{"id":125519,"date":"2025-05-23T15:05:12","date_gmt":"2025-05-23T13:05:12","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/mistral-ai-opublikoval-devstral-bolshuyu-yazykovuyu-model-dlya-raboty-s-kodom"},"modified":"2025-05-23T15:05:12","modified_gmt":"2025-05-23T13:05:12","slug":"mistral-ai-opublikoval-devstral-bolshuyu-yazykovuyu-model-dlya-raboty-s-kodom","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/mistral-ai-opublikoval-devstral-bolshuyu-yazykovuyu-model-dlya-raboty-s-kodom","title":{"rendered":"Mistral AI har udgivet Devstral, en stor sprogmodel til arbejde med kode.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Mistral AI har pr\u00e6senteret en stor sprogmodel, Devstral, der er optimeret til at l\u00f8se problemer, der opst\u00e5r i softwareudviklingsprocessen. I mods\u00e6tning til typiske AI-modeller g\u00e5r Mistral AI ud over blot at skrive enkelte funktioner og kodekomplementer; den tilbyder muligheder for at analysere og kontekstualisere (bestemme form\u00e5l og logik) store kodebaser, identificere forbindelser mellem komponenter og finde sv\u00e6re fejl i komplicerede funktioner. <\/p>\n
Modellen d\u00e6kker 23,6 milliarder parametre, tager hensyn til konteksten i 128.000 tokens og er udgivet under Apache 2.0 licensen. Den downloadbare arkiv med Devstral fylder 47 GB og er egnet til brug p\u00e5 lokale systemer \u2014 for at k\u00f8re modellen er en enkelt PC med et NVIDIA GeForce RTX 4090 grafikkort og 32 GB RAM tilstr\u00e6kkeligt. Modellen kan anvendes i de \u00e5bne v\u00e6rkt\u00f8jer SWE-agent og OpenHands til automatisering af fejlretning, kodeanalyse og implementering af \u00e6ndringer. <\/p>\n
Systemet kan anvendes til at l\u00f8se specifikke problemer (issue) p\u00e5 GitHub og overg\u00e5r markant andre projekter i testpakken SWE-Bench Verified, der kontrollerer korrektheden af l\u00f8sningen p\u00e5 typiske problemer i koden (500 tests baseret p\u00e5 reelle fejlmeddelelser fra GitHub tilbydes). I denne test opn\u00e5ede Devstral 46,8 %, mens modellen Claude 3.5 Haiku fik 40,6 %, SWE-smith-LM 32B \u2014 40,2 % og GPT-4.1-mini \u2014 23,6 %. Blandt andet overgik Devstral st\u00f8rre modeller som Deepseek-V3-0324 671B (38,8 %) og Qwen3 232B-A22B (34,4 %), der d\u00e6kker hundreder af milliarder parametre. \n Kilde: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"