DeepCoder — название, которое встречается в истории ИИ для программирования дважды. В 2017 году исследователи Microsoft и Кембриджского университета представили систему синтеза программ DeepCoder. Она анализировала примеры входных и выходных данных, а затем подбирала последовательность операций для решения задачи. В 2025 году внимание сообщества привлёк другой проект с похожим названием — DeepCoder-14B-Preview, открытая языковая модель для генерации и анализа кода. Современный DeepCoder-14B-Preview разработан командами Agentica и Together AI. В его основе находится DeepSeek-R1-Distill-Qwen-14B — модель с 14 миллиардами параметров. Авторы улучшили её с помощью обучения с подкреплением на программных задачах. Такой подход ориентирован не только на выдачу готового ответа, но и на последовательный поиск решения, проверку гипотез и исправление ошибок. Главная особенность DeepCoder — сочетание сравнительно компактного размера и сильных результатов в задачах по программированию. По данным разработчиков, модель показала 60,6 процента на LiveCodeBench, наборе тестов с актуальными задачами, которые помогают оценивать способность ИИ писать рабочий код без опоры на давно известные ответы. На Codeforces заявлен рейтинг 1936. Эти показатели приблизили DeepCoder-14B-Preview к более крупным моделям, хотя прямое сравнение требует учитывать настройки запуска, лимиты генерации и методику подсчёта. Открытая публикация проекта важна для исследовательского сообщества. Разработчики предоставили модель, код обучения и описание инфраструктуры, включая механизмы распределённого обучения с подкреплением. Это позволяет изучать не только итоговые веса, но и процесс улучшения модели. Для компаний такой формат полезен при оценке локального развёртывания, стоимости вычислений и возможности адаптации под внутренние репозитории.