Открытая модель-кодировщик от DeepSeek с архитектурой MoE на 236 млрд параметров (активны 21B), поддержка 128K контекста и 338 языков программирования.
—
Тарифы
Бесплатно
Бесплатно
Бесплатно (open source, self-hosted)
Платный
$—
Через DeepSeek API от $0.14/1M input-токенов
Плюсы и минусы
Плюсы
Превосходит GPT-4 Turbo на HumanEval и MBPP при открытом исходном коде
Архитектура MoE: активирует только 21B из 236B параметров — высокая эффективность при инференсе
Поддержка 338 языков программирования, включая редкие (Coq, Lean, Julia)
Контекстное окно 128K токенов позволяет анализировать крупные кодовые базы целиком
Модель Lite (16B, активны 2.4B) пригодна для локального запуска на потребительских GPU
Минусы
Полная версия 236B требует значительных вычислительных ресурсов для self-hosted развёртывания
Слабее специализированных моделей в задачах фронтенда с нестандартными фреймворками
Документация и community преимущественно на английском и китайском языках
Подробный обзор
Вопросы и ответы
В чём разница между DeepSeek Coder V2 и DeepSeek Coder V2 Lite?+
Полная версия (236B MoE, активны 21B) значительно мощнее и превосходит GPT-4 Turbo на ряде бенчмарков, но требует нескольких GPU для self-hosted запуска. Lite-версия (16B MoE, активны 2.4B) работает на одной видеокарте с 12–16 ГБ VRAM и подходит для локального использования в IDE. Lite уступает полной версии на сложных алгоритмических задачах, но для повседневного написания кода разница незначительна.
Поддерживает ли DeepSeek Coder V2 автодополнение в реальном времени?+
Да, модель поддерживает режим Fill-in-the-Middle (FIM), который необходим для автодополнения кода в IDE. Этот режим позволяет модели учитывать как контекст до курсора, так и после него. Интеграция через API или локальный запуск с поддержкой FIM доступна в плагинах для VS Code, JetBrains и Neovim.
Насколько хорошо DeepSeek Coder V2 работает с русскоязычными комментариями и задачами?+
Модель понимает русскоязычные запросы и комментарии, поскольку обучена на многоязычном корпусе, включающем русский текст. Однако её основная специализация — код, поэтому она лучше понимает задачи в формате «напиши функцию, которая делает X» даже на русском, чем длинные нарративные объяснения. Для максимального качества рекомендуется формулировать технические задачи чётко и конкретно.
DeepSeek Coder V2 — открытая модель для написания и анализа кода от китайской компании DeepSeek, выпущенная в июне 2024 года. Она построена на архитектуре Mixture of Experts (MoE) с общим числом 236 миллиардов параметров, из которых при каждом запросе активируются только 21 миллиард. Это позволяет добиться производительности, сопоставимой с закрытыми моделями класса GPT-4, при значительно меньших затратах на инференс.
По результатам независимых тестов DeepSeek Coder V2 превзошёл GPT-4 Turbo на бенчмарке HumanEval (90.2% против 88.4%) и показал лучший результат среди открытых моделей на MBPP (76.2%). Особенно сильна модель в задачах, требующих понимания алгоритмов и структур данных: она корректно реализует сложные алгоритмы и находит неочевидные баги в коде.
Один из ключевых козырей DeepSeek Coder V2 — поддержка 338 языков программирования. Помимо популярных Python, JavaScript, Java и Go, модель понимает специализированные языки вроде Lean (для формальных доказательств), Coq, Julia и VHDL. Контекстное окно в 128K токенов позволяет загрузить несколько тысяч строк кода и попросить модель провести рефакторинг или найти архитектурные проблемы.
Модель доступна в двух вариантах: полная версия DeepSeek Coder V2 (236B MoE) и облегчённая версия DeepSeek Coder V2 Lite (16B MoE, активны 2.4B). Lite-версия помещается на видеокарту с 12–16 ГБ VRAM и показывает результаты, сопоставимые с CodeLlama 34B, при вдвое меньших требованиях к памяти. Оба варианта доступны на Hugging Face под лицензией, разрешающей коммерческое использование.
DeepSeek предоставляет официальный API с конкурентоспособными ценами: $0.14 за миллион input-токенов и $0.28 за миллион output-токенов для полной модели — существенно дешевле аналогичных предложений от OpenAI и Anthropic. Модель интегрирована в популярные IDE через плагины и поддерживается в Continue.dev, Cody и других инструментах для разработчиков.
