# DeepSeek Coder

{% hint style="info" %}
**Доступны более новые версии!** [**DeepSeek-R1**](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/deepseek-r1) (рассуждение + кодирование) и [**DeepSeek-V3**](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/deepseek-v3) (общего назначения) значительно более способны. Также см. [**Qwen2.5-Coder**](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/qwen25) как сильная альтернатива для кодирования.
{% endhint %}

Лучшее в своем классе генерация кода с моделями DeepSeek Coder.

{% hint style="success" %}
Все примеры можно запускать на GPU-серверах, арендуемых через [CLORE.AI Marketplace](https://clore.ai/marketplace).
{% endhint %}

## Аренда на CLORE.AI

1. Посетите [CLORE.AI Marketplace](https://clore.ai/marketplace)
2. Отфильтруйте по типу GPU, объему VRAM и цене
3. Выберите **On-Demand** (фиксированная ставка) или **Spot** (цена по ставке)
4. Настройте ваш заказ:
   * Выберите Docker-образ
   * Установите порты (TCP для SSH, HTTP для веб-интерфейсов)
   * Добавьте переменные окружения при необходимости
   * Введите команду запуска
5. Выберите способ оплаты: **CLORE**, **BTC**, или **USDT/USDC**
6. Создайте заказ и дождитесь развертывания

### Доступ к вашему серверу

* Найдите данные для подключения в **Моих заказах**
* Веб-интерфейсы: используйте URL HTTP-порта
* SSH: `ssh -p <port> root@<proxy-address>`

## Что такое DeepSeek Coder?

DeepSeek Coder предлагает:

* Передовую генерацию кода
* 338 языков программирования
* Поддержка Fill-in-the-middle
* Понимание на уровне репозитория

## Варианты моделей

| Модель              | Параметры | VRAM  | Контекст |
| ------------------- | --------- | ----- | -------- |
| DeepSeek-Coder-1.3B | 1.3B      | 3GB   | 16K      |
| DeepSeek-Coder-6.7B | 6.7B      | 8GB   | 16K      |
| DeepSeek-Coder-33B  | 33B       | 40GB  | 16K      |
| DeepSeek-Coder-V2   | 16B/236B  | 20GB+ | 128K     |

## Быстрое развертывание

**Docker-образ:**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime
```

**Порты:**

```
22/tcp
8000/http
```

**Команда:**

```bash
pip install vllm && \
vllm serve deepseek-ai/deepseek-coder-6.7b-instruct --port 8000
```

## Доступ к вашему сервису

После развертывания найдите ваш `http_pub` URL в **Моих заказах**:

1. Перейдите на **Моих заказах** страницу
2. Нажмите на ваш заказ
3. Найдите `http_pub` URL (например, `abc123.clorecloud.net`)

Используйте `https://YOUR_HTTP_PUB_URL` вместо `localhost` в примерах ниже.

## Использование Ollama

```bash

# Запустить DeepSeek Coder
ollama run deepseek-coder

# Конкретные размеры
ollama run deepseek-coder:1.3b
ollama run deepseek-coder:6.7b
ollama run deepseek-coder:33b

# V2 (последняя)
ollama run deepseek-coder-v2
```

## Установка

```bash
pip install transformers accelerate torch
```

## Генерация кода

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/deepseek-coder-6.7b-instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "user", "content": """
Напишите класс на Python для REST API клиента с:
- Поддержкой аутентификации
- Логикой повторных попыток с экспоненциальной задержкой
- Логированием запросов/ответов
"""}
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
).to("cuda")

outputs = model.generate(
    inputs,
    max_new_tokens=1024,
    temperature=0.2,
    do_sample=True
)

print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))
```

## Fill-in-the-Middle (FIM)

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/deepseek-coder-6.7b-base"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

# Формат Fill-in-the-middle
prefix = """def calculate_statistics(data):
    \"\"\"Рассчитать среднее, медиану и стандартное отклонение списка.\"\"\"
    import statistics

    mean = statistics.mean(data)
"""

suffix = """
    return {
        'mean': mean,
        'median': median,
        'std': std
    }
"""

# FIM токены
prompt = f"<｜fim▁begin｜>{prefix}<｜fim▁hole｜>{suffix}<｜fim▁end｜>"

inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=128)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## DeepSeek-Coder-V2

Новейшее и самое мощное:

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "user", "content": "Implement a thread-safe LRU cache in Python"}
]

inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=1024, temperature=0.2)
print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))
```

## vLLM Сервер

```bash
vllm serve deepseek-ai/deepseek-coder-6.7b-instruct \
    --port 8000 \
    --dtype bfloat16 \
    --max-model-len 16384 \
    --trust-remote-code
```

### Использование API

