Mistral זה עתה השיקה את Devstral, מודל בינה מלאכותית חדש בקוד פתוח שנבנה כדי לפתור בעיות אמיתיות בפיתוח תוכנה - לא רק השלמה אוטומטית של קוד.
זוהי תוצאה של שילוב בין Mistral ל-All Hands AI. היא קטנה מספיק כדי לפעול באופן מקומי, מאומנת על בעיות אמיתיות ב-GitHub, וקיבלה ציון גבוה באופן מפתיע באחד ממדדי ה-AI הקשוחים ביותר המתמקדים בפיתוח: SWE-Bench Verified.
וכן - אתם יכולים לנסות את זה עכשיו, בלי רשימת המתנה, בלי הגבלת ספקים.
🔹 למה זה נשמע כמו אותו סיפור
כבר שמענו את ההצעה הזו בעבר - מ-OpenAI, Anthropic, Google, DeepMind, מה שרק תרצי:
"התנהגות סוכנתית"
"מבין מאגרים מלאים"
"מתקן באגים, שולח בקשות משיכה"
"אומן על GitHub"
"עוזר מפתח בקוד פתוח"
אז כשמיסטרל מופיע עם אותן מילים, קל להתעלם מזה.
אבל משהו שונה הפעם.
🔹 SWE-Bench מאומת הוא התשובה
אם כל הדגמים האלה נשמעים לכם אותו דבר - אתם לא טועים.
אותן מילים. אותן הבטחות.
SWE-Bench Verified היא הדרך שבה אתה חוצה את זה.
אם אתם רוצים לדעת מה אמיתי, מה עובד, ומה זה רק שיווק - זה המקום שבו אתם מחפשים.
🔹 מה זה SWE-Bench Verified?
SWE-Bench הוא מדד שנוצר על ידי אוניברסיטת פרינסטון כדי לבחון האם מודל שפה יכול למעשה לפעול כמו מהנדס תוכנה.
לא רק:
"סיים את הפונקציה הזו"
אֲבָל:"קרא את הבעיה. הבן את המאגר. כתוב את התיקון. עברו את המבחן."
✅ "מאומת" פירושו שאדם בדק ידנית את בקשת ה-pull של המודל ואישר שהבאג תוקן כהלכה.
אז כשמיסטרל אומר שדבסטראל קיבלה 46.8%, הם אומרים:
"מודל זה תיקן כמעט מחצית מבעיות GitHub בעולם האמיתי במבחן - ועבר את הבדיקות."
זה מספר משמעותי. במיוחד עבור מודל שאתה יכול להריץ על המחשב שלך.
🔹 מה בעצם חדש כאן
זה מתפקד - וזה קטן.
Devstral מנצח דגמים מסחריים כמו GPT-4.1 Mini ו- Claude 3.5 Haiku ב- SWE-Bench Verified.זה פתוח ומקומי.
אתה יכול להוריד את זה. להפעיל את זה. להשתמש בפורק. אין צורך ב-API.זה מאומן אחרת.
לא על דוגמאות קוד - אלא על בעיות אמיתיות ב-GitHub. זה צעד קרוב יותר לאופן שבו מפתחים עובדים בפועל.
🔹 כיצד Devstral משתווה ב-SWE-Bench Verified
דֶגֶם | ציון מאומת של SWE-Bench | קוד פתוח | שימוש מקומי | רִשָׁיוֹן |
דבסטרל (מיסטרל) | 46.8% | ✅ כן | ✅ כן (4090 / מק 32GB) | אפאצ'י 2.0 |
GPT-4.1 מיני (OpenAI) | ~37% | ❌ לא | ❌ ענן בלבד | מִסְחָרִי |
קלוד 3.5 הייקו | ~40% | ❌ לא | ❌ ענן בלבד | מִסְחָרִי |
קוד לאמה 70B | ~15–20% (הערכה) | ✅ כן | ⚠️ נדרשת חומרה כבדה | מערכת הפעלה אוטומטית (OSS) מותאמת אישית |
🔹 שורה תחתונה
✅ זמין עכשיו - הורידו אותו מ-Hugging Face:
http://huggingface.co/mistralai/Devstral-Small-2505💸 ללא עלות לשימוש - קוד פתוח תחת Apache 2.0, חינמי לשימוש אישי או מסחרי:
http://www.apache.org/licenses/LICENSE-2.0
💻 פועל באופן מקומי - עובד על RTX 4090 או Mac עם 32GB RAM📊 ציון של 46.8% ב-SWE-Bench Verified - נבדק על פי בעיות אמיתיות ב-GitHub
🔧 בנוי לפתרון בעיות ברמת המאגר, לא רק קטעי קוד
🧠 אין API, אין ענן, אין התחייבות לספק - פשוט הורידו והתחילו
אם אתם עובדים עם קוד ורוצים בינה מלאכותית שתגיע ומוכנה לעזור - זה הפתרון לנסות.
פשוט, מקומי ופתוח לחלוטין.
❄️ פרספקטיבה של צוות האור הקפוא
רוב הדגמים בתחום הזה עדיין נשמעים אותו דבר.
גם דבסטראל עושה זאת - עד שתבינו שני דברים:
זה נבדק מול בעיות אמיתיות ב-GitHub, לא מול דוגמאות מומצאות.
וזה פתוח, חינמי ומוכן להפעלה ללא אישור או תוכניות תמחור.
עוד לא הפעלנו את זה בעצמנו.
אבל העובדה שהוא הושווה לנתונים אמיתיים - והועמד לרשותך ללא הגבלות - אומרת משהו.
זה לא עוד דגם הדגמה.
זה אות.
שמודלים קטנים וממוקדים - המגובים על ידי מדדים חזקים וגישה לקהילה - עשויים להיות הדרך האמיתית קדימה בתחום הבינה המלאכותית עבור מפתחים.
אם אכפת לך מהמרחב הזה, דבסטרל שווה את תשומת לבך.
לא בגלל מה שראינו - אלא בגלל איך זה שותף ולמי זה נבנה.
