.0. README рекомендует проверять сгенерированный код компилятором, тестами, форматированием и ревью. Как и другие генеративные модели кода, она может предлагать ошибочные или небезопасные решения; заявленная специализация на Rust не подтверждает качество для других языков и задач.

Athena-codegemma-2-9b — дообученная компанией EpistemeAI языковая модель семейства Gemma 2 с плотной архитектурой и 9 млрд параметров. Она создана на основе EpistemeAI/EpistemeAI-codegemma-2-9b и предназначена для генерации кода и текста по запросу. Модель принимает текст и генерирует текст; её контекстное окно составляет 8192 токена. В карточке указан английский язык. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Auralis-Coder — специализированная авторегрессионная языковая модель для программирования и тем, связанных с искусственным интеллектом. Она разработана CodeDevX и дообучена на базе Qwen/Qwen2.5-1.5B; модель содержит 1,5 млрд параметров и использует архитектуру Qwen2 с плотной сетью трансформеров. Для генерации и понимания текста применяются токенизатор семейства Qwen2.5 и контекст до 131 072 токенов. Модель предназначена для генерации и объяснения кода, помощи в отладке, разбора алгоритмов и структур данных, а также ответов по машинному обучению, нейронным сетям и другим техническим темам. В README заявлены примеры языков программирования, включая Python, C/C++, Java, JavaScript, TypeScript, Rust, Go и SQL; это не означает поддержку соответствующих естественных языков. Основной язык естественного текста в метаданных — английский. Модель рассчитана на технические запросы; автор указывает, что вопросы вне программирования и ИИ не входят в её основную область применения. Качество ответов и кода следует проверять, а доступность длинного контекста не гарантирует одинаковую точность на всей его длине. Лицензия — MIT.

Baanzon-Chenni-1.5-9B — плотная языковая модель на 9,65 млрд параметров, построенная на архитектуре Qwen3.5 и опубликованная Devopsopraiz. Она предназначена для генерации текста в задачах автономной разработки ПО, технического анализа и оркестрации локальных агентных сценариев. Модель поддерживает чат и интерфейс вызова инструментов; заявленное окно контекста составляет 262 144 токена. Модель рассчитана на планирование многоэтапной разработки, генерацию и рефакторинг кода, отладку проектов из нескольких файлов, алгоритмические рассуждения и системный анализ. В README также заявлена поддержка входных изображений и видео, унаследованная от мультимодальной архитектуры, хотя метаданные классифицируют модель только как text-generation. Веса опубликованы в формате safetensors; для работы требуются актуальная версия transformers с поддержкой Qwen3.5 и PyTorch, а для GPU-инференса — CUDA. Лицензия — MIT. В README указано, что поведение отказов модели ослаблено, поэтому она может генерировать чувствительный или спорный контент; результаты следует проверять. Также заявлены поддержка Multi-Token Prediction и настройка шаблона чата для режима рассуждений.

Blossom-V7.1-35B-A3B — открытая мультимодальная модель общего назначения от разработчиков семейства Blossom, дообученная на базе Qwen3.6-35B-A3B. Она принимает текст и изображения и предназначена для диалогов, ответов на вопросы, математики, рассуждений, программирования, веб-разработки, визуализации данных и агентных сценариев с вызовом инструментов. Модель построена на архитектуре Qwen3.5 MoE; в названии варианта указано 35B-A3B. Поддерживает режимы рассуждения medium и max, вызов инструментов с промежуточным рассуждением и контекст до 262 144 токенов, при этом для лучших результатов рекомендуется до 131 072 токенов. Доступны веса Safetensors; README также описывает запуск через Transformers, vLLM и llama.cpp для соответствующих вариантов. Для многоходового диалога нужно сохранять полные сообщения ассистента, включая поля рассуждений и вызовы инструментов. Модель рассчитана на локальное развёртывание и гибридный CPU/GPU-инференс. Для корректной работы требуется встроенный шаблон чата Blossom; замена его на шаблон Qwen может нарушить работу. Лицензия — Apache-2.0. В README указано, что обучающие данные планируют выпустить позднее.

