跳到正文
Mistral AI·· 2025-07-30精選AI 評分64

Mistral AI 發佈 Codestral 25.08,並推出企業級完整編碼技術棧

Announcing Codestral 25.08 and the Complete Mistral Coding Stack for Enterprise

AI 導讀

Mistral AI 發佈 Codestral 25.08,並推出整合程式碼補全、語意檢索、Devstral 智能體工作流及 Mistral Code IDE 外掛的企業編碼技術棧。

推薦理由

文章把 Codestral 25.08、程式碼檢索、Devstral 智能體工作流與 IDE 管理整合為企業方案,並交代部署選項及安全治理設計。

正文 · 繁體中文

全球領先企業如何運用 Mistral AI 的整合式編碼方案,將開發、審查和測試時間縮短 50%;以及為何這套方法如今適用於所有希望以 AI 為本進行軟件開發的公司。 

Codestral Main

AI 編碼工具日益普及,但關鍵限制仍拖慢企業採用步伐

過去一年,AI 編碼助手帶來多項強大功能,例如多檔案推理、按上下文提供建議,以及自然語言代理程式,全部直接整合於 IDE 之中。然而,企業環境的採用速度仍然緩慢。原因與模型效能或介面關係不大,更多在於這些工具的建構、部署和管治方式。

阻礙企業團隊採用的主要限制包括:

  • 部署限制:大多數 AI 編碼工具只提供 SaaS,沒有 VPC、本地部署或隔離網絡環境的選項。這對金融、國防、醫療保健及其他受監管行業的機構而言,是無法接受的障礙。

  • 自訂能力有限:企業往往需要按自己的程式碼庫和開發慣例調整模型。如果無法存取模型權重、後訓練流程或擴展功能,團隊便無法充分利用自身程式碼庫的優勢。

  • 架構分散:代理程式、嵌入、補全和插件經常分散在不同供應商的平台上,導致整合脱節、上下文處理不一致,並增加營運負擔。此外,編碼副駕駛與完整企業平台(例如產品開發工具、CRM 和客戶問題追蹤系統)的整合亦不理想。

  • 缺乏統一的可觀測性和控制:團隊無法清楚掌握 AI 在整個開發生命週期中的使用情況。若沒有遙測、審計追蹤和集中控制,便難以負責任地擴大 AI 使用規模,或衡量實際投資回報。

  • 與內部工具鏈不相容:許多助手在封閉環境中運作,難以連接內部 CI/CD 流程、知識庫或靜態分析框架。

對企業而言,這些限制並非例外情況,而是基本要求。能否解決這些問題,正是優秀開發者工具與 AI 原生軟件開發平台之間的分野。

為 AI 原生軟件開發而設的全堆疊方案

我們的企業編碼方案不是一套互不相關的工具,而是一個整合系統,旨在支援企業級軟件開發的每個階段,從程式碼建議到自主建立 pull request。

Marketecture Code Alt

方案由快速、可靠的程式碼補全開始,並可擴展至全面理解程式碼庫和自動化多檔案操作。

1. 快速、高保真程式碼補全

整個技術棧的基礎是 Codestral,這是 Mistral 專為高精度中間填補(FIM)補全而打造的程式碼生成模型系列。這些模型針對正式工程環境最佳化,兼具低延遲、上下文感知和可自行部署等特點。

今天,我們宣佈推出最新更新。Codestral 25.08 相較先前版本帶來可量化的提升:

  • 獲接受的補全內容增加 30%

  • 建議後保留的程式碼增加 10%

  • 失控生成減少 50%,長篇編輯時更可靠

  • 在短上下文和長上下文 FIM 補全的學術基準測試中,效能有所提升

這些改進已在正式程式碼庫的 IDE 實際使用情境中獲得驗證。模型支援多種語言和任務,亦可部署於雲端、VPC 或本地環境,無需修改架構。

Codestral-2508 亦改進了聊天模式:

  • 指令遵循:IF eval v8 提升 5%

  • 程式碼能力:MultiplE 平均提升 5%

Offline V2
Chat V2
Offline 2

2. 程式碼庫規模的搜尋與語義檢索

自動補全可以加快工作,但前提是模型理解你的程式碼庫。Codestral Embed在這個領域樹立了新標準。它專為程式碼而非一般文字設計,在真實程式碼檢索基準測試中,表現超越 OpenAI 和 Cohere 的領先嵌入模型。 

主要優點包括:

  • 在大型單體和多倉庫程式碼庫中進行高召回率、低延遲搜尋。開發者可以用自然語言搜尋內部邏輯、驗證流程或特定領域工具。

  • 嵌入輸出方式靈活,可設定維度(例如 256 維、INT8),在檢索品質和儲存效率之間取得平衡;即使維度較低,表現仍勝過其他方案。

  • 支援私有部署,確保資料不會透過第三方 API 洩漏,並可在企業基礎設施內執行所有嵌入推論和索引儲存。

這個嵌入層既是代理式工作流程的上下文基礎,也是 IDE 內程式碼搜尋功能的檢索引擎,同時不犧牲私隱、效能或精準度。

3. 透過代理式工作流程自主執行多步驟開發

呈現相關上下文後,AI 便能採取有意義的行動。Devstral由OpenHands 代理程式框架支援,可實現適用於企業的代理式編碼工作流程。它專為工程任務而建,包括跨檔案重構、生成測試和撰寫 PR,並運用結構化、上下文豐富的推理。

主要能力包括:

  • 在 SWE-Bench Verified 上取得開放模型中的頂尖表現:Devstral Small 1.1 得分 53.6%,Devstral Medium 達 61.6%,大幅超越 Claude 3.5、GPT-4.1-mini 和其他開放模型。

  • 適用於任何環境的靈活架構:Devstral 提供多種規模。採用開放權重的 Devstral Small(24B,Apache-2.0)可在單張 Nvidia RTX 4090 或配備 32 GB RAM 的 Mac 上高效運行,適合自我託管、隔離網絡或實驗工作流程。較大型的 Devstral Medium 則透過企業合作和我們的 API 提供,具備更進階的程式碼理解及規劃能力。

  • 開放模型,方便擴展:團隊可用專有程式碼微調 Devstral Small、建立自訂代理程式,或直接把它整合至 CI/CD 工作流程,不受授權綁定。對於需要更高模型效能的正式環境,Devstral Medium 提供企業級支援,包括讓公司進行後訓練和微調。

在私有基礎設施中提供代理式自動化,讓工程機構減少阻力、確保合規,並透過可重複、可審計的 AI 工作流程加快交付。

4. IDE 整合與營運控制

Mistral 技術棧的所有能力——補全、語義搜尋和代理式工作流程——都透過 Mistral Code 提供;這是 JetBrains 和 VS Code 的原生插件。

Code Ide

它提供:

  • 使用 Codestral 25.08 進行行內補全,並針對 FIM 和多行編輯最佳化

  • 由 Devstral 支援的一鍵任務自動化,例如「撰寫 commit 訊息」、「修正函式」或「新增 docstring」

  • 根據 Git 差異、終端機歷史記錄和靜態分析工具掌握上下文

  • 由 Codestral Embed 支援的整合式語義搜尋

Mistral Code 專為支援企業部署要求而建:

  • 可部署於任何環境:雲端、自我管理的 VPC,或完全本地部署(第三季 GA)

  • 不強制使用遙測,推論或搜尋亦不會呼叫外部 API

  • 提供 SSO、審計記錄和使用控制,確保安全並符合政策要求

  • 透過 Mistral Console 觀測使用情況,包括 AI 生成程式碼、建議接受率和代理程式使用量等指標

這些功能讓工程、平台和安全團隊能安全、循序漸進地推出 AI 工具,並全面掌握使用情況。

整體如何配合:從開發者操作到組織效益

Mistral 編碼技術棧把自動補全、語義檢索和代理式工作流程直接整合到 IDE,同時讓平台團隊控制部署、可觀測性和安全。在典型開發任務中:

假設一位開發者正在處理以 Python 編寫的付款服務。第三方帳單 API 最近更新,因此他們需要更新整合邏輯並加入適當的錯誤處理。

  1. 他們先前往帳單處理程式。修改函式簽署時,Codestral 會自動補上預期參數並提出初步實作,減少從其他服務複製程式碼模式的需要。

  2. 修改重試邏輯前,他們需要了解其他地方如何處理類似故障。他們毋須切換到 Slack 或手動搜尋 GitHub,只要直接在 IDE 輸入查詢:「我們在結帳流程中如何處理 Stripe 逾時?」本機執行的嵌入索引會傳回另一個服務中的輔助模組,該模組使用指數退避機制包裝重試邏輯。

