真正Open的AI公司Mistral又低调上新了。
这次，他们颁布了首款代码生成模型Codestral，允许80多种编程言语以及32K长上下文窗口。
不只在基准测试上取得了冷艳的体现，而且代码生成的速度也让试用的网友十分满意。
目前，Codestral提供了多种API，而且模型权重也地下在HuggingFace上。
名目地址：
代码生成新SOTA
Codestral的训练数据蕴含80多种编程言语，包括最盛行的Python、Java、C、C++和Bash，以及HTML、JavaScript等前端言语，在Swift和Fortran上也有良好体现。
模型可以成功的义务包括编写特定配置的函数、编写测试，以及代码填充。
此外，由于Codestral同时知晓英语，也可以与开发人员启动交互，有助于提高工程师的编码水平并缩小失误和破绽。
可以经过Le Chat对话界面无偿经常使用模型的交互配置。
在线地址：
作为一个参数量只要22B的模型，Codestral成功了32K的长上下文窗口，是Llama 3 70B的四倍。
Codestral经常使用了Llama架构，但在7种言语的HumanEval均分超越了CodeLlama，可以和Llama 3打个平手。
RepoBench是一个用于评价存储库级代码补全义务的新基准，考验模型的跨文件检索和了解长上下文才干。在RepoBench上，Codestral经常使用Python言语到达了SOTA效果。
此外，在其余言语的评价中，包括C++、bash、Java、PHP、Typescript和C#，Codestral也取得了不错的效果。
FIM基准可以评价模型在两边填充义务上的性能，但CodeLlama和Llama不间接允许这个配置。
在FIM义务中，Codestral用更少的参数量，在Pyhon、JavaScript和Java三种言语上的分数片面超越DeepSeek Coder 33B。
目前，Mistral开明了两个API供开发者调用Codestral，区分是codestral.mistral.ai和api.mistral.ai，前者有8周的不要钱测试期，后者按token不要钱。
此外，还可以经过Continue.dev或许Tabnine插件在VSCode或JetBrains的IDE中经常使用Codestral的配置。
开发者们曾经用上了
基准测试毕竟只是参考，代码工具好不好用，只要试过才知道。
有网友慨叹「80种言语太疯狂了」「终于有人想起来Swift了」。
而且实测中可以看到，Codestral的代码生成速度十分快，而且照应提前也很短。
有人给了GPT-4o和Codestral相反的义务，让它们用Go言语成功基本的颁布/订阅系统。
只管两个模型的照应提前都很短，但Codestral写完的时刻，GPT-4o刚写到一半，生成速度上下立现。
有开发者剖析，只管Codestral不是最大、最好的代码模型，但自己还是会从Claude Opus爬墙，改用Codestral。
由于模型确实蕴含了更多前沿常识，可以协助编写最新的AI代码，但ChatGPT和Opus都做不到。
但也有Python工程师吐槽：「没有一个LLM明白，在Python 3.9之后的版本中，就不再须要经常使用from typing import List了。」
「GPT-4、GPT-4o、Claude Opus、Gemini和Codestral都不可了解这一点。即使明白说明，它们依然不可了解。」
看来人类程序员剩下的为数不多的长处还有「知错就改」。
原文链接: