DeepSeek anunció la publicación de DeepSeek-Coder-V2, un modelo de lenguaje de código abierto de 236.000 millones de parámetros totales basado en una arquitectura de mezcla de expertos (MoE) que activa únicamente 21.000 millones de parámetros por token (21B activos), ampliando su cobertura de 86 a 338 lenguajes de programación y extendiendo su ventana de contexto nativa de 16k a 128.000 tokens. Entrenado a partir de un punto intermedio de DeepSeek-V2 sobre 6 billones de tokens adicionales de código y matemáticas, DeepSeek-Coder-V2 se convierte en el primer modelo de código abierto que alcanza paridad con GPT-4 Turbo y Claude 3.5 Sonnet en benchmarks de razonamiento algorítmico, resolución de incidencias en GitHub (SWE-bench) y programación matemática competitiva.
Capítulo 01
La noticia en una frase
DeepSeek presenta Coder-V2 (236B MoE con 21B activos), modelo abierto que rivaliza con GPT-4 Turbo en matemáticas y código en 338 lenguajes.
En SWE-bench Verified, DeepSeek-Coder-V2 resuelve un 25,0% de los problemas de repositorios reales, superando a GPT-4o inicial (23,6%) y alcanzando un 90,2% en HumanEval y un 75,7% en el benchmark matemático MATH.
Capítulo 02
El alcance que cambia la lectura
Hasta ahora, el soporte agéntico para bases de código en lenguajes especializados como Julia, VHDL, OCaml, Haskell o Rust dependía exclusivamente de modelos cerrados costosos. DeepSeek-Coder-V2 ofrece a organizaciones de cualquier tamaño un motor de ingeniería de software soberano y de bajísimo costo operativo.
