DeepSeek-V2.5：融合通用与代码能力的全新开源模型

今天，我们正式将 DeepSeek-V2-Chat 和 DeepSeek-Coder-V2 两个模型合并，发布了全新的

。新模型不仅保留了 Chat 版本擅长的通用对话能力和 Coder 版本强大的代码处理能力，还在人类偏好对齐上下了不少功夫。写作任务、指令跟随等多个方面也有了显著提升。目前 DeepSeek-V2.5 已在网页端和 API 全面上线，API 接口向前兼容，通过 deepseek-coder 或 deepseek-chat 都可以直接使用。Function Calling、FIM 补全、Json Output 等功能保持不变。All-in-One 的设计让体验更简洁、智能、高效。

升级历史

DeepSeek 在模型改进上一向认真。6 月份，我们用 Coder V2 的 Base 模型替换了原有 Chat 的 Base 模型，对 DeepSeek-V2-Chat 做了次大升级，代码生成和推理能力明显提升，从而诞生了 DeepSeek-V2-Chat-0628。紧接着，DeepSeek-Coder-V2 通过进一步的对齐优化，通用能力大幅增强，推出了 0724 版本。最终，两个路线殊途同归——Chat 和 Coder 合并成现在的 DeepSeek-V2.5。

通用能力

通用能力测评

在业界常用的中英文测试集上，DeepSeek-V2.5 全面超越了之前的 DeepSeek-V2-0628 和 DeepSeek-Coder-V2-0724。内部中文评测中，与 GPT-4o mini、ChatGPT-4o-latest 的对战胜率（由 GPT-4o 担任裁判）相比 DeepSeek-V2-0628 也有明显提升。评测涵盖创作、问答等通用场景，实际体验会更好。

DeepSeek-v2.5 Preference Evaluation

安全能力测评

Safety 和 Helpful 之间的平衡一直是迭代中的重点。DeepSeek-V2.5 对安全问题边界做了更清晰的划分——强化了模型对各类越狱攻击的抵抗能力，同时又避免安全策略过度泛化到正常问题中。

*基于内部测试集合的得分，分数越高代表模型的整体安全性越高

**基于内部测试集合的得分，比例越低代表模型的安全策略对于正常问题的影响越小

代码能力

代码方面，DeepSeek-V2.5 保留了 DeepSeek-Coder-V2-0724 的强劲实力。在 HumanEval Python 和 LiveCodeBench（2024 年 1 月 - 9 月）测试中，V2.5 显示出明显改进。HumanEval Multilingual 和 Aider 测试中则略逊一筹。SWE-verified 上两个版本得分都不高，说明这块还有优化空间。值得一提的是，FIM 补全任务在内部评测集 DS-FIM-Eval 上得分提升了 5.1%，这意味着插件补全体验更流畅。同时，DeepSeek-V2.5 针对常见代码场景做了专项优化，在内部主观评测 DS-Arena-Code 中，对战竞品（GPT-4o 为裁判）的胜率显著提升。

模型开源

一如既往，秉承持久开源的精神，DeepSeek-V2.5 已开源至 HuggingFace：

https://huggingface.co/deepseek-ai/DeepSeek-V2.5

——end——