Codestral: Hello, World! 赋能开发者，普及编程，尽在Mistral AI

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

介绍Codestral （https://huggingface.co/mistralai/Codestral-22B-v0.1），这是首个专为代码生成任务设计的开源权重生成AI模型。Codestral通过共享的指令和完成API端点，帮助开发人员编写和交互代码。由于它精通代码和英语，开发人员可以利用其设计高级AI应用。

精通80多种编程语言的模型

Codestral在多达80多种编程语言的数据集上进行了训练，包括Python、Java、C、C++、JavaScript和Bash等流行语言，还包括Swift和Fortran等特定语言。广泛的语言基础确保了Codestral能在各种编码环境和项目中帮助开发人员。

Codestral节省了开发人员的时间和精力：它可以完成编码功能、编写测试，并通过填补机制完成任何部分代码。与Codestral的交互将帮助开发人员提升编码水平，减少错误和bug的风险。

设定代码生成性能的新标准

作为一个22B模型，Codestral在性能/延迟方面相对于之前的编码模型设立了新标准。

详细基准测试

图1： 由于具有更大的32k上下文窗口（相比竞争对手的4k、8k或16k），Codestral在RepoBench上表现优于所有其他模型，这是一个长范围的代码生成评估。

Codestral与现有代码特定模型进行了对比，这些模型具有更高的硬件要求。

Python：使用四个基准测试：HumanEval pass@1、MBPP sanitised pass@1评估Codestral的Python代码生成能力，CruxEval评估Python输出预测，以及RepoBench EM评估Codestral的长范围代码库级别代码完成。

SQL：使用Spider基准测试评估Codestral在SQL中的性能。

其他语言：此外，还在六种不同语言（除了Python之外）中进行HumanEval pass@1评估，包括C++、Bash、Java、PHP、Typescript和C#，并计算这些评估的平均值。

填补中间基准测试：使用HumanEval pass@1在Python、JavaScript和Java中评估Codestral的填补中间性能，并与DeepSeek Coder 33B进行比较，后者的填补中间能力立即可用。

开始使用Codestral

下载并测试Codestral。Codestral是一个22B开源权重模型，按照新的Mistral AI非生产许可证进行许可，可以用于研究和测试目的。Codestral可以在HuggingFace上下载。https://huggingface.co/mistralai/Codestral-22B-v0.1

通过专用端点使用Codestral。新发布的端点：codestral.mistral.ai，适用于在IDE中使用我们的指令或填补中间路线的用户。此端点的API密钥在个人层面管理，不受常规组织速率限制。在8周的测试期内免费使用此端点，并通过等待名单确保服务质量。适用于实施IDE插件或应用程序的开发人员。

在La Plateforme上使用Codestral。Codestral也可以通过常规API端点：api.mistral.ai，按查询收费。该端点和集成更适合研究、批量查询或第三方应用程序开发，直接向用户展示结果而无需他们提供API密钥。

开发人员可以在La Plateforme上创建账户，按照指南开始使用Codestral构建应用程序。与其他模型一样，Codestral从今天起可以通过自部署提供：联系销售。

在Le Chat中与Codestral对话。今天通过Le Chat提供一个指令版本的Codestral，这是一个免费对话界面。开发人员可以自然直观地与Codestral互动，利用模型的能力。Codestral被视为实现代码生成和理解的又一新台阶。

在常用的编码和构建环境中使用Codestral。Codestral已与社区合作伙伴一起引入流行的开发工具，以提高生产力和AI应用制作。

应用框架

从今天起，Codestral已集成到LlamaIndex和LangChain中，用户可以轻松构建代理应用程序。

VSCode/JetBrains集成：Continue.dev和Tabnine使开发人员能够在VSCode和JetBrains环境中使用Codestral，现在可以使用Codestral生成和交互代码。

以下是如何使用Continue.dev VSCode插件进行代码生成、交互对话和内联编辑的教程，以及如何使用Tabnine VSCode插件与Codestral对话的教程。

有关如何与Codestral集成的详细信息，请查看文档，了解设置说明和示例。

开发者社区反馈

• Continue.dev的CTO兼联合创始人Nate Sesti表示：“以前没有具有这种速度和质量组合的公共自动完成模型，它将成为全球开发人员的转折点。”
• JetBrains AI负责人Vladislav Tankov表示：“对Mistral的能力感到兴奋，并高兴地看到他们专注于代码和开发支持，这正是JetBrains非常关心的领域。”
• JetBrains研究员Mikhail Evtikhiev提到：“使用Codestral在Kotlin-HumanEval基准测试中运行测试，结果令人印象深刻。比如，在T=0.2的通过率情况下，Codestral得分为73.75，超过了GPT-4-Turbo的72.05和GPT-3.5-Turbo的54.66。”
• Tabnine的研发负责人Meital Zilberstein评论道：“作为一家开发者专用GenAI工具公司的研究员，有幸将Mistal的新代码模型整合到聊天产品中。尽管其体积相对较小，但表现与提供给客户的更大型模型相当。”
• Sourcegraph的CEO兼联合创始人Quinn Slack表示：“Cody加快了软件开发的内循环，开发人员使用自动完成功能缓解了日常编码的部分繁琐任务。内部评估显示，Mistral的新Codestral模型显著减少了Cody自动完成的延迟，同时保持了建议代码的质量。”
• LlamaIndex的CEO兼联合创始人Jerry Liu提到：“在测试中，Mistral的新Codestral模型在AI代码生成方面表现出色。例如，当要求其完成一个创建新LlamaIndex查询引擎的复杂函数时，生成的代码无缝工作。”
• LangChain的CEO兼联合创始人Harrison Chase说道：“代码生成是最流行的LLM用例之一，因此对Codestral的发布非常兴奋。从初步测试来看，它是代码生成工作流程的绝佳选择，因为它速度快、上下文窗口友好，并且指令版本支持工具使用。”