法國 AI 新創公司 Mistral AI 今日發布 Codestral 2.0，這是其代碼生成專用模型的重大迭代版本。根據官方基準測試數據及獨立研究機構的評估，Codestral 2.0 在多項代碼生成標準測試中達到或超越 GPT-5 的表現，但 API 定價僅為後者的約 20%。
技術規格
| 規格 | Codestral 2.0 |
|---|---|
| 參數規模 | 22B（官方未確認） |
| 上下文視窗 | 256K Token |
| 支援程式語言 | 90+ 種 |
| 模型架構 | Transformer with Sparse MoE |
| 可用形式 | API（閉源）+ 研究用開放權重 |
基準測試表現
| 基準測試 | Codestral 2.0 | GPT-5 Mini | Claude Sonnet 4.6 |
|---|---|---|---|
| HumanEval | 91.2% | 89.7% | 88.4% |
| MBPP | 87.8% | 85.3% | 84.9% |
| LiveCodeBench | 82.4% | 80.1% | 79.6% |
| SWE-bench Verified | 43.7% | 44.2% | 42.8% |
（以上數據來自 Mistral AI 官方報告及獨立驗證，結果可能隨測試條件有所差異）
定價策略
Codestral 2.0 的定價是其市場競爭力的核心：
- 輸入 Token：$0.30 / 百萬 Token
- 輸出 Token：$0.90 / 百萬 Token
- 對比 GPT-5 完整版：$2.50/$10.00（輸入/輸出）
這意味著在相同的代碼生成任務量下，使用 Codestral 2.0 的成本約為 GPT-5 的 12-18%，對高頻調用的代碼輔助工具（如 IDE 插件、CI/CD 流水線）而言，成本節省極為顯著。
關鍵技術改進
相比上一版本 Codestral，2.0 版本的主要技術改進包括：
- Fill-in-the-Middle（FIM）能力大幅提升：這一對 IDE 代碼補全至關重要的功能，準確率提升約 18%，尤其在複雜函數的中間部分補全場景
- 長代碼上下文理解：得益於 256K 上下文視窗，Codestral 2.0 可在大型代碼庫中進行跨文件分析和重構建議
- 測試生成：針對現有代碼自動生成單元測試的能力顯著增強，與 pytest、Jest 等主流測試框架的整合更為流暢
- 多語言混合代碼：在同時涉及多種程式語言的代碼庫（如 Python 後端 + TypeScript 前端）中的表現改善
市場定位
Mistral AI 的戰略定位清晰：以「歐洲替代方案」和「成本效益最優」吸引對數據主權有要求的歐洲企業，以及對 API 成本敏感的高成長型科技公司。
Codestral 2.0 的發布進一步強化了 Mistral 在代碼 AI 細分市場的競爭力，也向市場傳遞了一個信息：頂尖代碼生成能力並不需要付出 OpenAI 級別的高昂成本。