deepseek-coder:6.7b im LLM-Testsuite-Report
Modellbeschreibung
DeepSeek Coder ist ein leistungsfähiges Programmiermodell, das auf zwei Billionen Tokens aus Code und natürlicher Sprache trainiert wurde.
| Modellfamilie | deepseek-coder |
|---|---|
| Kontext | 16K |
| Input | Text |
| Größe | 38 GB |
| Familiengrößen | 13b, 67b, 33b |
Readme-Auszug
DeepSeek Coder wurde von Grund auf mit 87 % Code und 13 % natürlicher Sprache auf Englisch und Chinesisch trainiert. Jedes Modell wurde auf 2 Billionen Tokens vortrainiert.
Verfügbare Modelle
Modell mit 1,3 Milliarden Parametern
ollama run deepseek-coder
Modell mit 6,7 Milliarden Parametern
ollama run deepseek-coder:6.7b
Modell mit 33 Milliarden Parametern
ollama run deepseek-coder:33b
CLI
Öffnen Sie das Terminal und führen Sie ollama run deepseek-coder aus.
API
Beispiel mit curl:
curl -X POST http://localhost:11434/api/generate -d '{ "model": "deepseek-coder", "prompt":"Warum ist der Himmel blau?" }'
API-Dokumentation
Referenzen
HuggingFace
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.