🔧 مدل جدید Mistral برای برنامهنویسی سازمانی معرفی شد!
شرکت Mistral با معرفی اکوسیستم کامل توسعه نرمافزار، حالا رقیب جدی GitHub Copilot محسوب میشه. هسته این سیستم، مدلهای خانواده Codestral هستن — بهویژه نسخه جدید Codestral 25.08.
📌 بهبودهای کلیدی:
♻️افزایش ۳۰٪ در پذیرش تکمیل خودکار کد توسط توسعهدهندهها
♻️افزایش ۱۰٪ در مقدار کدی که بعد از پیشنهاد حفظ میشه
♻️کاهش ۵۰٪ در تولید کدهای طولانی و اشتباه
♻️در حالت چت هم عملکرد بهتر شده؛ طبق ارزیابی IF Eval v8 و آزمون MultiplE، دقت و مهارت برنامهنویسی این مدل حدود ۵٪ افزایش داشته.
🔍 مرحله بعدی: جستجوی معنایی در کل پروژه مدل Codestral Embed برای تولید امبدینگ برداری اختصاصی کد طراحی شده. طبق تستهای واقعی بازیابی کد، از امبدینگهای OpenAI و Cohere بهتر عمل میکنه. حتی امکان تنظیم ابعاد امبدینگ (تا ۲۵۶ بعد با INT8) هم فراهمه.
🛠 وقتی بافت مرتبط پیدا شد، نوبت به Agentها میرسه: سیستم Devstral برای انجام کارهایی مثل ریفکتور، تولید تست و ساخت Pull Request فعاله. مدل Devstral Small روی یک GPU مثل RTX 4090 یا Mac با ۳۲GB RAM اجرا میشه.
نتایج بنچمارک SWE-Bench:
Devstral Small: امتیاز ۵۳.۶٪
Devstral Medium: امتیاز ۶۱.۶٪
(بالاتر از Claude 3.5 و GPT-4.1-mini)
🧩 همه این قابلیتها در افزونه Mistral Code برای IDEهای JetBrains و VS Code قابل استفادهست. افزونه نهتنها کد رو کامل میکنه، بلکه وظایف تکراری مثل نوشتن commit یا docstring رو با کمک Devstral انجام میده.
✳️قابلیتها:
♻️پشتیبانی از Git diff و تاریخچه ترمینال
♻️جستجوی معنایی
استفاده محلی یا ابری با امنیت سازمانی (SSO، audit log، بدون تلِمتری اجباری)
📌 @rss_ai_ir
#هوش_مصنوعی #برنامهنویسی #کد_اتوماتیک #Mistral #Codestral #Devstral
شرکت Mistral با معرفی اکوسیستم کامل توسعه نرمافزار، حالا رقیب جدی GitHub Copilot محسوب میشه. هسته این سیستم، مدلهای خانواده Codestral هستن — بهویژه نسخه جدید Codestral 25.08.
📌 بهبودهای کلیدی:
♻️افزایش ۳۰٪ در پذیرش تکمیل خودکار کد توسط توسعهدهندهها
♻️افزایش ۱۰٪ در مقدار کدی که بعد از پیشنهاد حفظ میشه
♻️کاهش ۵۰٪ در تولید کدهای طولانی و اشتباه
♻️در حالت چت هم عملکرد بهتر شده؛ طبق ارزیابی IF Eval v8 و آزمون MultiplE، دقت و مهارت برنامهنویسی این مدل حدود ۵٪ افزایش داشته.
🔍 مرحله بعدی: جستجوی معنایی در کل پروژه مدل Codestral Embed برای تولید امبدینگ برداری اختصاصی کد طراحی شده. طبق تستهای واقعی بازیابی کد، از امبدینگهای OpenAI و Cohere بهتر عمل میکنه. حتی امکان تنظیم ابعاد امبدینگ (تا ۲۵۶ بعد با INT8) هم فراهمه.
🛠 وقتی بافت مرتبط پیدا شد، نوبت به Agentها میرسه: سیستم Devstral برای انجام کارهایی مثل ریفکتور، تولید تست و ساخت Pull Request فعاله. مدل Devstral Small روی یک GPU مثل RTX 4090 یا Mac با ۳۲GB RAM اجرا میشه.
نتایج بنچمارک SWE-Bench:
Devstral Small: امتیاز ۵۳.۶٪
Devstral Medium: امتیاز ۶۱.۶٪
(بالاتر از Claude 3.5 و GPT-4.1-mini)
🧩 همه این قابلیتها در افزونه Mistral Code برای IDEهای JetBrains و VS Code قابل استفادهست. افزونه نهتنها کد رو کامل میکنه، بلکه وظایف تکراری مثل نوشتن commit یا docstring رو با کمک Devstral انجام میده.
✳️قابلیتها:
♻️پشتیبانی از Git diff و تاریخچه ترمینال
♻️جستجوی معنایی
استفاده محلی یا ابری با امنیت سازمانی (SSO، audit log، بدون تلِمتری اجباری)
📌 @rss_ai_ir
#هوش_مصنوعی #برنامهنویسی #کد_اتوماتیک #Mistral #Codestral #Devstral
👍2🔥1👏1