Mistral AI har præsenteret en stor sprogmodel, Devstral, der er optimeret til at løse problemer, der opstår i softwareudviklingsprocessen. I modsætning til typiske AI-modeller går Mistral AI ud over blot at skrive enkelte funktioner og kodekomplementer; den tilbyder muligheder for at analysere og kontekstualisere (bestemme formål og logik) store kodebaser, identificere forbindelser mellem komponenter og finde svære fejl i komplicerede funktioner.
Modellen har 23,6 milliarder parametre, tager højde for konteksten i 128.000 tokens og er udgivet under Apache 2.0-licensen. Den downloadable arkiv med Devstral fylder 47 GB og er egnet til brug på lokale systemer — for at køre modellen er det tilstrækkeligt med en PC med et NVIDIA GeForce RTX 4090 grafikkort og 32 GB RAM. Modellen kan anvendes i åbne værktøjer som SWE-agent og OpenHands til automatisering af fejlfinding, kodeanalyse og ændringer.
Systemet kan anvendes til at løse specifikke problemer (issues) på GitHub og overgår markant andre projekter i SWE-Bench Verified testsettet, der kontrollerer nøjagtigheden af løsninger på typiske kodeproblemer (500 tests baseret på reelle fejlrapporter på GitHub tilbydes). I denne test opnåede modellen Devstral 46,8%, mens modellen Claude 3.5 Haiku fik 40,6%, SWE-smith-LM 32B — 40,2% og GPT-4.1-mini — 23,6%. Desuden overgik Devstral store modeller som Deepseek-V3-0324 671B (38,8%) og Qwen3 232B-A22B (34,4%), som strækker sig over hundrede milliarder parametre.
Kilde: opennet.ru
