Mistral開源兩大編程模型！大參數模型性能超Kimi、Qwen，小參數模型PC可跑

智東西
編譯 王欣逸
編輯 程茜

智東西12月10日消息，昨晚，法國大模型獨角獸Mistral AI發布并開源編程系列模型Devstral 2，該系列分為兩個不同規格的模型Devstral 2 132B和Devstral Small 2 24B。此外，Mistral還同時推出了原生CLI工具Mistral Vibe，能實現端到端的代碼自動化。此次發布距Mistral 3系列模型才過去一周。

Devstral 2參數為123B，支持256K上下文窗口，可以探索代碼庫，并能在保持架構層面上下文理解的同時，進行跨文件協調更改；Devstral Small 2參數為24B，同樣具備256K上下文窗口，支持快速推理和反饋，可以定制和本地部署，同時還支持圖像輸入，可應用于多模態Agents。

在SWE-bench Verified編程基準測試中，Devstral 2取得了72.2%的成績，優于Qwen 3 coder plus、Kimi K2 Thinking等開源模型，僅次于DeepSeek V3.2；Devstral Small 2取得了68.8%的成績，超過GPT-OOS-120B，和GLM 4.6持平；在針對實際編程任務進行的人工測試中，Devstral 2表現優于DeepSeek V3.2。基準測試結果如下：

此外，在部署上，Devstral 2至少需要四塊H100級GPU，更輕量化的Devstral Small 2可以在消費級硬件上本地運行。

Mistral Vibe是一個由Devstral驅動的開源命令行編程助手，集成了文件操作、代碼搜索、版本控制及命令執行等工具。

Mistral AI是一家法國創企，成立于2023年，由前DeepMind和Meta研究人員成立，專注于開源模型開發。今年9月，該公司宣布獲得17億歐元（約合人民幣139.9億元）C輪融資，估值達到117億歐元（約合人民幣962.6億元），英偉達曾三次投資這家公司。

一、基準測試位列開源第二，和頂尖閉源還有性能差距

據Mistral官網，Devstral 2 123B支持探索代碼庫，能跨多個文件協調修改，還能保持上下文理解。它可以跟蹤框架依賴、檢測故障，并能通過修正后重試，從而解決如修復錯誤、改造遺留系統等復雜挑戰。

該模型支持微調，可針對特定編程語言進行優化，適配大型企業代碼庫的需求。

不過，Devstral 2以修改版的MIT協議發布，這一協議對大企業進行了限制：月收入超過2000萬美元（約合人民幣1.41億元）的公司，在未獲得Mistral單獨商業許可的情況下，無法使用該模型。

更輕量化的模型Devstral Small 2 24B支持快速推理、迭代反饋和定制，可本地部署，同時還支持圖像輸入，可應用于多模態Agents。

從基準測試來看，Devstral 2模型位列開源模型的第二名，并正趕超頂尖閉源模型。

Devstral 2在SWE-bench Verified編程基準測試中取得了72.2%的得分，Devstral Small 2取得了68%的得分，在開源模型中已經達到了領先水平，Devstral 2的得分僅次于DeepSeek V3.2。

Devstral 2系列模型的亮點在于小參數設計，其模型在關鍵基準測試中展現出和頂尖開源模型齊平的性能，卻僅需后者幾分之一的參數量。

得分只比Devstral 2高0.9%的DeepSeek V3.2，其參數大小是Devstral 2的5倍，是Devstral Small 2的28倍，而表現次于Devstral 2的Kimi K2 Thinking，其參數大小是Devstral 2的8倍，是Devstral Small 2的41倍。

不過，Devstral 2系列模型與頂尖閉源模型之間還存在差距。

人工評測結果顯示，在Cline構建的任務場景中，Devstral 2相對DeepSeek V3.2優勢明顯，勝率為42.8%，敗率為28.6%。然而，Devstral 2相對頂尖閉源模型Claude Sonnet 4.5敗下陣來，勝率僅為21.4%，敗率為53.1%。

二、端到端代碼自動化，能進行架構級推理

Mistral Vibe是基于Devstral模型構建的開源命令行編程助手，能通過自然語言交互，接入IDE，實現對代碼庫的探索、修改與變更執行。

Mistral Vibe提供了一個交互式對話界面，集成了文件操作、代碼搜索、版本控制及命令執行等工具。

它能自動掃描用戶文件結構及Git狀態，提供相關上下文信息，能理解整個代碼庫的架構，并進行架構級推理，此外，它還擁有智能引用、持久化歷史、自動補全和可自定義主題等功能。

開發者可以通過腳本編程方式運行Mistral Vibe，啟用工具執行的自動批準功能，通過簡潔的config.toml配置文件管理本地模型與供應商設置，靈活控制工具權限。

結語：平衡高性能與小參數，為企業提供了低門檻解決方案

從Mistral 3到Devstral 2系列、Mistral Vibe，Mistral AI正以相當快的進擊速度參與AI競爭，并在模型的高性能與輕量化間實現了平衡，從測試結果看，Devstral Small 2模型在參數僅為24B的情況下，依然優于不少開源模型，和GLM 4.6打平。

Mistral AI在公告中提到，Devstral 2系列模型專為生產級工作流打造，并被定位為下一代SOTA編程模型。盡管和頂尖閉源編程模型還有很大差距，不過，對大多數企業而言，Devstral 2和Devstral Small 2可以作為一個低門檻的初步解決方案，尤其是在和Mistral Vibe的搭配使用上，Devstral 2系列模型或將在特定的生產環節發揮作用。

來源：Mistral AI