La société Mistral AI a présenté un grand modèle de langage Devstral, optimisé pour résoudre les problèmes rencontrés lors du développement de logiciels. Contrairement aux modèles AIs standards, Mistral AI va au-delà de l’écriture de fonctions individuelles et de l’ajout de code, en offrant des possibilités d’analyse et de contextualisation (détermination de l’objectif et de la logique de fonctionnement) de grandes bases de code, d’identification des relations entre composants et de détection d’erreurs difficiles à repérer dans des fonctions complexes.
Le modèle comprend 23,6 milliards de paramètres, prend en compte un contexte de 128 000 jetons et est publié sous licence Apache 2.0. L'archive téléchargeable de Devstral occupe 47 Go et peut être utilisée sur des systèmes locaux — un seul PC avec une carte graphique NVIDIA GeForce RTX 4090 et 32 Go de RAM suffit pour exécuter le modèle. Le modèle peut être utilisé dans les outils ouverts SWE-agent et OpenHands pour automatiser la correction d’erreurs, l’analyse de code et les modifications.
Le système peut être appliqué à la résolution de problèmes spécifiques (issues) sur GitHub et surpasse nettement d’autres projets dans le jeu de tests SWE-Bench Verified, qui vérifie l’exactitude des solutions à des problèmes standards dans le code (500 tests basés sur de véritables messages d'erreur sur GitHub sont proposés). Dans ce test, le modèle Devstral a obtenu un score de 46,8 %, tandis que le modèle Claude 3.5 Haiku a obtenu 40,6 %, SWE-smith-LM 32B — 40,2 % et GPT-4.1-mini — 23,6 %. Parmi d'autres, Devstral a surpassé de grands modèles tels que Deepseek-V3-0324 671B (38,8 %) et Qwen3 232B-A22B (34,4 %), qui couvrent des centaines de milliards de paramètres.
Source : opennet.ru
