專門開發輕量級、專業化生成式人工智慧模型的公司Mistral AI，升級了其程式碼生成模型Codestral，新的Codestral 25.01版本在處理上下文長度，及程式碼完成效率方面表現更好，且該模型上下文長度可達到25.6萬Token，能有效滿足大型專案和複雜程式碼的完成需求。Mistral對少於1,000億參數的程式碼完成模型進行測試，Codestral 25.01在Fill-In-the-Middle（FIM）任務的表現，刷新了多項基準測試紀錄。在HumanEval、MBPP和CruxEval等評估中，該模型在準確率和生成速度方面表現突出，特別是在FIM的Pass@1測試中，平均通過率達95.3％，顯示其在單行程式碼插入和完成的能力。與上一代Codestral 24.05相比，新版的程式碼生成速度約是2倍，同時在多語言支援與程式碼生成的準確性有明顯進步。與其他模型相比，Codestral 25.01在重要指標表現較佳，像是Meta的Codellama 70B instruct，雖然具通用性與多語言支持，但上下文長度僅有4,000個Token，難以滿足處理大型專案的需求。此外，Codellama在FIM測試中的準確率也低於Codestral。其他競爭者DeepSeek Coder系列模型，包括DeepSeek Coder 33B instruct和DeepSeek Coder V2 lite，其中後者在上下文長度方面提升至12.8萬個Token，但整體性能落後於Codestral 25.01，像是HumanEval測試結果DeepSeek系列的表現皆不如Codestral。而OpenAI的GPT 3.5 Turbo FIM API雖在FIM測試水準與Codestral相近，但其上下文長度僅為3萬個Token，在大型專案的應用上將受限。Codestral 25.01的升級重點還有對多語言環境的優化。Codestral 25.01支援超過80種程式語言，涵蓋Python、Java、JavaScript等主流語言，在SQL和Bash等應用案例也有精準的生成能力。測試顯示，該模型在HumanEval各語言測試中的平均準確率達71.4％，在Python等常用語言的表現更是遙遙領先。在輕量級程式碼完成模型領域中，Codestral 25.01展現良好應用潛力。目前開發者已可透過支援的IDE或雲端平臺試用Codestral 25.01，Mistral也提供Codestral 25.01 API支援，供用戶整合至現有的開發環境中。