CAT-LM — языковая модель GPT-стиля, разработанная Nikitha Rao и соавторами для работы с программным кодом. Модель обучена на корпусе проектов Python и Java объёмом около 260 ГБ с сигналом предобучения, который учитывает связь между исходным кодом и тестовыми файлами, если такая связь доступна. Модель предназначена для генерации кода и других задач продолжения текста в контексте разработки программного обеспечения. В README указано 2,7 млрд параметров, а в метаданных Hugging Face — 3,5 млрд; оба источника указывают контекст до 8192 токенов. Архитектура в метаданных обозначена как GPT-NeoX, формат весов — PyTorch. Модель опубликована в рамках исследования на конференции ASE 2023. Сведения о лицензии MIT приведены в метаданных. README предупреждает, что модель обучалась без специального токена `` и его следует удалять при использовании.

Claude Opus 4.5 — мультимодальная модель рассуждений компании Anthropic, предназначенная для сложной разработки программного обеспечения, агентных рабочих процессов и длительного взаимодействия с компьютером. Карточка описывает её как передовую модель с сильными возможностями в этих сценариях. Модель подходит для решения сложных задач программирования, работы агента с инструментами и компьютерными интерфейсами, а также для задач с изображениями и текстом. В предоставленных данных не раскрыты размер модели, поддерживаемые языки, длина контекста и условия лицензии.

Claude Sonnet 5 — модель семейства Sonnet от Anthropic. В карточке она описана как наиболее мощная модель Sonnet и предназначена для программирования, работы агентных систем и профессиональных задач. Каталог классифицирует её как image-text-to-text. Карточка упоминает адаптивное рассуждение с настраиваемыми уровнями усилий от низкого до максимального. Доступные сведения не раскрывают размер модели, поддерживаемые языки, контекстное окно, лицензию или подробности обработки изображений.

claude-yolo-vibes-v5 — это дообученная David Nichols модель генерации кода на архитектуре Qwen2.5-Coder-7B-Instruct. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель обучена на смеси дистиллированных трасс агентного программирования, примеров вопросов и ответов и специально подготовленных данных для настройки стиля; README описывает этапы SFT и DPO. Модель предназначена прежде всего для написания, анализа и исправления кода, в том числе в диалоговых сценариях. Она отвечает кратко и практично, с сухим юмором и лёгким скепсисом к корпоративной AI-риторике. В README приведён результат HumanEval Pass@1 85,4% (140 из 164) на локальном жадном запуске; это измерение не проверено EvalPlus и само по себе не гарантирует качество на других задачах. Ограничения связаны с тем, что поведение на агентных задачах вне распределения зависит от дистиллированных данных, а общий QA представлен небольшим объёмом данных: модель ориентирована прежде всего на программирование. Доступна под лицензией Apache-2.0.

CoDA-v0-Instruct — инструкциялық диалог пен код генерациясына арналған Salesforce AI Research әзірлеген 1,7 млрд параметрлі CoDA тобының диффузиялық тілдік моделі. Ол код жазу және толықтыру кезінде сол және оң жақтағы контексті бірдей ескеретін екібағытты дискретті диффузияны қолданады. Модель код генерациясы мен аяқтауына оңтайландырылған, сондай-ақ чат және құралдарды шақыру интерфейсін қолдайды. Карточкада HumanEval, MBPP және EvalPlus сияқты код тапсырмаларындағы нәтижелері келтірілген; сенімділікке негізделген іріктеу сапа мен жылдамдықты теңестіруге арналған. Модель өлшемі 1,7 млрд параметр, контекст ұзындығы 40 960 токен, Transformers кітапханасындағы safetensors пішімінде жарияланған. Негізгі қолданылуы — код жазуға көмекші ретінде жұмыс істеу: функциялар құру, берілген кодты толықтыру және бағдарламалау сұрақтарына жауап беру. Карточкада ағылшын тілі көрсетілген. Лицензиясы CC BY-NC 4.0, сондықтан коммерциялық қолдануға арналмаған; нақты өнімге енгізер алдында лицензия шарттарын тексеру қажет.