Deepseek AI模型升級推出2.5版：合并Coder和Chat，對齊人類偏好、優(yōu)化寫作任務和指令跟隨等

　　DeepSeek Coder V2 和 DeepSeek V2 Chat 兩個模型已經合并升級，升級后的新模型為 DeepSeek V2.5。

　　DeepSeek 官方昨日(9 月 5 日)更新 API 支持文檔，宣布合并 DeepSeek Coder V2 和 DeepSeek V2 Chat 兩個模型，升級推出全新的 DeepSeek V2.5 新模型。

　　官方表示為向前兼容，API 用戶通過 deepseek-coder 或 deepseek-chat 均可以訪問新的模型。

　　新模型在通用能力、代碼能力上，都顯著超過了舊版本的兩個模型。

　　新模型更好地對齊了人類的偏好，在寫作任務、指令跟隨等多方面進行了優(yōu)化：

　　ArenaHard winrate 從 68.3% 提升至 76.3%

　　AlpacaEval 2.0 LC winrate 從 46.61% 提升至 50.52%

　　MT-Bench 分數從 8.84 提升至 9.02

　　AlignBench 分數從 7.88 提升至 8.04

　　新模型在原 Coder 模型的基礎上進一步提升了代碼生成能力，對常見編程應用場景進行了優(yōu)化，并在標準測試集上取得了以下成績：

　　HumanEval: 89%

　　LiveCodeBench (1-9 月): 41%

　　注：Deepseek AI 模型由杭州深度求索人工智能推出，該公司成立于 2023 年。

　　官方介紹如下：

　　專注于研究世界領先的通用人工智能底層模型與技術，挑戰(zhàn)人工智能前沿性難題�；�于自研訓練框架、自建智算集群和萬卡算力等資源，DeepSeek(深度求索)團隊僅用半年時間便已發(fā)布并開源多個百億級參數大模型，如 DeepSeek-LLM 通用大語言模型、DeepSeek-Coder 代碼大模型，并且在 2024 年 1 月率先開源國內首個 MoE 大模型(DeepSeek-MoE)，各大模型在公開評測榜單及真實樣本外的泛化效果均有超越同級別模型的出色表現。