第22章 DeepSeek-V2.5 发布：融合通用与代码能力的新开源模型

DeepSeek-V2.5：兼顾通用与代码能力的新开源模型

我们正式发布了 DeepSeek-V2.5——DeepSeek-V2-0628 与 DeepSeek-Coder-V2-0724 的强强联合！新版本不仅保留了 Chat 模型的通用对话能力和 Coder 模型强大的代码处理能力，还更好地对齐了人类偏好。此外，DeepSeek-V2.5 在写作、指令遵循等任务上也有显著提升。模型现已在网页端和 API 上线，API 端点向后兼容，用户可通过 deepseek-coder 或 deepseek-chat 访问新模型。Function Calling、FIM 补全、JSON 输出等功能保持不变。一体化的 DeepSeek-V2.5 带来了更简洁、智能、高效的使用体验。

版本历史 DeepSeek 一直在持续打磨和优化模型。今年 6 月，我们将 DeepSeek-V2-Chat 的基座模型替换为 Coder-V2-base，大幅提升了代码生成与推理能力，发布了 DeepSeek-V2-Chat-0628。随后又推出了 DeepSeek-Coder-V2-0724，通过对齐优化增强了通用能力。最终，我们成功将 Chat 与 Coder 两个模型合并，打造出了全新的 DeepSeek-V2.5。

注意：本次版本更新幅度较大，如果在某些场景下表现下降，建议调整系统提示词（system prompt）和温度（temperature）参数以获得最佳效果！

通用能力

通用能力评测

我们使用业界标准测试集对 DeepSeek-V2.5 进行了评估。在大多数 benchmark 上，DeepSeek-V2.5 的表现均优于 DeepSeek-V2-0628 和 DeepSeek-Coder-V2-0724。在内部中文评测中，与 DeepSeek-V2-0628 相比，DeepSeek-V2.5 对 GPT-4o mini 和 ChatGPT-4o-latest 的胜率（由 GPT-4o 评判）显著提升，尤其是在内容创作和问答等任务上，整体用户体验得到增强。

安全性评测

在迭代开发过程中，如何平衡安全性与有用性一直是重点关注的问题。在 DeepSeek-V2.5 中，我们更清晰地界定了模型的安全边界，在增强抵御越狱（jailbreak）攻击能力的同时，减少了安全策略对正常提问的误伤。

模型 | 总体安全得分（越高越好）* | 安全外溢率（越低越好） DeepSeek-V2-0628 | 74.4% | 11.3% DeepSeek-V2.5 | 82.6% | 4.6%

* 得分基于内部测试集：分数越高，表示总体安全性越强。 得分基于内部测试集：比例越低，表示安全措施对正常提问的影响越小。

代码能力 在代码领域，DeepSeek-V2.5 保留了 DeepSeek-Coder-V2-0724 的强大代码能力，在 HumanEval Python 和 LiveCodeBench（2024 年 1 月至 9 月）测试中表现明显提升。DeepSeek-Coder-V2-0724 在 HumanEval Multilingual 和 Aider 测试中略占优势，但两个版本在 SWE-verified 测试中的成绩都相对较低，仍有提升空间。此外，在 FIM 补全任务中，DS-FIM-Eval 内部测试集显示提升了 5.1%，插件补全体验进一步优化。我们还针对常见编码场景对 DeepSeek-V2.5 做了优化，以改善用户体验。在 DS-Arena-Code 内部主观评测中（由 GPT-4o 担任裁判），DeepSeek-V2.5 对竞品的胜率显著提高。

开源 DeepSeek-V2.5 现已在 HuggingFace 上开源！欢迎查看： https://huggingface.co/deepseek-ai/DeepSeek-V2.5