Mistral AI、エージェント型コーディングLLM「Devstral」をApache 2.0で公開

Devstralは実際のGitHub issueを解くように訓練されたモデルで、OpenHandsやSWE-Agentといったコードエージェント用スキャフォールド上で動作する。SWE-Bench Verifiedは手作業で正しさを確認した500件の実GitHub issueからなるデータセットで、Devstralのスコアは46.8%である。同じOpenHandsの条件で比較すると、Deepseek-V3-0324（671B）やQwen3 232B-A22Bといったはるかに大きなモデルを上回るとしている。クローズドモデルとの比較では、最近のGPT-4.1-miniを20%超上回るという。

通常のLLMは単独の関数作成やコード補完には強いが、大規模コードベースの文脈把握、離れたコンポーネント間の関係の特定、複雑な関数に潜む微妙なバグの発見といった実務の課題には苦戦するとされる。Devstralはこの課題に対応するよう設計されている。

モデルは1枚のRTX 4090または32GB RAMのMacで動かせる軽さで、ローカル運用やオンデバイス利用に向く。セキュリティやコンプライアンス要件が厳しい企業のプライベートリポジトリでのエージェント型コーディングにも適するとしている。

提供面では、APIの価格はMistral Small 3.1と同じで、入力$0.1/Mトークン、出力$0.3/Mトークンである。セルフデプロイ用の重みはHuggingFace、Ollama、Kaggle、Unsloth、LM Studioから本日ダウンロードできる。非公開コードベースでのファインチューニングや継続事前学習、蒸留を希望する企業向けには、応用AIチームへの問い合わせ窓口がある。Devstralはリサーチプレビューの位置付けで、より大型のエージェント型コーディングモデルを数週間以内に提供する予定とも述べている。