支持中文，超越GPT-4！笑脸排名第一的纯代码模型Phind V7发布

Phind V7，一款由Perplexity AI开发的生成式AI代码开发平台，近日在官网发布了最新版本。据Perplexity AI称，Phind V7在性能方面超越了GPT-4，运行效率提高了5倍，并且支持中文和16K超长上下文。

Phind V7是基于Phind的开源代码模型CodeLlama-34B V2，以及700亿个高质量代码和推理问题进行了额外精调。CodeLlama-34B V2在huggingface（笑脸）的代码大模型排行榜中位居第一名，这也是首个击败GPT-4的开源代码项目。

Phind V7的专业性不仅体现在其技术性能上，更体现在其在实际应用中的表现。Phind将多个版本部署到自家服务平台后，收集到了大量反馈信息，发现其模型在大多数真实问题上的表现与GPT-4相当甚至更好。许多在其Discord社区的用户已经开始只使用Phind的产品，尽管他们也订阅了GPT-4。

除了性能超强之外，Phind V7的运行速度也是一大技术亮点。通过在NVIDIA的新型TensorRT-LLM库上运行模型，Phind成功实现了比GPT-4快5倍的运行速度，达到每秒处理100tokens。另一个优点是Phind支持多达16k tokens的上下文。目前，Phind允许用户输入最多12k tokens，剩余的4k tokens用于网络结果。

Phind V7不仅提供了全面的编程支持，包括Python、C/C++、TypeScript、Java等主流编程语言，而且使用界面也简单直观，直接输入你的编程问题就能返回代码。Phind返回的注释也都是中文，如果点击三角按钮可以直接在replit中运行非常方便。此外，Phind在对文本回答时，会标注引用的原出处，用户点击网站可以直接跳转。

CodeLlama-34B V2代码模型使用了80，000个高质量编程问题和解决方案的专有数据集进行微调。这个数据集的技术特点在于，采用的是指令-答案对的格式，而非常见的代码补全示例，使得在结构上与HumanEval有明显的区别。此外，Phind还将 OpenAI 的去污方法应用在数据集中，以确保结果准确有效并且没有发现受污染的示例。在训练过程中，Phind使用了DeepSpeed ZeRO3和Flash Attention2技术，并使用了32个A100-80GB的GPU，仅在三小时内就完成了序列长度为4096的模型训练。