一夜之間，AI 編程模型的開源王座易主了！
Qwen2.5-Coder-32B 正式發布，霸氣拿下多個主流基準測試 SOTA，徹底登上全球最強開源編程模型寶座。
更重要的是，在代碼能力的 12 個主流基準上，Qwen2.5-Coder-32B 與 GPT-4o 對決，斬獲 9 勝，一舉掀翻閉源編程模型的絕對統治。
不用一行代碼，隻要輸入最直接、夠詳細的自然語言 prompt，它就能給你整全套：
比如，做個簡單的模拟三體運動的 HTML 網頁吧！
生成個 game of life 的小遊戲，也是手拿把掐：
哪怕是完全不懂編程的小白，也能輕松上手。比如我們體驗了一把用一句大白話生成計算器：
很快就搞定了，計算器可以直接使用。
還有更多好玩又實用的應用，比如不到 20 秒生成一個音樂播放器。
做簡曆也易如反掌：
怪不得開發者們都說，太恐怖了，超越了 4o，與 Sonnet、o1 都能掰手腕！
更讓人驚喜的是，這次 Qwen2.5-Coder 上新，共開源 0.5B/1.5B/3B/7B/14B/32B 共 6 個尺寸的全系列模型，每種尺寸都取得同規模下SOTA。
而且大部分版本都是采用非常寬松的Apache 2.0 許可。
△藍色爲此次新發布版本
要知道，自從 CodeQwen1.5 推出以來，該系列模型就成爲開發者社區最關注的開源編程模型之一。
9 月發布的 Qwen2.5-Coder-7B 版本，更是一騎絕塵，不少人表示它足以替代 GPT-4 和 Sonnet 3.5 成爲日常主力工具。
當時還預告了 32B 的發布，從此，網友一直催更。
這次，32B 和更多尺寸的全系列 Qwen2.5-Coder 如約而至，這個看起來能用 code 生萬物的最強開源代碼模型，到底厲害在哪兒呢？
超越 GPT-4o，人人都能用
首先，我們爲什麽關注編程模型？因爲代碼能力對大模型的推理很重要，大模型對代碼的理解通常被認爲是其邏輯能力的基礎來源之一。
代碼思維鏈 ( program-of-thought ) 将複雜問題分解爲可執行的代碼片段，并且利用代碼執行器逐步解決子問題，可以較大程度提升基于大型語言模型的推理能力。
DeepMind 斯坦福 UC 伯克利聯手發表的一項研究中提到，使用代碼鏈（Chain of Code），不僅可以提升模型基于代碼的推理能力，也給模型自然語言任務、數學計算方面帶來積極影響。
△https://arxiv.org/abs/2312.04474
Qwen2.5-Coder 也采用了類似原理。它基于 Qwen2.5 基礎大模型進行初始化，使用源代碼、文本代碼混合數據、合成數據等 5.5T tokens 的數據持續訓練，實現了代碼生成、代碼推理、代碼修複等核心任務性能的顯著提升。
最新發布中，Qwen2.5-Coder 全系列共開源 6 個尺寸模型，每個規模包含 base 和 Instruct 兩個版本。
Base 模型爲開發者可以自行微調的基座模型，Instruct 模型是可以直接聊天的官方對齊模型。
團隊評估了不同尺寸 Qwen2.5-Coder 在所有數據集上的表現，不但均取得同等規模下最佳性能（無論開閉源），并且還驗證了 Scaling Law 依舊奏效。
其中，Qwen2.5-Coder-32B-Instruct 是本次開源的旗艦模型。
在編程大模型主要關注的 5 個方面上，它都實現了對 GPT-4o 的超越：
代碼生成
代碼修複
代碼推理
多編程語言
人類偏好對齊
首先來看編程模型最核心的能力——代碼生成。
Qwen2.5-Coder-32B-Instruct 在多個流行的代碼生成基準上都取得了開源 SOTA。
而且在 HumanEval、McEval、Spider、EvalPlus、BigCodeBench 等基準上，都超越了閉源的 GPT-4o 和 Claude 3.5 Sonnet。
其次，代碼修複方面，在主流基準 Aider 上，Qwen2.5-Coder-32B-Instruct 略勝 GPT-4o。
第三，代碼推理方面，在 CRUXEval 基準上，32B 版本較 7B 版本有了明顯提升，甚至達到了和 GPT-4o、Claude 3 Opus 相當的水平。
第四，在對多編程語言的掌握上，Qwen2.5-Coder 支持92 種編程語言。Qwen2.5-Coder-32B-Instruct 在其中 40 多種語言上表現出色。
在 Haskell、Racket 等語言上表現格外突出，打敗 4o 等閉源模型同時取得了超高分數。
通過在預訓練階段進行獨特數據清洗和配比，它在 McEval 上取得 65.9 分，
在多編程語言的代碼修複基準 MdEval 上，同樣表現突出，取得 75.2 分，位列所有開源模型第一。
最後，爲了檢驗 Qwen2.5-Coder-32B-Instruct 在人類偏好上的對齊表現。通義千問團隊還構建了一個來自内部标注的代碼偏好評估基準 Code Arena，可以理解爲編程大模型競技場。
這一部分，Qwen2.5-Coder-32B-Instruct 和閉源模型正面 PK，通過讓兩個模型在同樣問題下 PK，計算最終勝負比，以此來評判模型表現。
