Mistral: Codestral 2508 (batch)

Mistral: Codestral 2508 (batch) ist ein Textmodell von Mistral, das vom Anbieter am 1. August 2025 veröffentlicht wurde. Es ist Mistrals Sprachmodell für das Programmieren und ist auf Aufgaben mit niedriger Latenz und hoher Frequenz ausgelegt statt auf allgemeine Konversation. Auf api14 ist es in der Kategorie Text gelistet, und die Modell-ID, die Sie aufrufen, ist mistralai/codestral-2508:batch.

Das Modell akzeptiert Text- und Dateieingaben und gibt Text zurück. Sein Kontextfenster beträgt 256.000 Token, mit einer maximalen Ausgabe von 204.800 Token. Der Knowledge Cutoff liegt beim 31. März 2025. Mistral beschreibt seinen Schwerpunkt als Fill-in-the-middle (FIM), Codekorrektur und Testerstellung, daher ist die Dateieingabe nützlich, wenn Sie möchten, dass das Modell mit Quellcode arbeitet, den Sie bereitstellen, statt mit Code, den Sie inline einfügen.

Diese Fähigkeiten deuten auf eine recht spezifische Gruppe von Aufgaben hin. Fill-in-the-middle macht es zu einer guten Wahl für Editor-Integrationen, die Code mitten in einer Funktion oder einem Block vervollständigen. Codekorrektur eignet sich für Linting, Review-Unterstützung oder das Korrigieren von modellgeneriertem Code, bevor er ausgeliefert wird. Testerstellung passt zu Pipelines, die Unit-Tests benötigen, die zusammen mit der Implementierung geschrieben werden. Da das Kontextfenster groß ist, können Sie ganze Dateien oder umfangreiche Repositories zusammen mit Ihrem Prompt übergeben. All dies sind batch-orientierte Programmieraufgaben statt offener Chat.

Um es aufzurufen, verwenden Sie die Modell-ID mistralai/codestral-2508:batch gegen die OpenAI-kompatible API von api14, was bedeutet, dass Ihr bestehendes OpenAI-SDK-Setup mit geänderter Base-URL und geändertem Key funktioniert. Das Modell unterstützt frequency_penalty, max_tokens, prediction, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools und top_p. Tools und tool_choice ermöglichen es Ihnen, es in Function Calling einzubinden; response_format und structured_outputs helfen, wenn nachgelagerter Code eine feste Form benötigt; seed macht Läufe wiederholbar; prediction ist für Workflows im Stil der spekulativen Dekodierung verfügbar. Beachten Sie, dass api14 für dieses Modell keine Bild- oder Audioeingabe listet, und die Ausgabe ist nur Text. Wenn Ihre Aufgabe allgemeine Prosa, Bildverständnis oder Sprache statt Code ist, ist ein anderes Modell im Katalog wahrscheinlich die bessere Wahl.