GPT
הוספת כלי
D

Devstral-2-123B-Instruct-2512

קוד פתוח

mistralaiרישיון לא דווח2025-11-28

  • vllm
  • safetensors
  • ministral3
  • mistral-common
  • fp8

פתרון פתוח שמתמחה בסוכני תוכנה ומתחרה בדגמים גדולים בהרבה במבחני תכנות. הוא נותן חלון עבודה עצום ומכוון לעריכת קוד ושימוש בכלים ישירות מול המחשב שלכם.

  • 262,144טוקנים בהקשר
  • 239 GBמשקל הקבצים
  • 18,642הורדות בחודש
  • 338לייקים

מה זה

הפרויקט הזה של mistralai נבנה ישירות למשימות הנדסת תוכנה עצמאיות, סריקת מאגרי קוד ועריכה של כמה קבצים במקביל. הוא מגיע כבר מכויל בפורמט FP8 לעבודה מול הוראות וקריאה לכלים, בלי צורך לכייל אותו מחדש כדי לקבל התנהגות של סוכן.

במבחן SWE Bench Verified הוא קיבל 72.2%, תוצאה שעוברת מודלים מפלצתיים כמו Qwen 3 Coder Plus של 480 מיליארד פרמטרים ומתקרבת ל־DeepSeek v3.2. זה אומר שבמקום לשפוך מאות מיליארדי פרמטרים כדי לקבל הבנה מעמיקה של באגים במאגרי קוד מורכבים, הדגם הזה סוגר פערים משמעותיים בגודל קומפקטי יחסית אליהם.

הוא מתחבר למעטפות עבודה קיימות כמו Cline, OpenHands וגם לכלי מסוף שהם שחררו במקביל בשם Mistral Vibe. חלון ההקשר שלו מגיע ל־262,144 טוקנים, מה שמאפשר לזרוק פנימה עצי תיקיות שלמים ולבקש ממנו לעבוד.

מתאים ל

  • סוכן לתיקון באגים

    תוצאה של 72.2% ב־SWE Bench מתאימה לחקירת תקלות עמוקות במאגרי קוד מרובי קבצים.

  • סריקת פרויקטים שלמים

    חלון של 256k טוקנים מאפשר להזין תיעוד ומבנה ספריות מלא ישירות להקשר.

  • עבודה מול כלי פיתוח חיצוניים

    מבנה ה־Instruct וההתאמה למעטפות כמו Cline מאפשרים הפעלת פונקציות ברצף.

איפה זה נופל

החולשה הבולטת ביותר שלו מופיעה ב־Terminal Bench 2, שם הוא נעצר על 32.6% בלבד, בעוד מודלים כמו DeepSeek מגיעים ל־46.4% ומודלים מסחריים מטפסים מעל 50%. זה אומר שהוא מתקשה יחסית בפקודות מסוף מורכבות ואינטראקציה ישירה עם סביבת ההרצה.

בנוסף, בבדיקות רב־לשוניות ב־SWE Bench הוא צונח ל־61.3%. המפתחים מודים בעקיפין שהרצה מקומית עלולה לספק תוצאות נחותות ביחס לשרתים שלהם, מה שמחייב בדיקה מעמיקה של הפלט לפני שמשלבים אותו באוטומציה של כתיבת קוד.

שאלות
נפוצות

האם אפשר להריץ את המודל על מחשב פיתוח רגיל?

לא. הקבצים לבדם שוקלים 239 גיגה בייט והרצה תקינה ב־vLLM דורשת שמונה מעבדים גרפיים במקביל. מי שרוצה להריץ מקומית צריך לפנות לגרסאות מכווצות של הקהילה ב־Ollama או להשתמש ב־API.

איך מפעילים אותו ישירות מהטרמינל?

אפשר להתקין את הכלי Mistral Vibe שהם שחררו בעזרת מנהל החבילות uv. הכלי יוצר קובץ הגדרות מקומי, מבקש מפתח גישה לשירות הענן שלהם ומאפשר לתת פקודות ישירות מתיקיית השורש של הפרויקט.

איך מריצים

כדי להריץ אותו עצמאית תצטרכו שרת כבד מאוד. עם 239 גיגה בייט של קבצים בפורמט FP8, פקודת ההרצה הרשמית של vLLM ו־SGLang דורשת חלוקה על שמונה כרטיסי מסך במקביל. אם אין לכם חומרה של עשרות אלפי דולרים או שרת ענן ייעודי מוכן, אין מה לנסות להרים אותו על תחנת עבודה בודדת.

יש אפשרות להריץ גרסאות מכווצות של הקהילה דרך llama.cpp או Ollama, אבל המפתחים עצמם מזהירים שאם הביצועים בהרצה עצמית יורדים, עדיף פשוט לקרוא ל־API שלהם. כשיש צורך בעבודה שוטפת בלי לנהל אשכול שרתים יקר, ה־API הוא הבחירה ההגיונית.

pip install -U huggingface_hub
hf download mistralai/Devstral-2-123B-Instruct-2512

הקבצים

68 קבצים במאגר, 239 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון של המודל לא דווח בכרטיס המודל. במצב כזה, מבחינה משפטית אין לכם הרשאה ברורה להשתמש בו במוצר מסחרי, להפיץ אותו או להטמיע אותו במערכות פנימיות בחברה. כל עוד היוצרים לא הגדירו רישיון רשמי, שימוש מסחרי בקבצים האלה חושף אתכם לסיכון משפטי, וחברות שרוצות יכולות מותאמות מתבקשות לפנות ישירות ליוצרים.

הרישיון המלא בעמוד המודל ↗