مدل Codestral یک مدل AI مولد با وزن‌های باز است که به طور خاص برای وظایف تولید کد طراحی شده است. این مدل به توسعه‌دهندگان کمک می‌کند تا با کد به راحتی تعامل کنند و از طریق یک API مشترک عملیات تولید و تکمیل کد را انجام دهند.
برای استفاده ازین مدل به مستندات FIM Completions مراجعه کنید.
مدلی مسلط به بیش از 80 زبان برنامه‌نویسی #
مدل Codestral بر روی مجموعه‌داده‌ای متنوع از بیش از ۸۰ زبان برنامه‌نویسی آموزش دیده است که شامل زبان‌های محبوب مانند Python، Java، C، C++، JavaScript و Bash می‌شود. این مدل همچنین در زبان‌های خاص‌تر مانند Swift و Fortran نیز عملکرد خوبی دارد. این دامنه گسترده از زبان‌ها تضمین می‌کند که Codestral می‌تواند به توسعه‌دهندگان در محیط‌ها و پروژه‌های مختلف کدنویسی کمک کند.
مدل Codestral با صرفه‌جویی در زمان و تلاش توسعه‌دهندگان، می‌تواند توابع کد را تکمیل کند، تست‌ها را بنویسد و هر کد ناقصی را با استفاده از مکانیسم fill-in-the-middle کامل کند. تعامل با Codestral باعث بهبود سطح کدنویسی توسعه‌دهنده می‌شود و ریسک خطاها و باگ‌ها را کاهش می‌دهد.
تعیین استاندارد برای عملکرد تولید کد #
عملکرد. به عنوان یک مدل ۲۲ میلیارد پارامتری، Codestral یک استاندارد جدید در فضای عملکرد/تاخیر برای تولید کد نسبت به مدل‌های قبلی مورد استفاده در کدنویسی ایجاد می‌کند.
داشتن پنجره متنی بزرگ‌تر ۳۲ هزار توکن (در مقایسه با ۴ هزار، ۸ هزار یا ۱۶ هزار در رقبا)، Codestral در ارزیابی RepoBench، که یک آزمون بلندمدت برای تولید کد است، از تمامی مدل‌های دیگر پیشی می‌گیرد.
ما Codestral را با مدل‌های کد اختصاصی موجود که نیازمند سخت‌افزار پیشرفته‌تری هستند نیز مقایسه کردیم.
زبان Python. ما از چهار بنچمارک استفاده کردیم: HumanEval pass@1 و MBPP sanitised pass@1 برای ارزیابی توانایی تولید کد Python توسط Codestral، CruxEval برای ارزیابی پیش‌بینی خروجی Python، و RepoBench EM برای ارزیابی تکمیل کد در سطح کدبیس بزرگ.
زبان SQL برای ارزیابی عملکرد Codestral در SQL، ما از بنچمارک Spider استفاده کردیم.
زبان‌های دیگر. علاوه بر Python، ما عملکرد Codestral را در HumanEval pass@1 در شش زبان دیگر از جمله C++، Bash، Java، PHP، Typescript و C# ارزیابی کرده و میانگین این ارزیابی‌ها را محاسبه کردیم.
بنچمارک‌های FIM #
عملکرد Fill-in-the-middle (FIM) مدل Codestral با استفاده از HumanEval pass@1 در زبان‌های Python، JavaScript و Java ارزیابی شد و با DeepSeek Coder 33B که دارای قابلیت fill-in-the-middle فوری است، مقایسه گردید.
ابزارهای تکمیل خودکار کد برای تکمیل خطوط کد باز یا ناقص طراحی شده است و به شما امکان می‌دهد به سرعت و با دقت بیشتری کد خود را تکمیل کنید. شما می‌توانید از طریق Gilas API ابزار محبوب Continue.dev را به مدل Codestral متصل کرده و از قابلیت تکمیل کد آن در محیط ویرایشگر خود بهره‌مند شوید. برای نصب و تنظیم این افزونه پست تنظیم افزونه‌ی Continue.dev برای تکمیل خودکار کد را مطالعه کنید.