🚀 Yi-Coder - 开源代码语言模型

Yi-Coder是一系列开源代码语言模型，在参数少于100亿的情况下，仍能提供最先进的编码性能。

🐙 GitHub • 👾 Discord • 🐤 Twitter • 💬 WeChat
📝 论文 • 💪 技术博客 • 🙌 常见问题解答 • 📗 学习中心

🚀 快速开始

你可以使用transformers库对Yi-Coder模型（包括聊天版和基础版）进行推理，示例代码如下：

from transformers import AutoTokenizer, AutoModelForCausalLM

device = "cuda" # 加载模型的设备
model_path = "01-ai/Yi-Coder-9B-Chat"

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto").eval()

prompt = "Write a quick sort algorithm."
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=1024,
    eos_token_id=tokenizer.eos_token_id  
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

若要快速上手使用Yi-Coder系列模型，请参阅 Yi-Coder README。

✨ 主要特性

• 出色的长上下文理解能力，最大上下文长度可达128K个标记。
• 支持52种主要编程语言：

  'java', 'markdown', 'python', 'php', 'javascript', 'c++', 'c#', 'c', 'typescript', 'html', 'go', 'java_server_pages', 'dart', 'objective-c', 'kotlin', 'tex', 'swift', 'ruby', 'sql', 'rust', 'css', 'yaml', 'matlab', 'lua', 'json', 'shell', 'visual_basic', 'scala', 'rmarkdown', 'pascal', 'fortran', 'haskell', 'assembly', 'perl', 'julia', 'cmake', 'groovy', 'ocaml', 'powershell', 'elixir', 'clojure', 'makefile', 'coffeescript', 'erlang', 'lisp', 'toml', 'batchfile', 'cobol', 'dockerfile', 'r', 'prolog', 'verilog'

如需了解更多模型细节和基准测试结果，请参阅 Yi-Coder博客 和 Yi-Coder README。

📦 模型信息

📚 基准测试

如下图所示，Yi-Coder-9B-Chat在LiveCodeBench基准测试中取得了令人瞩目的23%的通过率，成为唯一参数少于100亿且通过率超过20%的模型。它还优于DeepSeekCoder-33B-Ins（22.3%）、CodeGeex4-9B-all（17.8%）、CodeLLama-34B-Ins（13.3%）和CodeQwen1.5-7B-Chat（12%）。

📄 许可证

本项目采用Apache-2.0许可证。