加码 AI 生态，蚂蚁集团开源代码大模型 Ling-Coder-Lite

随着人工智能技术的飞速发展，代码大语言模型（Code LLM）正在成为开发者工具链中的重要组成部分。从代码补全到错误修复，从多语言支持到复杂任务的自动化处理，代码大模型正在重新定义编程的效率和可能性。

本次发布关键总结如下：

• 模型和数据集开源：2 个轻量级代码大模型 Ling-Coder-Lite 和 Ling-Coder-Lite-Base 已在 Hugging Face 与 ModelScope 开源 。同时，蚂蚁集团开源用于退火训练的 SyntheticQA、用于后训练 SFT（Supervised Fine-tuning）和 DPO（Direct Preference Optimization）共计约 3000 万条数据（图 1(a)），支持社区进一步研究和开发。

• 技术细节公开：本次开源同步发布技术报告，公开更多关于高质量训练代码数据集构建方法，以及训练中数据分阶段混合配比策略的细节，助力行业共同推进代码大模型研究。

• 效率与效果平衡升级：基于 Ling-MoE 架构，Ling-Coder-Lite 总参数量为 16.8B，推理时激活参数仅为 2.75B ，同时兼顾了更高效率和更好效果。

• 多语言和多任务支持：Ling-Coder-Lite 支持 Python、Java、C++、JavaScript 等数十种常用编程语言，在 MultiPL-E 和 MBXP 等多语言基准测试中表现优秀；除简单的和多语言的代码生成之外，还支持竞赛类和应用类高级代码生成、代码理解和输入输出推理、数据科学和 SQL 类数据分析、代码修复等多个任务场景。

模型效果

在 12 个代码基准测试中，Ling-Coder 的表现和类似尺寸最佳模型（Qwen2.5-Coder-7B）不相上下（12 个中 7 个胜出），领先于 OpenCoder-8B 和 DeepSeek-Coder-V2-lite，具体参见图 1(b)； 推理效率比 Qwen2.5-Coder-7B 快 1.5X~2X（图 1(c)），特别适合需要低延迟响应的场景，如 AI-IDE 中的代码补全。实际内部使用中，Ling-Coder-Lite 在相同延迟设定下，比此前基于 dense 架构的类似尺寸模型节省一半部署资源。