深度介绍

CodeGemma详细介绍

🧭

定位：Gemma 家族的代码分支

官方文档开篇把它定义为一组强大而轻量的模型，能做一类很具体的活——中间填充式补全、代码生成、自然语言理解、数学推理与指令跟随。模型卡则补了一句出身：这些模型是建在 Gemma 之上的、面向文本到文本与文本到代码的仅解码器模型。换句话说它不是从零起的独立模型线，而是把家族底座往代码方向专门化；理解这一点，才能理解它与同家族通用模型在能力与许可上为什么高度同源。

🧱

三档变体，各管一段

官方列出的三档分工很清楚：7B 预训练版专做从前缀与后缀出发的补全与生成；7B 指令版面向自然语言到代码的对话与指令跟随；2B 预训练版官方称为当时最先进的小档，并给出具体收益——代码补全提速最高两倍。模型卡的样例指引与之呼应：想在编辑器里做补全就用预训练版（7B 或 2B），要做问答与代码生成就用指令版。选型时按场景对号入座即可，三档不是简单的大中小关系。

📊

训练数据口径要读准

文档里有个容易被跳过但很关键的数字：模型在 5000 亿 token 的数据上训练，官方原文写明这批数据以英文为主、来自网页文档、数学与代码三类。也就是说它并非纯代码语料的产物——数学与网页数据参与其中，这解释了为什么指令版能胜任自然语言到代码的转换，也让「它在代码上有多专」这个问题有了量化依据：不要把 5000 亿当纯代码 token 用。这条口径是本页特意标出来的。

🌐

语言覆盖与工作流价值

官方点名支持的语言包括 Python、JavaScript、Java、Kotlin、C++、C#、Rust、Go 及其他。能力描述上，它强调的是完整颗粒度的生成——不只补一行，而是补整行、整个函数，乃至生成整块代码，本地与云端资源都可用。工作流层面的卖点写得很实际：把模型接进开发环境后少写样板代码，把精力放在有差异化价值的代码上。对日常写业务逻辑为主的团队，这是最直接的收益点。

🧵

填充补全怎么接

模型卡把行内补全的接入方式写清楚了：它按中间填充目标训练，给定补全点之前的上下文（前缀）与之后的上下文（后缀），由专用标记把三段分隔开——前缀标记引导补全点之前的内容、中缀标记定位补全处、后缀标记引导其后的内容，模型据此生成中间缺的代码。这正是编辑器插件标准的请求形状。想自己写 IDE 集成或补全服务，照卡片里的样例改一改就能跑通。

🔑

获取方式：公开但要接受条款

权重在模型平台上公开可见，但属于人工门控：页面明确写着仓库可公开访问、但需先接受条件，具体做法是登录后审阅并同意许可方的使用条款，请求即时处理。核验时两档模型卡均可正常打开，数据为：指令版创建于 2024 年 3 月 21 日、约 2934 次下载与 259 赞，2B 版约 5074 次下载与 101 赞——门控会天然压低下载计数，不必据此判断热度。文档还提供模型卡与技术报告作为进一步材料入口。

⚖️

条款与责任材料

合规评估所需的材料在这个组合里是齐的：模型权重的获取以 Gemma 使用条款为准（需接受的自定义条款，而非标准开源许可）；模型卡本身含预期用途、已知限制、伦理考量与收益等章节，并给出负责任使用工具包的入口；文档页的正文以知识共享署名许可发布、代码样例按宽松许可发布。这三层——权重条款、卡片披露、文档许可——分别对应不同用途，评估时各看各的即可。

📅

发布与谱系位置

这条线随 2024 年 4 月的家族扩展公告一起亮相，同批还有面向效率的变体；两个模型仓库创建于 2024 年 3 月 21 日，官方文档页最后一次内容更新在 2024 年 8 月 5 日。核验时需要说明的位置关系是：家族横幅已把重心放在新一代 Gemma 模型上（官方宣传其支持文本、音频与图像输入、上下文最高 256K），而 CodeGemma 仍是文档中独立成页的代码分支、未见弃用标记。把它当 2024 年的代码分支理解，选新主力时与后续版本同台比较，比较稳妥。

产品特点

核心功能与独有价值

三档覆盖补全、生成、对话

2B 快速补全、7B 补全与生成、7B 指令版对话——三档对应三类真实用途，文档还给出了选型指引（编辑器补全用预训练版、问答用指令版）。不用猜参数大小的含义，按场景直接取。

为 IDE 场景按填充目标训练

行内补全不是事后适配，而是训练目标的一部分：前缀、后缀加专用标记三段分隔，模型补中间。编辑器插件标准的请求形状天然对齐，接入补全服务可以少写一层转换。

训练数据口径写在明面上

官方原文写明 5000 亿 token 以英文为主、来自网页文档、数学与代码三类——不是纯代码语料。这条口径让人能正确估算它在代码上的专业程度，也避免拿混合语料的数字当纯代码语料宣传。

