Seed Coder 8B Reasoning GGUF

🚀 Seed-Coder-8B-Reasoning

Seed-Coder是一個強大、透明且參數高效的8B規模開源代碼模型家族，包含基礎、指令和推理等變體，在多種編碼任務中表現出色。

Unsloth Dynamic 2.0 實現了卓越的準確性，超越了其他領先的量化方法。

✨ 主要特性

我們很高興推出Seed-Coder，這是一個強大、透明且參數高效的8B規模開源代碼模型家族，具有基礎、指令和推理等變體。Seed-Coder通過以下亮點推動了開源代碼模型的發展：

• 以模型為中心：Seed-Coder主要利用大語言模型（LLMs）而非手工規則進行代碼數據過濾，最大限度地減少了預訓練數據構建中的人工工作量。
• 透明：我們公開分享了以模型為中心的數據管道的詳細信息，包括整理GitHub數據、提交數據和代碼相關網絡數據的方法。
• 強大：在各種編碼任務中，Seed-Coder在同類規模的開源模型中達到了最先進的性能。

本倉庫包含 Seed-Coder-8B-Reasoning 模型，該模型具有以下特點：

📦 安裝指南

你需要安裝最新版本的 transformers 和 accelerate：

pip install -U transformers accelerate

🚀 快速開始

以下是一個簡單的示例，展示瞭如何使用Hugging Face的 pipeline API加載模型並進行代碼生成：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "ByteDance-Seed/Seed-Coder-8B-Reasoning"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True)

messages = [
    {"role": "user", "content": "Write a quick sort algorithm."},
]

input_ids = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    return_tensors="pt",
    add_generation_prompt=True,  
).to(model.device)

outputs = model.generate(input_ids, max_new_tokens=16384)
response = tokenizer.decode(outputs[0][input_ids.shape[-1]:], skip_special_tokens=True)
print(response)

📚 詳細文檔

Seed-Coder-8B-Reasoning在競賽編程中表現出色，證明了較小的大語言模型也能勝任複雜的推理任務。我們的模型在IOI'2024上超越了QwQ-32B和DeepSeek-R1，在Codeforces競賽中的ELO評級與o1-mini相當。

有關詳細的基準測試性能，請參考我們的 📑 技術報告。

📄 許可證

本項目採用MIT許可證。有關詳細信息，請參閱 許可證文件。

📦 模型下載