开放但禁止商用用途。
对标 OpenAI 的法国 AI 独角兽 Mistral AI 有了新动作：首个代码大模型 Codestral 诞生了。
作为一个专为代码生成任务设计的开放式生成 AI 模型，Codestral 通过共享指令和补全 API 端点帮助开发人员编辑并与代码交互。Codestral 通晓代码和英语，因而可为软件开发人员设计高级 AI 应用。
Codestral 的参数规模为 22B，遵循新的 Mistral AI Non-Production License，可以用于研究和尝试目的，但禁止商用。
目前，该模型可以在 HuggingFace 上下载。
下载地址：https://huggingface.co/mistralai/Codestral-22B-v0.1
免费试用地址：https://t.co/LsgC84GCYw
Mistral AI 联合创始人、首席科学家 Guillaume Lample 表示，Codestral 可以很轻松集成到 VS Code 插件中。
有用户将 Codestral 与 GPT-4o 从事了比较，Codestral 速度直接秒了 GPT-4o。
通晓 80 + 编程语言
Codestral 在包含了 80 + 种编程语言的多样化数据集上训练，包括 Python、Java、C、C++、JavaScript、Bash 等流行编程语言。此外也在 Swift 和 Fortran 等编程语言上展现良好。
因此，广泛的语言基础确保 Codestral 可以在各种编码环境和项目中为开发人员提供帮助。
Codestral 可以胜任编辑代码、 编辑尝试并应用中间填充（fill-in-the-middle）机制补全任何代码部分，为开发人员节省时间和精力。同时应用 Codestral，还有助于提高开发人员的编码水平，降低错误和 bug 风险。
代码生成本能新标准
作为一个 22B 参数的模型，Codestral 与以往的代码大模型相比，在代码生成本能和延迟空间方面树立了新标准。
从下图 1 可以看到，Codestral 的上下文窗口长度为 32k，竞品 CodeLlama 70B 为 4k、DeepSeek Coder 33B 为 16k、Llama 3 70B 为 8k。结果显示，在代码生成远程评价基准 RepoBench 上，Codestral 的展现优于其他模型。
Mistral AI 还将 Codestral 与现有的特定于代码的模型从事了比较，后者需要较高的硬件需求。
在 Python 上的展现。研究者应用 HumanEval pass@1、MBPP sanitised pass@1 基准来评价 Codestral 的 Python 代码生成能力；除此以外，研究者还用到了 CruxEval、RepoBench EM 基准评价。
在 SQL 上的展现。为了评价 Codestral 在 SQL 中的本能，研究者应用了 Spider 基准尝试。
在其他编程语言上的展现。研究者还在其他六种编程语言（包括 C++、bash、Java、PHP、Typescript 和 C#）中对 Codestral 从事了评价，并计算了这些评价的平均值。
FIM 基准。研究者还评价了 Codestral 在代码片段中间有缺失的情况下补全代码的能力，主要是在 Python、JavaScript 和 Java 上从事实验，结果显示，Codestral 补全的代码，用户可以立即运行。
博客地址：https://mistral.ai/news/codestral/