条款、披露、文档三层材料齐全

权重走自定义使用条款（需接受），模型卡带预期用途与已知限制与伦理考量章节及责任工具包，文档正文与代码样例各有各的许可。三层材料对应三类问题，采购与合规可以直接对照逐条核。

重要更新

2026-09

九月核验：文档在线、未标弃用

核验时官方代码模型文档页可正常访问（含变体、能力、语言列表与模型卡入口），未见弃用或状态变更标记；两个模型卡页面均可打开、保持人工门控与接受条款的要求，使用条款页正常。同时看到家族页面已把宣传位让给新一代模型，因此本页把 CodeGemma 的定位写成 2024 年的代码分支，并建议与后续版本同台比较。

2024-08

八月：文档最后一次内容更新

官方文档页标注的最后更新时间为 2024 年 8 月 5 日，此后该页内容未再变动。对使用方的意义是：页面上的变体说明、语言列表与接入指引即是当前口径，而新版能力要到家族其他文档里找。这也解释了为什么它的能力面停在 2024 年的三档格局。

2024-04

四月：随家族扩展公告发布

CodeGemma 在 2024 年 4 月的家族扩展公告中亮相，与同批面向效率的变体一起把家族从通用文本扩到代码等专用场景；两个模型仓库创建于同月前的 3 月 21 日。这次发布确立了三档变体的格局，也把代码任务正式纳入了这个开源模型家族的版图。

产品总结

CodeGemma 是建在 Gemma 之上的轻量开源代码模型集合，官方文档把它定义为一组面向具体任务的模型：中间填充式补全、代码生成、自然语言理解、数学推理与指令跟随。模型卡补充了技术出身——面向文本到文本与文本到代码的仅解码器模型，因此与同家族通用模型在能力与许可上高度同源。三档变体各管一段：7B 预训练版专做从前缀与后缀出发的补全与生成，7B 指令版面向自然语言到代码的对话与指令跟随，2B 预训练版官方称为当时最先进的小档并给出补全提速最高两倍的收益。选型指引与之呼应——编辑器补全用预训练版、问答与生成用指令版。训练数据的口径值得读准：官方原文写明模型在 5000 亿 token 上训练，数据以英文为主、来自网页文档、数学与代码三类，不是纯代码语料；这既解释了指令版的能力来源，也提醒使用者不要把 5000 亿当纯代码 token 理解。语言支持点名了 Python、JavaScript、Java、Kotlin、C++、C#、Rust、Go 及其他，能力颗粒度覆盖整行、整个函数到整块代码，且本地与云端资源都可用。接入层面，模型卡把行内补全的机制写透：模型按中间填充目标训练，给定补全点的前后上下文，用三个专用标记分隔前缀、中缀与后缀，生成中间缺失的代码——这正是编辑器插件的标准请求形状。获取方式是公开但需接受条款：模型平台的仓库可公开访问，但要登录后审阅并同意许可方的使用条款，请求即时处理；核验时两档卡片均可打开，指令版创建于 2024 年 3 月 21 日、约 2934 次下载与 259 赞，2B 版约 5074 次下载与 101 赞，门控会天然压低下载计数。合规材料分三层：权重以自定义使用条款为准、模型卡含预期用途与已知限制与伦理考量及责任工具包、文档正文与代码样例各有许可。谱系位置也写清楚了：这条线随 2024 年 4 月的家族扩展公告发布，与同批面向效率的变体一起把家族扩到代码场景；官方文档页最后更新于 2024 年 8 月 5 日，此后内容未变；核验时家族页面已把宣传位让给支持文本音频图像输入、上下文最高 256K 的新一代模型，而 CodeGemma 仍独立成页、未见弃用标记。合理定位是 2024 年的代码分支——选新主力时与后续版本同台比较。

产品类型: 开源代码专用模型
支持平台: 开放权重（模型平台需接受条款） / 文档站与技术报告 / 本地与云端推理接入 / 研究博客与实验示例
资费模式: 权重按 Gemma 使用条款免费获取（需接受条款）；无官方托管接口。

核验信息

参考文章与数据来源

本页事实来自官方渠道：代码模型文档页（定位与五类任务、三档变体分工与 2B 最高两倍补全提速的官方表述、5000 亿 token 以英文为主且来自网页文档与数学与代码的数据口径、八种点名语言与整行到整块的生成能力、本地与云端可用、模型卡与资源入口、页面与代码样例的两种许可、最后更新时间 2024-08-05 与当前家族宣传横幅），模型卡页面（基于 Gemma 的仅解码器定位与三档标识、能力矩阵与编辑器补全选预训练版的指引、中间填充目标与专用标记的接入方式、人工门控与接受许可的获取方式、模型卡内的用途与限制与伦理章节及责任工具包、创建日期与下载与点赞数据），使用条款页，家族扩展发布公告，以及模型组织页。文档中列出的第二获取渠道链接在核验时返回 404，未列为入口。状态核验于 2026 年 9 月 23 日。

用户体验调查

CodeGemma介绍页面对您是否有帮助？

Gemma 家族的代码专用模型线