Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed,主打真实代码数据上的检索表现,并称其优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由:官方给出代码检索基准、维度与精度取舍及 API 价格,便于评估其在代码 RAG 和语义搜索中的接入成本。
新模型的发布、开源与迭代:大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed,主打真实代码数据上的检索表现,并称其优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由:官方给出代码检索基准、维度与精度取舍及 API 价格,便于评估其在代码 RAG 和语义搜索中的接入成本。
Mistral AI 与 All Hands AI 合作推出面向软件工程任务的智能体大语言模型 Devstral,并以 Apache 2.0 许可证开放。
推荐理由:文章给出 SWE-Bench Verified 成绩、本地硬件门槛和 Apache 2.0 获取方式,便于评估其用于智能体编程的可行性。
Mistral AI 发布 Mistral Medium 3,称其以更低成本提供前沿模型性能,API 定价为 $0.4 input / $2 output per M token。
推荐理由:官方给出定价、基准对比和企业部署方式,可帮助读者判断中等规模模型在成本与专业任务间的取舍。
Mistral AI 发布 Mistral Small 3.1,提供 Base 和 Instruct checkpoints,采用 Apache 2.0 许可证。
推荐理由:官方给出性能、速度、128k 上下文和本地硬件要求,可帮助评估小模型在端侧与低延迟场景的适用性。
Mistral AI 发布区域语言模型 Mistral Saba,参数规模为 24B,使用中东和南亚精选数据集训练,支持阿拉伯语及多种印度起源语言,尤其擅长泰米尔语等南印度起源语言。Mistral Saba 已通过 API 提供,也可在客户本地安全环境部署,能在单 GPU 系统上运行,速度超过 150 tokens/s;官方称其响应比 5 倍以上规模的模型更准确相关,且更快、成本更低。
推荐理由:原文说明了区域语言模型的参数规模、语言覆盖、部署方式和速度,可帮助读者理解专用小模型与通用大模型的取舍。
Mistral AI 发布 Mistral Small 3,这是一款面向低延迟场景的 24B 参数模型,预训练和指令微调检查点均以 Apache 2.0 许可证开放。
推荐理由:官方给出参数量、许可证、速度、评测和本地部署条件,便于评估其作为低延迟开源基座的适用场景。