Kompania Mistral AI prezantoi një model të madh gjuhësor Devstral, të optimizuar për të zgjidhur problemet që dalin gjatë zhvillimit të softuerit. Në ndryshim nga modelet standarde të AI, Mistral AI del jashtë shkrimit të funksioneve të veçanta dhe kompletimeve të kodit, duke ofruar mundësi për të analizuar dhe kontekstualizuar (përcaktuar qëllimin dhe logjikën e funksionimit) bazat e mëdha të kodit, përcaktuar lidhjet mes komponenteve dhe identifikuar gabimet e vështira për t'u zbuluar në funksione të ndërlikuara.
Modeli pĂ«rfshin 23.6 miliard parametrash, merr parasysh kontekstin nĂ« 128 mijĂ« tokena dhe Ă«shtĂ« publikuar nĂ«n licencĂ«n Apache 2.0. Arkivi i shkarkueshĂ«m me Devstral peshon 47 GB dhe Ă«shtĂ« i pĂ«rshtatshĂ«m pĂ«r t'u pĂ«rdorur nĂ« sisteme lokale â pĂ«r ekzekutimin e modelit mjafton njĂ« PC me grafikĂ« NVIDIA GeForce RTX 4090 dhe 32 GB RAM. Modeli mund tĂ« pĂ«rdoret nĂ« mjetet e hapura SWE-agent dhe OpenHands pĂ«r automatizimin e rregullimit tĂ« gabimeve, analizĂ«n e kodit dhe bĂ«rjen e ndryshimeve.
Sistemi mund tĂ« pĂ«rdoret pĂ«r tĂ« zgjidhur probleme specifike (issue) nĂ« GitHub dhe tejkalon ndjeshĂ«m projekte tĂ« tjera nĂ« grupin testues SWE-Bench Verified, i cili verifikon saktĂ«sinĂ« e zgjidhjes sĂ« problemeve standarde nĂ« kod (ofrohen 500 teste tĂ« bazuara nĂ« mesazhe reale gabimi nĂ« GitHub). NĂ« kĂ«tĂ« test, modeli Devstral arriti 46.8%, ndĂ«rsa modeli Claude 3.5 Haiku mori 40.6%, SWE-smith-LM 32B â 40.2% dhe GPT-4.1-mini â 23.6%. NdĂ«r tĂ« tjera, Devstral tejkaloi modele tĂ« mĂ«dha si Deepseek-V3-0324 671B (38.8%) dhe Qwen3 232B-A22B (34.4%), qĂ« pĂ«rfshijnĂ« qindra miliarda parametrash.
Burimi: opennet.ru