實驗結果顯示，Claude 3.5 Sonnet 戰績最好，Qwen2.5-Coder-32B-Instruct 和 GPT-4o 水平相當，勝率爲 68.9%。
總的來看，Qwen2.5-Coder-32B-Instruct 毫無疑問是開源最佳，并且真正拉平甚至部分超出了有最強代碼能力的閉源模型。
在實際應用上，通義千問團隊演示了基于 Qwen2.5-Coder 打造的智能代碼助手，并上線了一個Artifacts 應用。
目前智能代碼助手領域主要以閉源模型爲主，Qwen2.5-Coder 爲開發者提供了開源選擇。
它在幾個可以評估模型輔助編程的基準上（CrossCodeEval、CrossCodeEval、CrossCodeLongEval、RepoEval、SAFIM）都取得了 SOTA。
新的 Qwen2.5-Coder，對編程小白也很友好，一句話就能開發小應用 / 遊戲。
比如現場自動做一個 2048 小遊戲，幾十秒搞定，立刻就能玩。
或者是生成一個圖文并茂的英語單詞卡頁面，速度都非常快。
被全球開發者追捧的中國開源模型
Qwen2.5-Coder-32B 的快速推出可以說是衆望所歸。
就在前段時間，Reddit 還有帖子提問，怎麽 32B 版本還不來？
畢竟，不少人都基于 9 月開源的 Qwen2.5-Coder-1.5B 和 7B 版本，打造出了熱度頗高的應用。
比如Qwen Code Interpreter。這是一個類似于 ChatGPT 的代碼解釋器，可完全在本地 / 浏覽器上運行，基于 Qwen2.5-Coder-1.5B 打造。
隻用小模型還實現了非常好的效果，這立刻引發不少網友的關注，一個随手推薦帖就有近千人點贊。
還有人基于 Qwen2.5-Coder 打造了專門用于 rust 語言的編程助手。
說 Qwen2.5-Coder 是最受歡迎的開源編程大模型絕不爲過，事實上，每一代 Qwen 編程模型，都代表了開源的最高水平，PK 的永遠是當時最厲害的閉源模型。
今年 4 月，CodeQwen1.5-7B 發布，在基礎代碼生成能力上，它表現出超過更大尺寸模型的潛力，拉近了開源模型和 GPT-4 之間的編程能力差距。
之後在雲栖大會上，Qwen2.5-Coder-1.5B/7B 發布。作爲 Qwen2.5 家族的一員，Qwen2.5-Coder-7B 打敗了當時比它尺寸更大的 DeepSeek-Coder-V2-Lite 和 Codestral-20B，成爲最強基礎編程模型之一。
在此基礎上，Qwen2.5-Coder-32B 的推出，将規模提升一個數量級達到百億參數，能力也進一步湧現，水平超越 GPT-4o，逐漸逼近閉源模型王者 Claude 3.5 Sonnet。
閉源模型山頭幾個月一換，而開源的 Qwen 卻從來沒有停下攀登的腳步，也進一步驗證，開源模型和閉源模型之間的差距正在縮短，開源模型完全有機會、有能力取代閉源模型，爲全球廣大開發者用戶提供更加低門檻、開放的 AI 能力。
随着 AI 應用趨勢不斷演進，越來越多領域和行業加入，對 AI 模型的性能、開發成本以及上手門檻都會提出更高要求。反之，易用的開源模型将成爲推動這股趨勢的重要動力。
Qwen 系列的爆火就是這種正向循環最好的證明之一。截至 9 月底，全球基于 Qwen 系列二次開發的衍生模型數量 9 月底突破 7.43 萬，超越 Llama 系列衍生模型的 7.28 萬。
通義千問 Qwen 已成爲全球最大的生成式語言模型族群。
而背靠阿裏——全球雲計算和 AI 的第一梯隊玩家，一方面，深厚技術和資源支持爲 Qwen 系列的持續開源、不斷升級提供更可靠保障，另一方面，阿裏自身業務及發展上的需要也構成了 Qwen 繼續攀登高峰的内在閉環。
不過開源模型最大價值還是要回歸開發者。
AI 的到來，讓天下沒有難開發的應用。
Qwen 作爲中國開源大模型領軍者，爲全球開發者提供更豐富的選擇，也代表中國創新力量在全球大模型競技中登台亮相，并且正在得到更多人的認可。
嗯…比如前段時間 Mistral 發布的端側模型沒有和 Qwen2.5 做對比，還被小小吐槽了下（doge）。
值得一提的是，據透露Qwen3已經在路上，預計在幾個月内和大家見面。可以期待一下 ~
關于 Qwen2.5-Coder 的更多信息，可直接通過下方鏈接了解。
GitHub 地址：
https://github.com/QwenLM/Qwen2.5-Coder
技術報告：
https://arxiv.org/abs/2409.12186
号外：爲了探索 Qwen 在不同場景下的應用，通義千問 Qwen 聯合魔搭社區、阿裏雲開發者社區發起征文活動，圍繞 Agent 應用、微調 / 部署、行業應用、Qwen-coder 應用創作技術實踐文章，就有機會參與瓜分 10 萬元獎金！
— 完 —
點這裏關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
>
