Mistral AI heeft een grote taalmodel Devstral gepresenteerd, dat is geoptimaliseerd om problemen op te lossen die zich tijdens de ontwikkeling van software voordoen. In tegenstelling tot typische AI-modellen gaat Mistral AI verder dan het schrijven van enkele functies en het aanvullen van code, en biedt het mogelijkheden om grote codebases te analyseren en te contextualiseren (de bestemmingen en logica te bepalen), relaties tussen componenten vast te stellen en moeilijk te detecteren fouten in complexe functies op te sporen.
Het model omvat 23,6 miljard parameters, houdt rekening met een context van 128.000 tokens en is gepubliceerd onder de Apache 2.0-licentie. Het downloadbare archief met Devstral is 47 GB groot en is geschikt voor gebruik op lokale systemen — om het model uit te voeren is slechts één pc met een NVIDIA GeForce RTX 4090 grafische kaart en 32 GB RAM nodig. Het model kan worden gebruikt in de open tools SWE-agent en OpenHands voor het automatiseren van foutoplossingen, code-analyse en het aanbrengen van wijzigingen.
Het systeem kan worden toegepast om specifieke problemen (issues) op GitHub op te lossen en overtreft andere projecten duidelijk in de testset SWE-Bench Verified, die de nauwkeurigheid van oplossingen voor typische problemen in code controleert (er worden 500 tests aangeboden op basis van echte foutmeldingen op GitHub). In deze test behaalde het model Devstral 46,8%, terwijl het model Claude 3.5 Haiku 40,6% behaalde, SWE-smith-LM 32B 40,2% en GPT-4.1-mini 23,6%. Verder overtrof Devstral grote modellen zoals Deepseek-V3-0324 671B (38,8%) en Qwen3 232B-A22B (34,4%), die honderden miljarden parameters omvatten.
Bron: opennet.ru
