Maincoder-1B

Maincoder-1B

根据函数签名或文档字符串补全并编写 Python 代码。这是 Maincode 的 1B 代码模型，小到能在消费级硬件上运行，适合想在本地做代码补全的开发者。

由 Maincode 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Maincoder-1B 是 Maincode 的 10 亿参数语言模型，专为代码生成和补全调优，重点是 Python。它小到可以在消费级电脑上运行。它的训练以一个强化学习阶段收尾，作者把这个阶段命名为 MCPO。

适合谁：想在自己机器上用紧凑代码模型的开发者，以及比较小型编程模型的研究人员。上下文窗口很短，只有 2,048 个词元，所以更适合单个函数和类，而不是整份文件。

Industry | Who uses it | How they use it | Example
软件 | 开发者 | 根据签名和文档字符串补全函数 | 根据描述写完一个快速排序函数
教育 | 编程教师 | 在没有云的课堂上演示代码补全 | 现场演示写一个二叉搜索树
工具 | 编辑器插件开发者 | 用小型本地模型来做补全 | 一个离线的补全助手
研究 | 代码模型研究人员 | 在编程基准上比较小型模型 | 核对 HumanEval 和 MBPP+ 上的分数

如果你需要长上下文的工作或通用知识的回答，可以跳过它，因为它在通用测试上的分数一般，而且上下文很短。

用在哪里：

• 使用 transformers 库的 Python 脚本
• 安装了 Python 的 Windows、macOS 或 Linux
• 你自己的电脑，因为模型小到适合消费级硬件

Use case | Who | What they get back
函数补全 | 开发者 | 根据签名和文档字符串写完的函数体
类补全 | 开发者 | 从开头接着写下去的类骨架
算法草稿 | 学习者 | 一个已知算法的初版

如何设置：

• Windows、macOS 或 Linux 上的 Python
• huggingface_hub 包，然后是 transformers 和 torch
• 按 Hugging Face 的估算，BF16 权重约 2.1 GB，4 位约 513 MB

1. 安装 Hugging Face 客户端。
2. 把模型文件下载到你的电脑。
3. 安装 transformers 和 torch。
4. 加载模型和分词器，然后给它一个代码提示词。

pip install -U huggingface_hub
hf download Maincode/Maincoder-1B

pip install transformers torch

如何使用：提示词以函数签名和文档字符串开头，让模型写出函数体。较低的温度能让输出更稳定。同样的做法也适用于类和算法任务。

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "Maincode/Maincoder-1B",
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True,
)
tokenizer = AutoTokenizer.from_pretrained(
    "Maincode/Maincoder-1B",
    trust_remote_code=True,
)

# Code completion example
prompt = '''def fibonacci(n: int) -> int:
    """Return the n-th Fibonacci number."""
'''

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
    **inputs,
    max_new_tokens=256,
    temperature=0.2,
    do_sample=True,
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Tool | What it does
AutoModelForCausalLM | 加载带自定义代码的模型
AutoTokenizer | 把你的提示词变成词元，再还原回来
model.generate | 写出后续内容，这里最多 256 个新词元
temperature | 示例里设为 0.2，让输出保持稳定

示例：你给模型一个快速排序的函数签名和一行文档字符串。它会写出后面的函数体。在依赖结果之前，请先读一遍并运行你自己的测试。

新手与专家：如果你是新手，先运行上面的斐波那契代码，确认一切都能加载。然后把签名和文档字符串改成你自己的函数。

如果你熟悉这个领域：模型是 32 层的解码器，带旋转位置嵌入、4 比 1 的分组查询注意力、QK 归一化和 SwiGLU。隐藏层大小 1536，16 个注意力头，词表 151,936 个词元。

签名和文档字符串
分词器
Maincoder-1B 解码器
代码补全

注意事项：在 HumanEval 上，作者报告该模型领先于他们比较的小型编程模型和通用模型。它的通用知识分数则低于其中一些。

Title: HumanEval 分数，越高越好
Maincoder-1B: 0.7622 score
deepseek-coder-1.3b-instruct: 0.5610 score
SmolLM3-3B: 0.5366 score
Qwen2.5-Coder-1.5B-Instruct: 0.4634 score
Qwen3-1.7B: 0.4024 score

• Context: 2,048 个词元
• Language focus: Python，使用英文指令
• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 下载到你电脑上的模型文件，模型卡的代码使用 trust_remote_code，这会运行仓库里的自定义代码
• Not for: 长文件或通用知识回答，因为上下文短，通用分数较低

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：1B
• Weights: about 2.1 GB in BF16; about 513 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：451
• 点赞：101
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 7
• 标签：transformers, safetensors, maincoder, feature-extraction, code, python, code-generation, reinforcement-learning, mcpo, text-generation, conversational

链接

• 模型：https://huggingface.co/Maincode/Maincoder-1B
• 文件：https://huggingface.co/Maincode/Maincoder-1B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Maincode/Maincoder-1B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。