Model Releases
Mistral AI Devstral Small 2: Новый стандарт для Open-Source Кодирования
Mistral AI выпустила Devstral Small 2 — эффективную модель 24B параметров на базе Mistral Small 3.1. Apache 2.0 лицензия делает её идеальной для энтерпрайза и локального развертывания.
9 декабря 2025 г.
Model ReleaseDevstral Small 2
Введение: Что такое Devstral Small 2?
9 декабря 2025 года компания Mistral AI официально представила Devstral Small 2, специализированную модель для разработки программного обеспечения. Это преемник Devstral Small 1, который был значительно улучшен благодаря архитектуре Mistral Small 3.1. Модель позиционируется как портативный агент, способный работать автономно в различных средах разработки.
Для разработчиков и инженеров ИИ этот релиз означает появление мощного инструмента с открытым исходным кодом, который не требует подписки на дорогие облачные сервисы. Devstral Small 2 сочетает в себе высокую эффективность использования ресурсов и способность решать сложные задачи программирования, что делает её ключевым игроком на рынке open-source моделей.
- Дата релиза: 2025-12-09
- База: Mistral Small 3.1
- Лицензия: Apache 2.0
Ключевые особенности и архитектура
Devstral Small 2 построена на базе 24 миллиардов параметров, что обеспечивает баланс между производительностью и потреблением памяти. Модель использует архитектуру Mixture of Experts (MoE), позволяя активировать только необходимые части сети для конкретной задачи. Это значительно снижает задержки при генерации кода по сравнению с плотными моделями.
Одной из главных особенностей является поддержка мультимодальных данных, что позволяет модели анализировать не только текст, но и диаграммы архитектуры или скриншоты интерфейсов. Лицензия Apache 2.0 открывает возможности для коммерческого использования и модификации, что редко встречается в сегменте моделей с высоким уровнем производительности.
- Параметры: 24B
- Тип: MoE (Mixture of Experts)
- Поддержка: Код, текст, изображения
- Лицензия: Apache 2.0
Производительность и бенчмарки
В тестах Devstral Small 2 демонстрирует впечатляющие результаты, превосходя предшественника Devstral Small 1. На бенчмарке HumanEval модель достигла 92% точности, что ставит её в один ряд с закрытыми моделями среднего уровня. В тестах MMLU (общие знания) результат составил 85%, что подтверждает широту компетенций модели.
Специализированные тесты на SWE-bench (Software Engineering) показали способность модели успешно закрывать 70% из 100 тестовых задач. Это критически важно для автоматизации рефакторинга и написания unit-тестов. Сравнение с конкурентами показывает, что Devstral Small 2 эффективнее использует контекстное окно для лонгридов кода.