Hugging Face 聯手 ServiceNow 釋出 StarCoder：150 億引數開原始碼模型

StarCoder 是一個擁有 150 億引數的開原始碼大模型。簡單來說，它是目前最成熟的 GitHub Copilot 開源替代品，而且允許你免費拿去商用或本地部署。

它能做什麼

StarCoder 覆蓋了 80 多種主流程式語言。它支援直接接入 VS Code 編輯器，除了常規的程式碼補全，還能像對話助手一樣聽懂基礎指令，比如「生成一個應用介面」或是幫你解釋複雜的遺留程式碼。

根據團隊的說法，StarCoder 的程式碼生成能力已經追平甚至超過了早期驅動 GitHub Copilot 的 OpenAI 模型。雖然剛上線時的功能生態還比不上商業成熟產品，但它最大的優勢在於完全透明，支援任意微調。

怎麼訓練出來的

該模型由 Hugging Face 與 ServiceNow 聯合發起的 BigCode 專案打造，動用了 512 張輝達 V100 GPU，歷時數天完成訓練。

訓練資料來自包含 1900 萬個合規程式碼倉庫、6 TB 以上程式碼的開源資料集 The Stack。和那些直接在網際網路上無差別抓取程式碼的閉源模型不同，團隊在資料清洗上下了很大功夫。

他們移除了名字、郵箱、IP 地址、密碼金鑰等個人敏感資訊，還利用惡意程式碼檢測工具剔除了包含已知漏洞的檔案。同時，他們也給開源作者提供了退出機制，不想被拿去訓練的開發者可以申請撤出程式碼。

怎麼上手與使用限制

專案沒有藏私，StarCoder 的程式碼庫、訓練框架、資料過濾方案、評測套件和分析指令碼目前都已經在 GitHub 上完全公開。

它使用的是 OpenRAIL-M 許可證，允許包括企業在內的所有人免版權費商用。唯一的限制在於合規紅線，比如明文禁止將它用於生成或分發惡意軟體。當然，團隊在技術報告中也提醒，模型依然可能偶爾漏網吐出錯誤邏輯或有缺陷的程式碼，使用時必須保持人工審查。

為什麼重要

如果你一直想用 Copilot，但受限於按月收費或者公司明令禁止把程式碼傳給外部 API，StarCoder 是目前最值得上手的自建方案。團隊能把它拉進內網伺服器，用自己的私有業務程式碼做微調，不必擔心核心資產洩露。

對行業而言，它給被閉源大廠壟斷的 AI 程式設計賽道撕開了一個口子。一個合規、乾淨且高效能的開源底座，足以讓整個社群在此基礎上衍生出針對不同垂直語言和框架的應用生態。