```python
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="x")

response = client.chat.completions.create(
    model="deepseek-ai/deepseek-coder-6.7b-instruct",
    messages=[
        {"role": "system", "content": "You are an expert programmer."},
        {"role": "user", "content": "Write a FastAPI websocket server"}
    ],
    temperature=0.2,
    max_tokens=1500
)

print(response.choices[0].message.content)
```

## Ревью кода

````python
code_to_review = """
def process_data(data):
    result = []
    for i in range(len(data)):
        if data[i] > 0:
            result.append(data[i] * 2)
    return result
"""

messages = [
    {"role": "user", "content": f"""
Проверьте этот код и предложите улучшения:

```python
{code_to_review}
````

Сосредоточьтесь на:

1. Производительность
2. Читаемость
3. Лучшие практики """} ]

````

## Исправление ошибок

```python
buggy_code = """
def merge_sorted_lists(list1, list2):
    result = []
    i = j = 0
    while i < len(list1) and j < len(list2):
        if list1[i] < list2[j]:
            result.append(list1[i])
            i += 1
        else:
            result.append(list2[j])
    return result
"""

messages = [
    {"role": "user", "content": f"""
Найдите и исправьте ошибку в этом коде:

```python
{buggy_code}
````

"""} ]

````

## Интерфейс Gradio

```python
import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/deepseek-coder-6.7b-instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True
)

def generate_code(prompt, temperature, max_tokens):
    messages = [{"role": "user", "content": prompt}]
    inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
    outputs = model.generate(inputs, max_new_tokens=max_tokens, temperature=temperature, do_sample=True)
    return tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)

demo = gr.Interface(
    fn=generate_code,
    inputs=[
        gr.Textbox(label="Prompt", lines=5, placeholder="Describe the code you need..."),
        gr.Slider(0.1, 1.0, value=0.2, label="Temperature"),
        gr.Slider(256, 2048, value=1024, step=128, label="Max Tokens")
    ],
    outputs=gr.Code(language="python", label="Generated Code"),
    title="DeepSeek Coder"
)

demo.launch(server_name="0.0.0.0", server_port=7860)
````

## Производительность

| Модель           | GPU      | Токенов/с |
| ---------------- | -------- | --------- |
| DeepSeek-1.3B    | RTX 3060 | \~120     |
| DeepSeek-6.7B    | RTX 3090 | \~70      |
| DeepSeek-6.7B    | RTX 4090 | \~100     |
| DeepSeek-33B     | A100     | \~40      |
| DeepSeek-V2-Lite | RTX 4090 | \~50      |

## Сравнение

| Модель             | HumanEval | Качество кода |
| ------------------ | --------- | ------------- |
| DeepSeek-Coder-33B | 79.3%     | Отлично       |
| CodeLlama-34B      | 53.7%     | Хорошо        |
| GPT-3.5-Turbo      | 72.6%     | Хорошо        |

## Устранение неполадок

### Автодополнение кода не работает

* Убедитесь в корректном формате подсказки с `<|fim_prefix|>`, `<|fim_suffix|>`, `<|fim_middle|>`
* Установите подходящие `max_new_tokens` для генерации кода

### Модель генерирует мусор

* Проверьте, что модель полностью загружена
* Проверьте, используется ли CUDA: `model.device`
* Попробуйте понизить температуру (0.2-0.5 для кода)

### Медленная инференция

* Используйте vLLM для ускорения в 5-10 раз
* Включите `torch.compile()` для transformers
* Используйте квантизованную модель для больших вариантов

### Ошибки импорта

* Установите зависимости: `pip install transformers accelerate`
* Обновите PyTorch до версии 2.0+

## Оценка стоимости

Типичные ставки на маркетплейсе CLORE.AI (по состоянию на 2024):

| GPU       | Почасовая ставка | Дневная ставка | Сессия 4 часа |
| --------- | ---------------- | -------------- | ------------- |
| RTX 3060  | \~$0.03          | \~$0.70        | \~$0.12       |
| RTX 3090  | \~$0.06          | \~$1.50        | \~$0.25       |
| RTX 4090  | \~$0.10          | \~$2.30        | \~$0.40       |
| A100 40GB | \~$0.17          | \~$4.00        | \~$0.70       |
| A100 80GB | \~$0.25          | \~$6.00        | \~$1.00       |

*Цены варьируются в зависимости от провайдера и спроса. Проверьте* [*CLORE.AI Marketplace*](https://clore.ai/marketplace) *для текущих тарифов.*

**Экономьте деньги:**

* Используйте **Spot** рынок для гибких рабочих нагрузок (часто на 30–50% дешевле)
* Платите с помощью **CLORE** токенов
* Сравнивайте цены у разных провайдеров

## Дальнейшие шаги

* [DeepSeek-V3](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/deepseek-v3) - Последняя флагманская модель DeepSeek
* [CodeLlama](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/codellama) - Альтернативная модель для кода
* [Qwen2.5-Coder](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/qwen25) - Кодовая модель Alibaba
* [vLLM](https://docs.clore.ai/guides/guides_v2-ru/yazykovye-modeli/vllm) - Производственное развертывание