  3. 他們把這個模式複製到自己的處理程式,但發現另外三個服務仍使用過時的重試程式碼。於是他們在 IDE 內呼叫 Devstral 支援的代理程式:「把帳單和結帳服務中所有 retry_with_sleep 的用法換成新的 retry_exponential 輔助函式,並更新文件。」Devstral 會使用同一套嵌入掃描程式碼庫,在多個檔案中完成所需修改,並生成 PR 草稿。代理程式亦會撰寫變更記錄,並更新 README 中有關錯誤處理的部分。

開發者審查 PR、確認邏輯後便合併。以往需要搜尋、協調和手動撰寫樣板程式碼的跨服務更新,如今在一次編輯工作階段內便可完成,輸出亦可追蹤和審查。

在組織層面,同一工作流程亦帶來更廣泛的優勢:

  • 技術棧中的每個元件都可自行託管或在本地運行,讓團隊掌控資料、延遲和部署架構。

  • 內置可觀測性。Mistral Console 會追蹤使用模式、模型建議接受率和代理程式採用情況,提供所需資料以調整推行方式和衡量投資回報。

  • 安全和合規控制(包括 SSO、審計記錄和遙測設定)讓系統容易配合內部政策和基礎設施。

  • 無需拼湊工具。由於補全、搜尋和代理程式共用架構、上下文處理方式和支援界線,團隊可避免拼湊第三方工具所帶來的脱節、額外負擔和安全漏洞。

最終帶來更快速、更容易管治的開發工作流程,既為個人效率而設,也能配合組織規模。

獲不同環境中的領先企業採用

Mistral 編碼技術棧已由顧問、金融、交通運輸和工業領域的機構投入正式使用。各機構要求不同,但都面對資料控制、部署靈活度和內部程式碼複雜性等共同限制。

  • Capgemini 已在全球交付團隊推出這套技術棧,以加快開發,同時維持程式碼所有權,並確保國防、電訊和能源領域客戶的合規要求。

  • Abanca 是一家依循歐洲銀行監管規定、位於西班牙的主要銀行。它在完全自我託管的部署環境中使用 Mistral 模型,以符合資料駐留和網絡隔離要求,同時不犧牲易用性。

  • 法國國家鐵路公司 SNCF 使用代理式工作流程,安全、循序漸進地現代化舊有 Java 系統,並在整個流程中納入人工監督。

「在受監管行業的客戶項目中,運用 Mistral 的 Codestral 對我們採用私有編碼助手帶來了重大改變。我們已由支援部分基本開發活動,進展至為開發團隊系統地創造價值。」

Alban Alev,Capgemini France 解決方案副總裁兼主管。

此外,數家全球一級銀行和工業製造商正積極試行或擴大工程團隊的採用規模,原因是託管式副駕駛和零散工具無法滿足它們的要求。

這些應用案例反映出一項日益明顯的轉變:機構不再尋找互不相關的助手,而是採用能配合現代企業軟件開發複雜程度、安全要求和速度的整合式 AI 系統。

立即開始

完整的 Mistral 編碼技術棧——Codestral 25.08、Devstral、Codestral Embed 和 Mistral Code IDE 擴充功能——現已可供企業部署。

團隊可以先使用自動補全和語義搜尋,再按自己的步伐擴展至代理式工作流程和私有部署。

開始使用:

  • 從JetBrains或VS Code市集安裝 Mistral Code

  • 連接至你偏好的部署模式(雲端、VPC 或本地部署)

如果你想把這些模型用於自己的副駕駛,請前往console.mistral.ai取得金鑰。更多 Mistral 編碼方案資訊,請瀏覽我們的網站和文件。 

如要評估本地部署選項、企業規模部署,或安排實作試行,請填寫本頁的需求表格。Mistral 團隊成員會跟進,協助按你的環境度身訂造推出方案。

來源:Mistral AI · mistral.ai