Mistral AI 发布 Devstral2507 系列
Mistral AI 与 All Hands AI 合作，推出了针对开发者的大型语言模型 Devstral2507系列，包含两款新模型：Devstral Small1.1和 Devstral Medium2507。
这些模型旨在支持基于智能代理的代码推理、程序合成和结构化任务执行，适用于大型软件代码库的实际应用。这次发布在性能和成本上进行了优化，使其在开发工具和代码自动化系统中具有广泛的应用潜力。
Devstral Small1.1是一款开源模型，基于 Mistral-Small-3.1基础模型，拥有约240亿个参数。该模型支持128k 的上下文窗口，能够处理多文件代码输入和复杂的长提示，符合软件工程工作流程的特点。此版本特别针对结构化输出进行微调，包括 XML 和函数调用格式，使其与 OpenHands 等代理框架兼容，适合程序导航、多步骤编辑和代码搜索等任务。Devstral Small1.1的许可为 Apache2.0，支持研究和商业用途。
在性能测试方面，Devstral Small1.1在 SWE-Bench Verified 基准测试中获得53.6% 的成绩，证明其在为真实的 GitHub 问题生成正确补丁方面表现优异。虽然其性能不及大型商业模型，但在大小、推理成本和推理能力之间找到了一个平衡点，适合多种编码任务。
此外，该模型以多种格式发布，包括可以在高内存 GPU（如 RTX4090）或32GB RAM 以上的 Apple Silicon 机器上进行本地推理的量化版本。同时，Mistral 还通过其推理 API 提供模型，当前的收费标准与 Mistral-Small 系列模型相同。
Devstral Medium2507则仅通过 Mistral API 或企业部署协议提供，并不开放源代码。该模型在 SWE-Bench Verified 基准测试中得分为61.6%，在长上下文的推理能力上表现出色，能够超越一些商业模型，如 Gemini2.5Pro 和 GPT-4.1。此模型的 API 收费标准高于 Small 版本，但其强大的推理能力使其非常适合在大型代码库中执行任务。
Devstral Small 更适合本地开发、实验或集成到客户端开发工具中，而 Devstral Medium 则在结构化代码编辑任务中提供更高的准确性和一致性，适合需要高性能的生产服务。两款模型的设计都支持与代码代理框架的集成，使其能够简化测试生成、重构和错误修复的自动化工作流程。
