Французскі стартап Mistral у супрацоўніцтве з кампаніяй All Hands AI прэзентаваў Devstral — новую ШІ-мадэль з адкрытым зыходным кодам, створаную спецыяльна для распрацоўкі праграмнага забеспячэння.
Французскі стартап Mistral у супрацоўніцтве з кампаніяй All Hands AI прэзентаваў Devstral — новую ШІ-мадэль з адкрытым зыходным кодам, створаную спецыяльна для распрацоўкі праграмнага забеспячэння.
Devstral з 24 мільярдамі параметраў распрацаваная для эфектыўнай працы на адносна сціплым абсталяванні, такім як адзін графічны працэсар Nvidia RTX 4090 або Mac з 32 ГБ аператыўнай памяці. Гэта робіць яе ідэальнай для лакальнага разгортвання на прыладах, што асабліва важна для распрацоўшчыкаў, якія клапоцяцца пра канфідэнцыяльнасць, або тых, хто працуе без доступу да інтэрнэту.
Мадэль падтрымлівае кантэкстнае акно на 128 000 токенаў і выкарыстоўвае такенізатар Tekken з вакабулярам на 131 000 слоў, што забяспечвае надзейную працу з вялікімі кодавымі базамі. У адрозненне ад традыцыйных моўных мадэляў, арыентаваных на кароткія задачы па аўтадапаўненні кода, Devstral аптымізаваная для агентных працоўных працэсаў. Яна інтэгруецца з фреймворкамі, такімі як OpenHands, SWE-Agent і OpenDevin, што дазваляе ёй перамяшчацца па вялікіх кодавых базах, рэдагаваць некалькі файлаў і выконваць шматэтапныя задачы.
Mistral сцвярджае, што Devstral пераўзыходзіць іншыя мадэлі з адкрытым зыходным кодам, такія як Gemma 3 27B ад Google і V3 ад кітайскай DeepSeek, па бенчмарку SWE-Bench Verified, набраўшы 46,8% на 500 рэальных задачах з GitHub. Яна таксама абганяе некаторыя закрытыя мадэлі, такія як GPT-4.1-mini, больш чым на 20 працэнтных пунктаў. «На дадзены момант гэта, безумоўна, лепшая адкрытая мадэль для SWE-Bench Verified і для кодавых агентаў», — адзначыў навуковы супрацоўнік Mistral Батыст Разье.
Мадэль была дапрацаваная на аснове Mistral Small 3.1 з выкарыстаннем метадаў навучання з падмацаваннем і тэхнік выраўноўвання бяспекі, што забяспечвае высокую прадукцыйнасць без перанавучання на тэставых наборах дадзеных. Devstral развівае ідэі папярэдняй мадэлі Mistral для праграмавання — Codestral, мадэлі з 22 мільярдамі параметраў, запушчанай у маі 2024 года. Хаця Codestral атрымала прызнанне за падтрымку больш як 80 моў праграмавання, яе ліцэнзія абмяжоўвала камерцыйнае выкарыстанне. Devstral ліквідуе гэта абмежаванне дзякуючы адкрытай ліцэнзіі Apache 2.0.
Devstral даступная для запампоўкі на платформах, такіх як Hugging Face, Ollama, Kaggle, LM Studio і Unsloth, і падтрымлівае фреймворкі, уключаючы vLLM, Transformers і Mistral Inference. Таксама мадэль даступная праз API Mistral Le Platforme пад назвай devstral-small-2505 з коштам $0,10 за мільён уваходных токенаў і $0,30 за мільён выхадных токенаў (прыблізна 750 000 слоў).
Рэлацыраваліся? Цяпер вы можаце каментаваць без верыфікацыі акаўнта.