今天，我們完成了 DeepSeek-V2-Chat 和 DeepSeek-Coder-V2 兩個模型的合併，正式發佈
DeepSeek-V2.5
。
DeepSeek-V2.5 不僅保留了原有 Chat 模型的通用對話能力和 Coder 模型的強大代碼處理能力，還更好地對齊了人類偏好。此外，DeepSeek-V2.5 在寫作任務、指令跟隨等多個方面也實現了大幅提升。
DeepSeek-V2.5 現已在網頁端及 API 全面上線，API 接口向前兼容，用戶通過
deepseek-coder
或
d
eepseek-chat
均可以訪問新的模型。同時，Function Calling、FIM 補全、Json Output 等功能保持不變。
All-in-One 的 DeepSeek-V2.5 將爲用戶帶來更簡潔、智能、高效的使用體驗。
升級歷史
DeepSeek 一直專注於模型的改進和優化。在 6 月份，我們對 DeepSeek-V2-Chat 進行了重大升級，用 Coder V2 的 Base 模型替換原有的 Chat 的 Base 模型，顯著提升了其代碼生成和推理能力，併發布了 DeepSeek-V2-Chat-0628 版本。緊接着，DeepSeek-Coder-V2 在原有 Base 模型的基礎上，通過對齊優化，大大提升通用能力後推出了 DeepSeek-Coder-V2 0724 版本。最終，我們成功將 Chat 和 Coder 兩個模型合併，推出了全新的DeepSeek-V2.5 版本。
由於本次模型版本變動較大，如出現某些場景效果變差，建議重新調整 System Prompt 和 Temperature，以獲得最佳性能。
通用能力
首先，我們使用業界通用的測試集對 DeepSeek-V2.5 的能力進行測評，在中文和英文四個測試集上，DeepSeek-V2.5 均優於之前的 DeepSeek-V2-0628 以及 DeepSeek-Coder-V2-0724。
在我們內部的中文評測中，和 GPT-4o mini、ChatGPT-4o-latest 的對戰勝率（裁判爲 GPT-4o）相較於 DeepSeek-V2-0628 均有明顯提升。此測評中涵蓋創作、問答等通用能力，用戶使用體驗將得到提升：
DeepSeek-v2.5 Preference Evaluation
Safety 和 Helpful 之間的權衡是我們在迭代開發中一直重點關注的問題。在 DeepSeek-V2.5 版本中，我們對於模型安全問題的邊界做了更加清晰的劃分，在強化模型對於各種越獄攻擊的安全性的同時，減少了安全策略過度泛化到正常問題中去的傾向。
*基於內部測試集合的得分，分數越高代表模型的整體安全性越高
**基於內部測試集合的得分，比例越低代表模型的安全策略對於正常問題的影響越小
代碼能力
在代碼方面，DeepSeek-V2.5 保留了 DeepSeek-Coder-V2-0724 強大的代碼能力。在 HumanEval Python 和LiveCodeBench（2024 年 1 月 - 2024 年 9 月）測試中，DeepSeek-V2.5 顯示了較爲顯著的改進。在 HumanEval Multilingual 和 Aider 測試中，DeepSeek-Coder-V2-0724 略勝一籌。在 SWE-verified 測試中，兩個版本的表現都較低，表明在此方面仍需進一步優化。另外，在FIM補全任務上，內部評測集DS-FIM-Eval的評分提升了 5.1%，可以帶來更好的插件補全體驗。
另外，DeepSeek-V2.5對代碼常見場景進行了優化，以提升實際使用的表現。在內部的主觀評測 DS-Arena-Code 中，DeepSeek-V2.5 對戰競品的勝率（GPT-4o 爲裁判）取得了顯著提升。
模型開源
一如既往，秉持着持久開源的精神，DeepSeek-V2.5 現已開源到了 HuggingFace：
https://huggingface.co/deepseek-ai/DeepSeek-V2.5
