Mistral: Codestral 2508 (batch)

Mistral: Codestral 2508 (batch) to model tekstowy od Mistral, udostępniony przez dostawcę 1 sierpnia 2025. To model językowy Mistral do kodowania, zbudowany wokół zadań o niskich opóźnieniach i wysokiej częstotliwości, a nie ogólnej rozmowy. W api14 jest wymieniony w kategorii tekst, a identyfikator modelu, który wywołujesz, to mistralai/codestral-2508:batch.

Model przyjmuje dane wejściowe w postaci tekstu i plików oraz zwraca tekst. Jego okno kontekstu wynosi 256 000 tokenów, a maksymalne wyjście to 204 800 tokenów. Ma punkt odcięcia wiedzy na 31 marca 2025. Mistral opisuje jego fokus jako fill-in-the-middle (FIM), korektę kodu i generowanie testów, więc wejście plikowe jest przydatne, gdy chcesz, aby model pracował na źródle, które dostarczasz, a nie na kodzie wklejanym w treści.

Te możliwości wskazują na dość konkretny zestaw zadań. Fill-in-the-middle czyni go dobrym dopasowaniem dla integracji z edytorami, które uzupełniają kod w środku funkcji lub bloku. Korekta kodu pasuje do lintowania, wsparcia w przeglądzie lub poprawiania kodu wygenerowanego przez model, zanim trafi do wdrożenia. Generowanie testów pasuje do potoków, które wymagają testów jednostkowych pisanych równolegle z implementacją. Ponieważ okno kontekstu jest duże, możesz przekazać całe pliki lub spore repozytoria wraz z promptem. Wszystkie te zadania są zadaniami kodowania zorientowanymi na batch, a nie otwartą rozmową.

Aby go wywołać, użyj identyfikatora modelu mistralai/codestral-2508:batch w API api14 zgodnym z OpenAI, co oznacza, że twoja istniejąca konfiguracja OpenAI SDK działa po zmianie bazowego URL i klucza. Model obsługuje frequency_penalty, max_tokens, prediction, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools oraz top_p. Tools i tool_choice pozwalają podłączyć go do wywoływania funkcji; response_format i structured_outputs pomagają, gdy dalszy kod potrzebuje ustalonego kształtu; seed czyni uruchomienia powtarzalnymi; prediction jest dostępny dla przepływów w stylu dekodowania spekulatywnego. Zwróć uwagę, że api14 nie wymienia wejścia obrazowego ani audio dla tego modelu, a wyjście jest wyłącznie tekstowe. Jeśli twoje zadanie dotyczy ogólnej prozy, rozumienia obrazów lub mowy, a nie kodu, inny model w katalogu jest prawdopodobnie lepszym wyborem.