{"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\/sv\/blog\/news\/mistral-ai-opublikoval-devstral-bolshuyu-yazykovuyu-model-dlya-raboty-s-kodom","title":{"rendered":"Mistral AI har lanserat Devstral, en stor spr\u00e5kmodell f\u00f6r kodhantering","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Mistral AI har lanserat en stor spr\u00e5kmodell, Devstral, som \u00e4r optimerad f\u00f6r att l\u00f6sa problem som uppst\u00e5r under programvaruutveckling. Till skillnad fr\u00e5n typiska AI-modeller g\u00e5r Mistral AI bortom att skriva enskilda funktioner och komplettera kod, och erbjuder m\u00f6jligheter att analysera och kontextualisera (best\u00e4mma syfte och logik) stora kodbaser, identifiera samband mellan komponenter och lokalisera sv\u00e5rf\u00e5ngade fel i komplicerade funktioner. <\/p>\n
Modellen omfattar 23,6 miljarder parametrar, tar h\u00e4nsyn till sammanhanget i 128 000 token och publiceras under Apache 2.0-licensen. Den nedladdningsbara arkivfilen med Devstral \u00e4r 47 GB och \u00e4r l\u00e4mplig f\u00f6r anv\u00e4ndning p\u00e5 lokala system \u2014 f\u00f6r att k\u00f6ra modellen beh\u00f6vs bara en dator med ett NVIDIA GeForce RTX 4090-grafikkort och 32 GB RAM. Modellen kan anv\u00e4ndas i de \u00f6ppna verktygen SWE-agent och OpenHands f\u00f6r automatisering av felr\u00e4ttningar, kodanalys och implementering av \u00e4ndringar. <\/p>\n
Systemet kan anv\u00e4ndas f\u00f6r att l\u00f6sa specifika problem (issue) p\u00e5 GitHub och \u00f6vertr\u00e4ffar avsev\u00e4rt andra projekt i testupps\u00e4ttningen SWE-Bench Verified, som kontrollerar korrektheten vid l\u00f6sning av typiska problem i koden (500 tester baserat p\u00e5 verkliga felrapporter fr\u00e5n GitHub erbjuds). I detta test fick modellen Devstral 46,8%, medan modellen Claude 3.5 Haiku fick 40,6%, SWE-smith-LM 32B \u2014 40,2% och GPT-4.1-mini \u2014 23,6%. Bland annat \u00f6vertr\u00e4ffade Devstral s\u00e5dana stora modeller som Deepseek-V3-0324 671B (38,8%) och Qwen3 232B-A22B (34,4%), som omfattar hundratals miljarder parametrar. \n K\u00e4lla: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"