专门开发轻量级、专业化生成式人工智慧模型的公司Mistral AI，升级了其程序码生成模型Codestral，新的Codestral 25.01版本在处理上下文长度，及程序码完成效率方面表现更好，且该模型上下文长度可达到25.6万Token，能有效满足大型专案和複杂程序码的完成需求。

Mistral对少于1,000亿参数的程序码完成模型进行测试，Codestral 25.01在Fill-In-the-Middle（FIM）任务的表现，刷新了多项基準测试纪录。在HumanEval、MBPP和CruxEval等评估中，该模型在準确率和生成速度方面表现突出，特别是在FIM的Pass@1测试中，平均通过率达95.3％，显示其在单行程序码插入和完成的能力。与上一代Codestral 24.05相比，新版的程序码生成速度约是2倍，同时在多语言支援与程序码生成的準确性有明显进步。

与其他模型相比，Codestral 25.01在重要指标表现较佳，像是Meta的Codellama 70B instruct，虽然具通用性与多语言支持，但上下文长度仅有4,000个Token，难以满足处理大型专案的需求。此外，Codellama在FIM测试中的準确率也低于Codestral。

其他竞争者DeepSeek Coder系列模型，包括DeepSeek Coder 33B instruct和DeepSeek Coder V2 lite，其中后者在上下文长度方面提升至12.8万个Token，但整体性能落后于Codestral 25.01，像是HumanEval测试结果DeepSeek系列的表现皆不如Codestral。而OpenAI的GPT 3.5 Turbo FIM API虽在FIM测试水準与Codestral相近，但其上下文长度仅为3万个Token，在大型专案的应用上将受限。

Codestral 25.01的升级重点还有对多语言环境的优化。Codestral 25.01支援超过80种程序语言，涵盖Python、Java、JavaScript等主流语言，在SQL和Bash等应用案例也有精準的生成能力。测试显示，该模型在HumanEval各语言测试中的平均準确率达71.4％，在Python等常用语言的表现更是遥遥领先。

在轻量级程序码完成模型领域中，Codestral 25.01展现良好应用潜力。目前开发者已可透过支援的IDE或云端平台试用Codestral 25.01，Mistral也提供Codestral 25.01 API支援，供用户整合至现有的开发环境中。