# 代碼生成優化

AceReason-Nemotron-14B是一個通過強化學習訓練的數學和代碼推理模型，在多個數學和代碼推理基準測試中表現出色。

AceReason-Nemotron-7B是一個基於強化學習訓練的數學和代碼推理模型，從DeepSeek-R1-Distilled-Qwen-7B開始訓練，在多個基準測試中表現出色。

AReaL是由螞蟻科技集團開發的異步強化學習訓練系統，專為大型推理模型設計，支持快速訓練和前沿性能。

基於Qwen3-1.7B微調，通過強化學習技術提升數學推理能力的語言模型

這是一個基於transformers庫構建的文本生成模型，具備高效的參數架構和出色的文本生成能力。

這是一個基於mistralai/Devstral-Small-2505模型的4位GPTQ量化版本，專為消費級硬件優化。

通過強化學習訓練的數學與代碼推理模型，基於DeepSeek-R1-Distilled-Qwen-7B，在數學和代碼推理任務上表現優異

SWE-agent-LM-32B是一個開源的軟件工程語言模型，基於Qwen/Qwen2.5-Coder-32B-Instruct微調，專為軟件工程任務設計。

Marin 8B是一個開源的8B參數規模的大型語言模型，基於Llama架構開發，支持英語文本生成任務。

基於ByteDance-Seed/Seed-Coder-8B-Base模型在特定數據集上微調的大語言模型，支持長序列輸入和高效訓練策略。

Seed-Coder是一個8B規模的開源代碼模型家族，包含基礎版、指導版和推理版。推理版通過強化學習訓練提升推理能力，支持64K上下文長度。

獵鷹-H1是由TII開發的高性能混合架構語言模型，結合了Transformers和Mamba架構的優勢，支持英語和多語言任務。

基於andrewzh的Absolute_Zero_Reasoner-Coder-14b模型，使用llama.cpp進行imatrix量化的版本，適用於推理和代碼生成任務。

Falcon-H1是由TII開發的混合Transformers + Mamba架構的僅解碼因果模型，支持英語和多語言任務。

Phi-4推理增強版是微軟研究院開發的140億參數開源推理模型，通過監督微調和強化學習優化，專注於數學、科學和編程領域的高級推理能力。

GLM-4-9B-0414是GLM家族中的輕量級成員，擁有90億參數，在數學推理和通用任務上表現出色，為資源受限場景提供了高效的解決方案。

Granite-4-Tiny-Preview 是一個擁有70億參數的細粒度混合專家（MoE）指令微調模型，基於 Granite-4.0-Tiny-Base-Preview 開發，適用於通用指令跟隨任務。

OlympicCoder-7B是基於Qwen2.5-Coder-7B-Instruct優化的代碼生成模型，採用IQ-DynamicGate超低比特量化技術，專為內存受限環境設計。

基於Qwen2.5架構的14B參數規模代碼生成與理解模型，通過Model Stock方法融合多個專業編碼模型而成

採用IQ-DynamicGate技術的超低位量化(1-2比特)模型，適用於內存受限設備和邊緣計算場景

基於Qwen2.5-Coder-14B-Instruct基礎模型，通過mergekit工具合併多個專業編碼模型的混合模型

GLM-4-32B-Base-0414是320億參數規模的大語言模型，基於15T高質量數據預訓練，支持中英雙語，在代碼生成、函數調用等任務表現優異。

基於burtenshaw/GemmaCoder3-12B的量化版本，專為代碼生成任務優化，支持多種量化級別以適應不同硬件需求。

Z1是一個基於Qwen2.5-Coder-7B-Instruct的大語言模型，專注於通過思維遷移進行高效推理。

Qwen2.5-Coder-32B-instruct是基於Qwen2.5-Coder-32B的指令微調版本，專注於代碼生成和理解任務。

融合了開源社區最頂尖的32B推理模型與代碼模型，採用SCE合併技術以Qwen2.5-Coder-32B為基礎模型進行融合。

基於Qwen系列模型合併的32B參數大語言模型，專注於代碼生成與理解任務

該模型是基於google/gemma-3-4b-it在codeforces-cots數據集上微調得到的版本，主要用於代碼相關任務。

基於PocketDoc/Dans-PersonalityEngine-V1.2.0-24b的Llamacpp imatrix量化版本，支持多種量化選項，適用於文本生成任務。

基於Llama3.2架構的3B參數大語言模型，支持英文文本生成任務，採用llama.cpp進行imatrix量化

OpenCerebrum-1.0-7b-SFT是一個基於Locutusque/OpenCerebrum-1.0-7b-SFT的靜態量化模型，支持多種量化版本，適用於代碼生成、數學、化學、生物學等領域的文本生成和問答任務。

基於Qwen2.5-Coder-7B-Instruct優化的版本，專注於消除拒絕行為

基於Qwen2.5-Coder-1.5B-Instruct-abliterated模型的Llamacpp imatrix量化版本，適用於代碼生成和文本生成任務。

Qwen2.5-Coder-14B-Instruct-abliterated的量化版本，支持多種量化類型，適用於不同硬件條件。

IBM開發的30億參數指令微調語言模型，基於Granite-3.0架構，支持多語言任務和商業應用

Granite-3.0-8B-Instruct是一個基於Granite-3.0-8B-Base微調的80億參數模型，採用多種開源指令數據集和內部合成的數據集組合進行訓練。

Yi-Coder-1.5B 是一個開源代碼語言模型，參數規模為15億，支持52種編程語言，具備128K tokens的長文本理解能力。

PowerLM-3B是一個30億參數的小型語言模型，採用Power學習率調度器訓練，在自然語言多選、代碼生成和數學推理等多個基準測試中表現優異。

基於CodeLlama-13b-hf架構微調的大語言模型，專門針對API調用生成任務優化

基於Qwen/CodeQwen1.5-7B模型，採用無參考模型的單體偏好優化方法在10萬條高質量排序數據上進行微調的代碼生成模型