# Pythonコード生成

OpenCodeReasoning-Nemotron-14B は Qwen2.5-14B-Instruct を基にファインチューニングされた大規模言語モデルで、コード生成推論に最適化されており、32Kトークンのコンテキスト長をサポートします。

OpenCodeReasoning-Nemotron-32B は Qwen2.5-32B-Instruct をベースにしたコード生成推論モデルで、32Kトークンのコンテキスト長をサポートし、商用・非商用用途に適しています。

Qwen/Qwen3-30B-A3BをファインチューニングしたPythonプログラミング専用モデルで、コード生成タスクに特化

OpenCodeReasoning-Nemotron-7B は Qwen2.5-7B-Instruct を基に開発された大規模言語モデルで、コード生成と推論タスクに特化しており、32Kトークンのコンテキスト長をサポートします。

PyCodeT5はCodeT5モデルの専用バリアントで、Python関数の生成と理解に特化してファインチューニングされており、自然言語の記述を機能的なPythonコードに変換できます。

unsloth/Phi-3-mini-4k-instruct-bnb-4bitを微調整したPythonコード生成モデル。UnslothとTRLライブラリを使用して訓練され、速度が2倍向上

Code LlamaはMetaがリリースした事前学習済み生成テキストモデルシリーズで、コード生成と理解タスク専用に設計されています。このモデルは340億パラメータのPython専用バージョンです。

Code LlamaはMetaが発表した70億から340億パラメータ規模の事前学習及び微調整生成テキストモデルシリーズで、このモデルは130億パラメータのPython専用バージョンです

Code LlamaはMetaが開発した70億パラメータのコード生成モデルシリーズで、このバージョンはPython言語に特化して最適化されています

CodeLlama 70B PythonはPythonプログラミング言語に特化した大規模言語モデルで、Llama 2アーキテクチャを基にしており、コード生成と補完タスクに最適化されています。

このモデルはbigcode/starcoderdataデータセットの58のPythonファイルのうち4つで学習されており、主にコード関連タスクに使用されます。

TinyMistral-248M-v2-Instructを基に開発されたPython専用コード生成モデルで、命令形式のPythonコード生成をサポート

これはrahuldshetty/tinyllama-pythonの量子化GGUFモデルファイルで、unsloth/tinyllama-bnb-4bitをベースにファインチューニングされ、Pythonコード生成タスクに特化しています。

Zephyr-7b-betaをベースにしたロシア語プログラミング強化モデルで、Pythonコード生成タスクに特化

Phi-1は13億パラメータのTransformerモデルで、Python基礎プログラミング向けに設計されており、HumanEvalベンチマークで50%以上の精度を達成

これはLlama 2 7Bモデルの4ビットGPTQ量子化バージョンで、Pythonコード生成タスクに特化してファインチューニングされています

CodeLlama-7b-hfモデルをベースに、QLoRA（4ビット精度）でEvol-Instruct-Python-1kデータセット上でファインチューニングされたコード生成モデル

CodeLlama 7B PythonはMetaが開発した、Pythonコード生成に特化した7Bパラメータの大規模言語モデルで、GGUF形式の量子化バージョンを提供します。

コードラマ(Code Llama)はMetaが開発した340億パラメータのPython専用コード生成モデルで、Llama 2アーキテクチャを基に最適化され、Pythonコードの合成と理解に特化しています

Code LlamaはMetaが開発したコード生成と理解の大規模モデルシリーズで、このバージョンは130億パラメータのPython専用バリアントです

CodeT5+はオープンソースのコード大規模言語モデルファミリーで、エンコーダー-デコーダーアーキテクチャを採用し、さまざまなコード理解と生成タスクをサポートします。このモデルは220Mパラメータバージョンで、特にPythonコード生成に最適化されています。

CodeT5+はオープンソースのコード大規模言語モデルファミリーで、エンコーダ-デコーダアーキテクチャを採用し、幅広いコード理解と生成タスクをサポートします。このモデルはPythonコードに基づいて追加のチューニングを行っています。

これは1億6400万パラメータを持つPythonコード生成モデルで、StarCoderアーキテクチャに基づき、Pythonコード生成タスクに特化して最適化されています。

Salesforce/codet5-smallを微調整したPythonコード生成モデル、カスタム関数生成タスクに特化

Salesforce/codegen-350M-monoを微調整したPythonコード生成モデル、カスタム関数生成に特化

CodeT5はPython言語のNTP目標で事前学習された大規模なエンコーダ-デコーダモデルで、コード理解と生成タスクに特化しています

CodeGen-Mono 16Bは、プログラム合成のための自己回帰型言語モデルで、英語のプロンプトから実行可能なコードを生成することに特化しています。

CodeGenはプログラム合成のための自己回帰型言語モデルシリーズで、CodeGen-Mono 6BはPythonプログラミング言語データセットでさらに事前学習された60億パラメータモデルです。

CodeGenは、Pythonプログラミング言語データセットで事前学習されたプログラム合成のための一連の自己回帰言語モデルです。

bert-base-uncasedをファインチューニングしたGPT-2大型モデルで、Pythonコード関連の問題処理に特化

APPSデータセットでファインチューニングされたGPT-Neo-125Mモデルに基づくプログラミングタスク解決モデル

CodeParrotは、GPT - 2アーキテクチャ（15億パラメータ）に基づいて訓練されたPythonコード生成モデルで、Pythonコードの自動生成に特化しています。

GPT-J 6BをファインチューニングしたPythonコード生成モデルで、Pythonプログラミング支援に特化

GPyTは、80GBの純粋なPythonコードを使ってゼロから学習させたGPT2モデルで、Pythonコード生成タスクに特化しています。

Jupyterノートブックを使ってトレーニングされたPythonコード生成モデルで、自然言語の意図に基づいてコードコンテキスト内でコードを合成できます。