# 代码生成优化

AceReason-Nemotron-14B是一个通过强化学习训练的数学和代码推理模型，在多个数学和代码推理基准测试中表现出色。

AceReason-Nemotron-7B是一个基于强化学习训练的数学和代码推理模型，从DeepSeek-R1-Distilled-Qwen-7B开始训练，在多个基准测试中表现出色。

AReaL是由蚂蚁科技集团开发的异步强化学习训练系统，专为大型推理模型设计，支持快速训练和前沿性能。

基于Qwen3-1.7B微调，通过强化学习技术提升数学推理能力的语言模型

这是一个基于transformers库构建的文本生成模型，具备高效的参数架构和出色的文本生成能力。

这是一个基于mistralai/Devstral-Small-2505模型的4位GPTQ量化版本，专为消费级硬件优化。

通过强化学习训练的数学与代码推理模型，基于DeepSeek-R1-Distilled-Qwen-7B，在数学和代码推理任务上表现优异

SWE-agent-LM-32B是一个开源的软件工程语言模型，基于Qwen/Qwen2.5-Coder-32B-Instruct微调，专为软件工程任务设计。

Marin 8B是一个开源的8B参数规模的大型语言模型，基于Llama架构开发，支持英语文本生成任务。

基于ByteDance-Seed/Seed-Coder-8B-Base模型在特定数据集上微调的大语言模型，支持长序列输入和高效训练策略。

Seed-Coder是一个8B规模的开源代码模型家族，包含基础版、指导版和推理版。推理版通过强化学习训练提升推理能力，支持64K上下文长度。

猎鹰-H1是由TII开发的高性能混合架构语言模型，结合了Transformers和Mamba架构的优势，支持英语和多语言任务。

基于andrewzh的Absolute_Zero_Reasoner-Coder-14b模型，使用llama.cpp进行imatrix量化的版本，适用于推理和代码生成任务。

Falcon-H1是由TII开发的混合Transformers + Mamba架构的仅解码因果模型，支持英语和多语言任务。

Phi-4推理增强版是微软研究院开发的140亿参数开源推理模型，通过监督微调和强化学习优化，专注于数学、科学和编程领域的高级推理能力。

GLM-4-9B-0414是GLM家族中的轻量级成员，拥有90亿参数，在数学推理和通用任务上表现出色，为资源受限场景提供了高效的解决方案。

Granite-4-Tiny-Preview 是一个拥有70亿参数的细粒度混合专家（MoE）指令微调模型，基于 Granite-4.0-Tiny-Base-Preview 开发，适用于通用指令跟随任务。

OlympicCoder-7B是基于Qwen2.5-Coder-7B-Instruct优化的代码生成模型，采用IQ-DynamicGate超低比特量化技术，专为内存受限环境设计。

基于Qwen2.5架构的14B参数规模代码生成与理解模型，通过Model Stock方法融合多个专业编码模型而成

采用IQ-DynamicGate技术的超低位量化(1-2比特)模型，适用于内存受限设备和边缘计算场景

基于Qwen2.5-Coder-14B-Instruct基础模型，通过mergekit工具合并多个专业编码模型的混合模型

GLM-4-32B-Base-0414是320亿参数规模的大语言模型，基于15T高质量数据预训练，支持中英双语，在代码生成、函数调用等任务表现优异。

基于burtenshaw/GemmaCoder3-12B的量化版本，专为代码生成任务优化，支持多种量化级别以适应不同硬件需求。

Z1是一个基于Qwen2.5-Coder-7B-Instruct的大语言模型，专注于通过思维迁移进行高效推理。

Qwen2.5-Coder-32B-instruct是基于Qwen2.5-Coder-32B的指令微调版本，专注于代码生成和理解任务。

融合了开源社区最顶尖的32B推理模型与代码模型，采用SCE合并技术以Qwen2.5-Coder-32B为基础模型进行融合。

基于Qwen系列模型合并的32B参数大语言模型，专注于代码生成与理解任务

该模型是基于google/gemma-3-4b-it在codeforces-cots数据集上微调得到的版本，主要用于代码相关任务。

基于PocketDoc/Dans-PersonalityEngine-V1.2.0-24b的Llamacpp imatrix量化版本，支持多种量化选项，适用于文本生成任务。

基于Llama3.2架构的3B参数大语言模型，支持英文文本生成任务，采用llama.cpp进行imatrix量化

OpenCerebrum-1.0-7b-SFT是一个基于Locutusque/OpenCerebrum-1.0-7b-SFT的静态量化模型，支持多种量化版本，适用于代码生成、数学、化学、生物学等领域的文本生成和问答任务。

基于Qwen2.5-Coder-7B-Instruct优化的版本，专注于消除拒绝行为

基于Qwen2.5-Coder-1.5B-Instruct-abliterated模型的Llamacpp imatrix量化版本，适用于代码生成和文本生成任务。

Qwen2.5-Coder-14B-Instruct-abliterated的量化版本，支持多种量化类型，适用于不同硬件条件。

IBM开发的30亿参数指令微调语言模型，基于Granite-3.0架构，支持多语言任务和商业应用

Granite-3.0-8B-Instruct是一个基于Granite-3.0-8B-Base微调的80亿参数模型，采用多种开源指令数据集和内部合成的数据集组合进行训练。

Yi-Coder-1.5B 是一个开源代码语言模型，参数规模为15亿，支持52种编程语言，具备128K tokens的长文本理解能力。

PowerLM-3B是一个30亿参数的小型语言模型，采用Power学习率调度器训练，在自然语言多选、代码生成和数学推理等多个基准测试中表现优异。

基于CodeLlama-13b-hf架构微调的大语言模型，专门针对API调用生成任务优化

基于Qwen/CodeQwen1.5-7B模型，采用无参考模型的单体偏好优化方法在10万条高质量排序数据上进行微调的代码生成模型