Kimi-Dev - 달의 어두운 면 오픈 소스 코드 모델

8.7K 00

키미데브가 무엇인가요?

Kimi-Dev는 72억 개의 파라미터를 가진 소프트웨어 엔지니어링을 위해 설계된 Moonshot AI의 오픈 소스 코드 모델입니다. 이 모델에는 코드 오류를 자동으로 찾아 수정할 수 있는 강력한 버그 픽서 기능이 있으며, 코드 품질을 보장하기 위해 기존 코드에 대한 고품질 단위 테스트를 생성하는 TestWriter 기능도 제공합니다. 강화 학습과 자가 게임 메커니즘을 기반으로 한 Kimi-Dev는 SWE 벤치 검증 데이터 세트에서 60.4%의 성능을 달성하여 다른 오픈 소스 모델을 능가하며 현재의 SOTA가 되었습니다. Kimi-Dev는 프로그래밍 교육과 오픈 소스 프로젝트 유지 관리에 널리 사용되어 초보자가 프로그래밍을 빠르게 배울 수 있도록 돕고 오픈 소스 프로젝트의 품질과 안정성 향상에 도움을 주고 있습니다. Kimi-Dev는 프로그래밍 교육과 오픈소스 프로젝트 유지보수에 널리 사용되어 초보자가 빠르게 프로그래밍을 배우고 오픈소스 프로젝트의 품질과 안정성을 향상시키는 데 도움을 주고 있습니다.

Kimi-Dev의 주요 기능

코드 수정(버그 픽서)코드의 취약점과 오류를 자동으로 감지하고 수정 사항을 생성하며 개발 중 문제를 신속하게 해결합니다.
테스트 코드 생성(TestWriter)기존 코드에 대한 단위 테스트 코드를 자동으로 생성하여 정확하고 안정적인 코드 기능을 보장합니다.
개발 프로세스 자동화강화 학습 및 셀프 게임 메커니즘을 도입하여 코드 수정 및 테스트 기능을 효율적으로 조정하고 전반적인 개발 효율성을 개선합니다.
개발 도구 통합향후에는 주요 IDE, 버전 관리 시스템 및 CI/CD 파이프라인과 원활하게 연동하여 개발 워크플로에 긴밀하게 통합할 계획입니다.

키미데브의 퍼포먼스

SWE 벤치에서 검증된 데이터 세트에서::
- 오픈 소스 모델과 비교했을 때 60.4%의 성능을 달성하여 다른 모든 오픈 소스 모델을 능가하며 현존하는 오픈 소스 모델 중 SOTA(State of the Art)에 해당합니다.
- 키미데브는 오픈소스 모델과 비교했을 때 일부 측면에서 일부 오픈소스 모델에 근접하거나 심지어 이를 능가하는 등 강력한 경쟁력을 보여주고 있습니다.

키미데브의 공식 웹사이트 주소

프로젝트 웹사이트::https://moonshotai.github.io/Kimi-Dev/
GitHub 리포지토리::https://github.com/MoonshotAI/Kimi-Dev
허깅페이스 모델 라이브러리::https://huggingface.co/moonshotai/Kimi-Dev-72B

키미데브 사용 방법

모델 가중치 및 코드 다운로드::
- 모델 코드 및 관련 스크립트는 GitHub 리포지토리에서 다운로드하세요.
- 포옹하는 얼굴 모델 라이브러리에서 모델 가중치를 다운로드합니다.
종속성 설치로컬 환경에 필요한 종속성을 설치합니다. Kimi-Dev 코드 저장소는 다음 명령에 따라 종속성을 설치할 수 있는 요구사항.txt 파일을 제공합니다:

pip install -r requirements.txt

구성 환경시스템에 Python이 설치되어 있는지 확인합니다(권장 버전 3.8 이상). 가상 환경을 설정합니다(선택 사항):

python -m venv kimi-dev-env
source kimi-dev-env/bin/activate  # Linux/Mac
kimi-dev-env\Scripts\activate     # Windows

- 딥 러닝 프레임워크 설치모델 요구 사항에 따라 해당 프레임워크를 설치합니다.
모델 로드: 제공된 코드 예제에 따라 모델 가중치를 로드합니다. 예제:

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_name = "moonshotai/Kimi-Dev-72B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

모델 함수 사용::
- 코드 수정(버그 픽서)문제가 있는 코드 스니펫을 모델에 입력하면 모델이 자동으로 수정된 코드를 생성합니다. 예제 코드:

buggy_code = "def add(a, b): return a - b"  # 错误的代码
inputs = tokenizer(buggy_code, return_tensors="pt")
outputs = model.generate(**inputs)
fixed_code = tokenizer.decode(outputs[0], skip_special_tokens=True)
print("Fixed Code:", fixed_code)

- 테스트 코드 생성(TestWriter)테스트 코드 생성이 필요한 함수 코드를 입력하면 모델이 해당 단위 테스트 코드를 자동으로 생성합니다.

code_to_test = "def add(a, b): return a + b"
inputs = tokenizer(code_to_test, return_tensors="pt")
outputs = model.generate(**inputs)
test_code = tokenizer.decode(outputs[0], skip_special_tokens=True)
print("Test Code:", test_code)

키미데브의 핵심 강점

강력한 성능72억 개의 매개변수 수를 가진 Kimi-Dev는 SWE 벤치 검증 데이터 세트에서 60.41 TP3T의 성능을 달성하여 현재 SOTA로 다른 오픈 소스 모델을 능가합니다.
효율적인 코드 수정강화 학습과 자가 게임 메커니즘을 기반으로 코드 오류를 자동으로 찾아 수정하여 수리 효율성을 크게 향상시키는 Kimi-Dev.
테스트 코드 생성기존 코드에 대한 고품질 단위 테스트 코드를 생성하고 테스트 커버리지를 개선하며 테스트 코드 작성 시 개발자의 작업량을 줄입니다.
오픈 소스 및 유연성MIT 프로토콜 오픈 소스를 기반으로 사용자가 자유롭게 사용, 수정 및 배포할 수 있으며 다양한 개발 요구 사항에 적합합니다.
개발 도구 통합향후에는 주요 IDE, 버전 관리 시스템 및 CI/CD 파이프라인과 원활하게 통합되어 개발 효율성을 높일 수 있습니다.