Mistral AI发布开源模型Devstral，AI辅助编程领域又添一员

一、Devstral模型介绍

Devstral模型由法国人工智能公司MistralAI与AllHandsAI合作开发，专为高级软件工程任务设计。参数规模：该模型参数规模达240亿，是目前性能卓越的开源AI模型之一。

二、Devstral模型 许可方式：

Devstral以Apache2.0许可开放，允许商业用途，推动了AI技术的普及和应用。

三、Devstral模型性能及运行要求

表现非常不错: 基准测试成绩：在SWE-BenchVerified基准测试中，Devstral以46.8%的得分超越了此前最优开源模型6个百分点，甚至优于部分闭源模型。

运行要求：支持本地部署，仅需单张Nvidia RTX4090显卡或32GB RAM的Mac设备即可流畅运行，降低了使用门槛。

代码生成：Devstral不仅能生成代码片段，还能主动参与复杂开发任务，支持多文件编辑和GitHub问题解决。

编程辅助：通过主动参与开发任务，进一步推动了AI在编程中的主动角色，提高了开发效率。

三、Devstral模型获取方式:

API接口：开发者可通过MistralAPI获取Devstral模型，实现对该模型的功能调用。

平台支持：此外，Devstral模型也在HuggingFace等平台上提供，方便开发者根据需求进行选择和使用。

四、Devstral模型更多相关信息

虽然典型的llm在编写独立函数或代码完成等原子编码任务方面表现出色，但它们目前正在努力解决现实世界的软件工程问题。现实世界的开发需要在大型代码库中对代码进行上下文分析，识别不同组件之间的关系，并识别复杂函数中的细微错误。

Devstral旨在解决这个问题。Devstral被训练来解决真正的GitHub问题; 它运行在代码代理支架上，如OpenHands或swe-agent，它们定义了模型和测试用例之间的接口。在这里，我们展示了Devstral在流行的swe-bench验证基准测试中的表现，这是一个由500个真实世界的GitHub问题组成的数据集，这些问题已被手动筛选为正确性。

Devstral在swe-bench上的得分为46.8%，比之前的开源SoTA模型高出6% 以上。当在相同的测试支架下进行评估时，Devstral远远超过了Deepseek-V3-0324 (671B) 和Qwen3 232B-A22B等更大的型号。

在下表中，我们还将Devstral与在任何支架 (包括为模型定制的支架) 下评估的封闭和开放模型进行了比较。在这里，我们发现Devstral实现了比许多闭源替代方案更好的性能。例如，Devstral超过了最近的GPT-4.1-mini 20% 以上。

可收藏 点赞及关注我们