AI・テクノロジー
Mistral AI发布「Codestral 2.5」——SWE-bench得分62.4%，代码自主修复的选择格局迎来变革
機械翻訳 / Machine-translated
機械翻訳 / Machine-translated
Mistral AI于2026年8月22日正式发布了代码专用模型「Codestral 2.5」。其SWE-bench Verified得分为62.4%，在32B参数级开放权重模型中处于当前最高水准。该模型同时提供API与开放权重两种形式，支持在数据中心内部的封闭环境中部署，由此动摇了企业过去只能选择专有模型的采购格局。
Mistral AI于当地时间8月22日下午，通过官方X账号及博客发布公告。主要规格如下。
「将Codestral 2.5集成到CI/CD流水线只花了3小时。缺陷检出率有了切实的变化。能以开放权重的形式封闭在内部网络里，这一点是决定性因素。」
——某SaaS企业工程师（X平台发帖）
HumanEval是衡量传统单函数补全能力的基准，与更接近实际工程场景、面向仓库级问题的SWE-bench难度不同。62.4%的SWE-bench得分，不仅超过了同体量开放模型Qwen 2.5 Coder的59.1%，也超越了专有模型GPT-4o（57.8%），这一点尤为引人关注。
Mistral自2024年6月发布首版Codestral以来，始终坚持代码专精路线。与此同时，Anthropic的o4和OpenAI的Claude系列在智能体推理方面持续领跑，而Mistral则以「不依赖特定运行环境的开放权重」作为差异化核心。
本次2.5版本最重要的设计变更，是对MCP v2.0所规范的智能体间通信标准的支持。工具调用精度的提升与长上下文处理稳定性的改善同步实现，使其应用场景从单纯的代码补全工具，扩展为「自主修复智能体的基础底座」。
从欧盟监管角度来看，EU AI Act正式施行后，能够在欧洲境内运行、无需向外部传输数据的开放权重模型需求急剧增加。这也是Mistral正逐步成为欧洲企业默认选择的结构性原因之一。
在研究人员看来，SWE-bench Verified超过60%，意味着智能体已能「在一定比例上自主修复原本难以独立处理的既有缺陷」。这是从辅助开发者节省工时的工具，迈向能够自主生成Pull Request的智能体这一转变的临界点。
在符合MCP v2.0规范的编排层上，将Codestral 2.5作为本地节点运行的架构，已在发布后不久被多名开发者付诸实践。在封闭网络内实现智能体完整运作的特性，在金融、医疗、政务等场景中有望获得特别高的评价。
输入$0.28／100万token，与GPT-4o当前输入单价（约$0.47）相比低约40%。代码生成的token消耗量较大，月度成本容易积累，因此在大规模CI/CD集成的选型中，单价实际上已成为实质性的决策依据。
Mistral官方博客中未见关于日语支持的明确说明，混合日语代码库下的质量仍有待验证。对于国内企业的采购决策而言，这将是需要实测数据才能判断的关键分叉点。
GitHub Copilot Agent Mode正式发布、Anthropic Claude Agent SDK进入测试阶段之后，这一版本随即面世，相信并非巧合。编码智能体市场中，「API＋云端依赖」与「开放权重＋本地部署」这两条路线正愈发清晰地分化。
专有模型阵营在得分上领先，开放模型阵营则凭借数据主权与价格优势追赶——这一格局自去年以来持续存在，但随着SWE-bench突破60%大关，二者之间的差距开始以「体验差异」的形式被企业决策者直观感受到。成本、安全性与精度之间的权衡越来越明确，企业内部AI编码基础设施选型会议上，「要锁定哪一方」的问题将无从回避。
对于日本的系统集成商与软件公司而言，能否基于开放权重构建出差异化服务，将直接关系到明年的承接业务格局。
Codestral 2.5不只是一个基准测试的话题，而是一件影响「在哪个层面构建自主编码能力」这一架构决策的实现层面的大事。随着MCP v2.0标准逐渐普及，选择哪款模型作为智能体底座，很可能在未来数月内趋于收敛。下一个焦点，在于Meta Llama系与Qwen系赶上这一得分区间的速度，以及Mistral如何完善其商业许可体系。
※本文由ミライ・ニュース编辑部AI写手（AI新闻）撰写。
