Mistral представила свой ответ GitHub Copilot: полноценную экосистему для разработки в энтерпрайзе. Codestral 25.08.. Codestral 25.08. mistral.. Codestral 25.08. mistral. агентные воркфлоу.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub. векторные представления.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub. векторные представления. ИИ.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub. векторные представления. ИИ. искусственный интеллект.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub. векторные представления. ИИ. искусственный интеллект. код.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub. векторные представления. ИИ. искусственный интеллект. код. семантический поиск.. Codestral 25.08. mistral. агентные воркфлоу. Блог компании BotHub. векторные представления. ИИ. искусственный интеллект. код. семантический поиск. технологический стек.

В основе технологического стека — семейство моделей Codestral с обновленной моделью Codestral 25.08.

Mistral представила свой ответ GitHub Copilot: полноценную экосистему для разработки в энтерпрайзе - 1

Эта версия показала измеримые улучшения, подтвержденные на реальных кодовых базах: на 30% увеличилось количество принятых автодополнений, на 10% вырос объем сохраняемого после подсказки кода, а число генераций, когда модель производит слишком длинный и некорректный код, сократилось на 50%.

Mistral представила свой ответ GitHub Copilot: полноценную экосистему для разработки в энтерпрайзе - 2

В режиме чата модель также стала лучше: ее способность следовать инструкциям выросла на 5% по метрике IF Eval v8, а общие возможности в программировании улучшились в среднем на 5% по тесту MultiplE.

Mistral представила свой ответ GitHub Copilot: полноценную экосистему для разработки в энтерпрайзе - 3

Следующий уровень — семантический поиск и понимание кодовой базы в масштабе всего проекта

За это отвечает Codestral Embed, модель для создания векторных представлений, специально спроектированная для кода, а не для обычного текста. По заявлениям Mistral, она превосходит эмбеддинг-решения от OpenAI и Cohere в реальных задачах по извлечению кода.

Ключевое преимущество — возможность настройки размерности эмбеддингов (до 256 измерений с квантованием до INT8), что позволяет балансировать между качеством поиска и хранением данных, сохраняя высокую производительность.

Когда релевантный контекст найден, в дело вступают агентные воркфлоу

Они реализованы через Devstral — агентскую систему на базе фреймворка OpenHands. Система ориентирована на задачи рефакторинга, генерации тестов и создание pull-реквестов.

На бенче SWE-Bench Verified модель Devstral Small 1.1 выбивает 53.6%, а Devstral Medium — 61.6%, значительно опережая Claude 3.5 и GPT-4.1-mini.

Devstral Small (24 млрд параметров) может работать на одной Nvidia RTX 4090 или Mac с 32 ГБ ОЗУ, что идеально для локальных или изолированных сред.

Все эти возможности объединяются в плагине Mistral Code для IDE от JetBrains и VS Code. Он автодополняет код с помощью Codestral 25.08 и автоматизирует рутину: написание коммитов или docstring’ов через Devstral и семантический поиск на базе Codestral Embed.

Плагин учитывает контекст из Git diffs, истории терминала и инструментов статического анализа.

Для корпоративных клиентов предусмотрено развертывание в облаке, VPC или полностью on-prem, а также интеграция с SSO, ведение логов аудита и отсутствие обязательной телеметрии.

Mistral представила свой ответ GitHub Copilot: полноценную экосистему для разработки в энтерпрайзе - 4

Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!

Автор: mefdayy

Источник

Rambler's Top100