Разработчики: | Meta Platforms |
Дата премьеры системы: | январь 2024 г. |
Отрасли: | Информационные технологии |
Технологии: | Средства разработки приложений |
2024: Анонс продукта
В конце января 2024 года компания Meta (признана экстремистской организацией; деятельность на территории Российской Федерации запрещена) представила модель искусственного интеллекта Code Llama 70B для генерации программного кода. Утверждается, что на момент анонса это самая крупная и наиболее эффективная нейросеть данного типа.
Инструменты Code Llama бесплатны как для исследовательского, так и для коммерческого использования. Нейросеть не только помогает разработчикам создавать программы, генерируя код на основе подсказок, но и отлаживает работу блоков, написанных человеком. Модель обучена на 1 Тбайт кода и связанных с ним данных.
По заявлениям Meta, Code Llama 70B может обрабатывать больше запросов, чем предыдущие версии, а это означает, что разработчики могут вводить более подробные инструкции и получать более точные и эффективные результаты. В тесте HumanEval модель Code Llama 70B показала точность на уровне 53%. Для сравнения: в случае OpenAI GPT-3.5 этот показатель составляет 48,1%, а у GPT-4 он равен 67%.Павел Бобу, Cloud Networks: В 2024 году больше всего запросов было на ИБ-консалтинг
Разработчикам также доступны специализированные инструменты Code Llama: Code Llama — Python и Code Llama — Instruct, которые ориентированы на конкретные языки программирования. В частности, модель CodeLlama-70B-Python прошла обучение на дополнительных 100 млрд токенов кода Python. В свою очередь, CodeLlama-70B-Instruct может решать различные вспомогательные задачи, такие как сортировка, поиск, фильтрация и манипулирование данными, а также реализация алгоритмов. Модель Code Llama 70B размещена в репозитории кода Hugging Face. Компании могут использовать систему генерации программного кода в своей частной среде. Это дает им контроль и уверенность в защите интеллектуальной собственности.[1][2]
Примечания
Подрядчики-лидеры по количеству проектов
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
Данные не найдены
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
Данные не найдены
Распределение систем по количеству проектов, не включая партнерские решения
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)