Mistral AI 与 All Hands AI 发布 Devstral

背景

智能体式（agentic）模型不是用来回答单个问题的，而是作为一段程序的引擎：它读取文件、提出修改、运行命令、查看结果，再决定下一步做什么。软件工程很早就成了这种用法的试验场，因为这项工作本身就是反复迭代的，而且结果可以检验——一个补丁要么有助于解决问题，要么没有。

发布内容

2025 年 5 月 21 日，Mistral AI 发布 Devstral，这是一个与 All Hands AI 共同构建的开放智能体编程模型 ^[1]。Mistral 把它描述为面向软件工程任务的智能体大语言模型（agentic LLM），经过训练可以解决真实的 GitHub issue ^[1]。这个定位把模型放到了领域中的一个特定位置：重点不在于在聊天窗口里生成代码片段，而在于在一个代码库中完成多步工作——模型需要找到相关代码、弄清哪里出错，然后给出一处修改。

被测量的成绩

在 SWE-Bench Verified 上，Devstral 得分 46.8% ^[1]。这是一个用来检验模型能否解决真实软件问题的基准。Mistral 表示，该模型在该基准上以较大幅度超过了所有开源模型 ^[1]。这类基准比较是发布方对自己数字的解读，也是编程模型亮相时的常见方式：给出一个共享任务上的分数，再与其他模型的分数并列。

许可、体积与价格

Devstral 以 Apache 2.0 许可发布 ^[1]，这意味着模型可以被使用和修改，不受闭源发布的限制。它可以在单张 RTX 4090 上运行 ^[1]。Mistral 表示，该模型足够轻量，能在配备 32GB 内存的 Mac 上运行 ^[1]；对于希望在已有硬件上试用智能体编程模型、而不是通过远程服务调用的人来说，这一点很重要。

对于更愿意使用服务的人，该模型以 devstral-small-2505 的名称在 Mistral 的 API 上提供，价格为每百万输入 token 0.1 美元、每百万输出 token 0.3 美元 ^[1]。

意义

这次发布有三个特性同时出现。模型是开放许可的，权重可以在开发它的公司之外运行和改造 ^[1]。它足够小，能装进单张消费级显卡，也能装进一台 32GB 内存的笔记本电脑 ^[1]。而且它是为软件任务上的智能体式使用而构建的，而不是为通用对话 ^[1]。这三点在此前的编程模型中分别出现过，把它们放在一起，才构成 Devstral 在领域中的位置。

能在本地运行的编程智能体也改变了谁可以做实验。当模型能装进开发者已有的硬件时，在私有代码库上测试智能体就不需要把代码发给外部 API。当它以公开的单 token 价格在 API 上提供时，同一个模型又可以在没有本地硬件的情况下大规模使用 ^[1]。

最可能被别人检验的是基准方面的说法。Mistral 关于 Devstral 在 SWE-Bench Verified 上以较大幅度超过所有开源模型的表述，针对的是一个不断变动的对象：开源模型之间持续被相互比较，某一天在某一基准上测得的领先只是一个快照，而不是定论 ^[1]。这次发布更持久地确立下来的，是这个产品的形状——一个开放许可、体积小、面向智能体使用的编程模型，与一家专注智能体工具的伙伴共同构建，并按 API 调用的方式定价 ^[1]。