清华系「自然语言编程神器」上新！支持100+种编程语言，效率upup

清华和智谱AI联合打造的多语言代码生成模型CodeGeeX，更新了!

它支持的编程语言种类从原来的20种增加到100多种。

通过IDE中的插件，可以轻松实现「无缝自然语言编程」。

由于使用了新版基础模型，CodeGeeX2的功能更加强大。

据了解，这次的新版本，精度和速度分别是原来的两倍和三倍，内存消耗却只有1/5。

代码生成、解释、翻译、纠错和编程问答等工作，效率都比以前有显著提高。

作为「课代表」，我们把CodeGeeX的更新概括成了下面这几个方面:

代码能力更强了

模型特性得到了优化

AI编程助手功能更全面了

用户协议更加开放

插件版本也将全面更新

模型用起来太繁琐?没关系，除了模型本身的更新，CodeGeeX的插件版本很快也将全面升级至新版。

新插件同样支持超过100种编程语言，说不定比我们知道的还要多。

这之中除了Python、Java等我们耳熟能详的语言之外，还包括Swift、Kotlin等移动端新兴势力。

甚至像Rust这种系统级的编程语言，也在CodeGeeX2的能力范围之内。

比如下面这张动图就展示了CodeGeeX2生成Kotlin代码的场景。

代码生成的速度简直比人类输入指令的速度还快。

而且从中我们可以看到，CodeGeeX2添加注释或debug都能一键完成。

不仅是设计算法，实用程序的编写也是小菜一碟。

补全个vue.js代码，搭建出网页，效率杠杠的!

除了这些代码相关的任务，CodeGeeX2还有很多其他应用场景。

比如查询SQL数据库。

只要打开问答模式，用自然语言描述想要查询的内容，CodeGeeX2就能自动生成SQL查询语句。

模型变强之后，会不会收费呢?不必担心，新版CodeGeeX插件将继续对个人用户免费开放。

而6B参数的CodeGeeX2，也已经进行了开源，相关代码可以到GitHub仓库中查看。

GitHub Copilot的模型也不是对手

OpenAI的HumanEval评测标准可以很好地评价生成代码的表现。

这个名字很容易理解:模型生成的代码质量如何将由人类来评价。

在HumanEval评测中，6B参数的CodeGeeX2的得分比15B参数的StarCoder模型还要高，可谓是四两拨千斤。

而GitHub Copilot中曾使用的Code-Cushman-001模型同样不是CodeGeeX2的对手。

不过，CodeGeeX毕竟是一个多语言模型，而HumanEval却只支持Python。

所以，为了更加准确地测试CodeGeeX的表现，智谱团队在其基础上增加了Go、C 、Java和JS四种语言的测试数据，得到了HumanEval-X数据集。

结果显示，在多语言方面，新版CodeGeeX2的表现和在Python中一样优异。

相较于第一代，CodeGeeX2的Pass@1指标在各个语言上的平均表现提升了107%。

其中，Rust语言的性能提升显著，提升了321%;C 和JS语言上的表现也提升了70%以上。

而在代码翻译方面，CodeGeeX2的表现同样碾压对手。

「不看广告看疗效」，CodeGeeX不仅测试结果优异，用户的认可度也是很高的。

在「CodeGeeX是否提高了编程效率」这一问题中，有83.4%的用户给出了正面的答案。

除了调查结果，用户们也在「用脚投票」。

自第一个版本发布以来，CodeGeeX的下载量已达12万次，平均每天生成近千万行代码。

这是个什么概念呢?如果只看代码行数，相当于不到一周的时间就写出一套Windows XP。

说了这么多，CodeGeeX又该如何体验呢?

快速体验

第一种方式就是IDE中的插件，VScode和JetBrains系列IDE的插件仓库中均有收录。

除了使用IDE中的插件之外，CodeGeeX也可以在Transformer中快速调用。

fromtransformersimportAutoTokenizer，AutoModel

tokenizer=AutoTokenizer.from_pretrained（"THUDM/codegeex2-6b"，trust_remote_code=True）

model=AutoModel.from_pretrained（"THUDM/codegeex2-6b"，trust_remote_code=True，device='cuda'）

model=model.eval（）

#rememberaddingalanguagetagforbetterperformance

prompt="#language:python\n#writeabubblesortfunction\n"

inputs=tokenizer.encode（prompt，return_tensors="pt"）.to(model.device)

outputs=model.generate（inputs，max_length=256，top_k=1）

response=tokenizer.decode（outputs[0]）

>>>print（response）

#language:python

#writeabubblesortfunction

没有支持的IDE，Transformer又觉得麻烦，但还是想体验怎么办?

没关系，这里还有个还有在线版DEMO。

传送门:https://codegeex.cn/zh-CN/playground

赶快来感受一下「无缝自然语言编程」吧!

论文地址:

https://arxiv.org/abs/2303.17568

Github项目页:

https://github.com/THUDM/CodeGeeX2

Hugging Face项目页:

https://huggingface.co/THUDM/codegeex2-6b

—完—