El consorcio abierto BigCode, liderado conjuntamente por ServiceNow y Hugging Face, presentó StarCoder 2, una familia de modelos de lenguaje especializados en programación de 3.000 millones (3B), 7.000 millones (7B) y 15.000 millones (15B) de parámetros entrenados sobre The Stack v2, el conjunto de datos de código fuente público más extenso y rigurosamente curado del mundo con más de 3,5 billones de tokens en 619 lenguajes. Con una ventana de contexto nativa de 16.000 tokens ampliable a 32k mediante interpolación RoPE, StarCoder 2 supera a modelos el doble de grandes en autocompletado, síntesis de código y comprensión algorítmica, estableciendo el estándar de oro en transparencia ética con atribución de licencias y mecanismos activos de exclusión (opt-out) para los desarrolladores originales.
Capítulo 01
La noticia en una frase
BigCode lanza StarCoder 2 (3B, 7B y 15B), modelos de programación abiertos en 619 lenguajes entrenados sobre The Stack v2 con 16k tokens de contexto.
En HumanEval, StarCoder 2 15B alcanza un 46,3% de acierto duplicando el desempeño del StarCoder original, mientras que la variante 3B iguala a modelos anteriores de 15B operando a más de 120 tokens por segundo en hardware modesto de consumo.
Capítulo 02
El alcance que cambia la lectura
Para desarrolladores independientes y empresas con políticas estrictas de cumplimiento de código abierto, StarCoder 2 proporciona autocompletado y refactorización local sin riesgos de contaminación de propiedad intelectual ni filtración de secretos a servidores externos.
