Mistral: Codestral 2508 (batch)

Mistral: Codestral 2508 (batch) es un modelo de texto de Mistral, publicado por el proveedor el 1 de agosto de 2025. Es el modelo de lenguaje de Mistral para programación, y está diseñado en torno a tareas de baja latencia y alta frecuencia en lugar de conversación general. En api14 aparece listado bajo la categoría de texto, y el id de modelo que se llama es mistralai/codestral-2508:batch.

El modelo acepta entradas de texto y archivos y devuelve texto. Su ventana de contexto es de 256.000 tokens, con una salida máxima de 204.800 tokens. Tiene un corte de conocimiento del 31 de marzo de 2025. Mistral describe su enfoque como fill-in-the-middle (FIM), corrección de código y generación de tests, por lo que la entrada de archivos resulta útil cuando se quiere que el modelo trabaje sobre código fuente que se proporciona en lugar de código pegado en línea.

Esas capacidades apuntan a un conjunto bastante específico de tareas. Fill-in-the-middle lo hace adecuado para integraciones de editor que completan código en medio de una función o un bloque. La corrección de código encaja con linting, asistencia en revisiones o arreglar código generado por un modelo antes de publicarlo. La generación de tests encaja con pipelines que necesitan tests unitarios escritos junto a la implementación. Como la ventana de contexto es grande, se pueden pasar archivos completos o repositorios considerables junto al prompt. Todas estas son tareas de programación orientadas a batch en lugar de chat abierto.

Para llamarlo, usa el id de modelo mistralai/codestral-2508:batch contra la API compatible con OpenAI de api14, lo que significa que tu configuración existente del SDK de OpenAI funciona con un cambio de URL base y de clave. El modelo admite frequency_penalty, max_tokens, prediction, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools y top_p. Tools y tool_choice permiten conectarlo a function calling; response_format y structured_outputs ayudan cuando el código posterior necesita una forma fija; seed hace que las ejecuciones sean repetibles; prediction está disponible para flujos de trabajo de estilo decodificación especulativa. Ten en cuenta que api14 no lista entrada de imagen o audio para este modelo, y la salida es solo texto. Si tu tarea es prosa general, comprensión de imágenes o voz en lugar de código, otro modelo del catálogo probablemente sea la mejor opción.