Mistral Codestral 2

• 1. 概要 （共 269 字）

  Codestral 2 是 Mistral AI 的第二代代码专用模型，最关键的变动发生在 2026 年 4 月 8 日：Mistral 将其从初代的「非生产许可」重新授权为 Apache 2.0，意味着它终于可以合法地嵌入商用产品和付费服务。它是一枚 22B 的密集（dense）Transformer，原生支持中间填充（FIM）补全，拥有 256K 上下文窗口，覆盖 80 多种编程语言。它的定位很清晰：一枚又快又便宜、擅长 IDE 内联补全的代码模型，而不是用来跑复杂多步智能体编码的旗舰。对想要「在自己 GPU 上合法自托管代码补全」的团队和个人来说，它是目前最干净的选择之一。

• 2. 产品背景 （共 631 字）

  Mistral AI 是一家总部位于巴黎的欧洲大模型公司，长期以开放权重和「数字主权」叙事著称。Codestral 系列是其代码模型的专门线。初代 Codestral 于 2024 年 5 月发布，22B 参数，能力不俗，但采用了 Mistral Non-Production License（MNPL），禁止商业使用，只能用于研究和测试。这一许可条款在开发者社区引发了持续的怀疑——「能不能把它装进付费 SaaS」「非生产怎么界定」「半年后会不会变」之类的问题反复出现。   版本沿革大致是：Codestral（2024.05，22B，MNPL）→ Codestral 25.01（2025.01，即 V2，改进了 tokenizer、速度翻倍、256K 上下文）→ Codestral 2（2026.04，在 Apache 2.0 下重新授权）。2026 年的这次重新授权，被多家评测称为「自 Llama 2 商用化以来最大的开源代码许可解锁」，因为它把「可在闭源工具里商用、可微调并售卖结果、无需申请许可」一次性放开。需要注意，不同第三方资料对参数和上下文的口径并不一致：谷歌云 Vertex AI 上的合作模型页把 codestral-2 标注为 GA、128K 上下文、2025 年 10 月发布；部分评测站点写作 32B、128K；而社区最一致的说法是 22B dense、256K 上下文、2026 年 4 月重新授权。本文以社区最一致、且与重新授权节点吻合的「22B dense / 256K / Apache 2.0」口径为准，并在风险章点明口径差异。

• 3. 产品功能与使用体验 （共 518 字）

  Codestral 2 的核心能力围绕代码生成，尤其是 FIM。FIM 指模型能从一段代码的中间位置向前向后补全，这正是 IDE 内联灰色补全的底层机制。Mistral 内部基准称其在 HumanEval 上 86.6%、MBPP 上 91.2%，在 BigCodeBench 上排名靠前。它针对 2026 年的主流语言做了优化：Python、TypeScript、Go、Rust、SQL，同时对 80 多种语言有基本覆盖。   在真实工作流里，它的强项很集中。Continue.dev、VS Code、JetBrains、Cline 都能接入；Cursor 可以把 Chat 和 Cmd-K 路由到 Codestral 2，但 Tab 内联补全仍跑在 Cursor 自有的闭源模型上、无法重定向——这是每个外部后端在 Cursor 里都有的同质限制。社区实测（dev.to，2026 年 6 月，RTX 4090，Q4_K_M 量化）显示短补全约 45–55 token/秒，做聊天和改动能用，但跑长链路智能体明显慢于云端。多位开发者（enterprisedna 汇总的 Reddit/HN 反馈）把它的评价浓缩成一句话：「我见过最好的自动补全器，也是最令人沮丧的结对程序员」——单轮生成质量高，多文件重构和含糊提示下会露怯。

• 4. 定价与商业模式 （共 649 字）

  Codestral 2 的变现路径分两层。其一是开放权重本身：Apache 2.0 授权下，从 HuggingFace 拉取权重、用 Ollama 或 vLLM 自托管，模型费用为零，只需硬件。其二是 Mistral 托管 API，按 token 计费：输入 0.30 美元、输出 0.90 美元每百万 token，与 Mistral Small/Medium 档位一致；它还有独立的 FIM 端点（codestral.mistral.ai/v1/fim/completions）专供 IDE 补全，以及常规聊天/补全端点（api.mistral.ai）。此外它通过 Google Cloud Vertex AI 提供（在欧洲 west4、美国 central1 等区域），并预告将上 Amazon Bedrock。   横向比价：DeepSeek V4-Flash 输入 0.14、输出 0.435 美元，更便宜且在 agent 任务上更强；Gemini 3.5 Flash 约 1.50 / 6 美元，更贵且不支持自托管和 FIM 端点。换句话说，Codestral 2 在「可合法自托管」这一栏是独一档，纯云端按量计费则并非最低价。自托管硬件门槛上，Q4_K_M 量化约 13.3GB，16GB 显卡（如 4060 Ti）能勉强跑短上下文，24GB 的 3090 是甜点（约 40–50 token/秒），4090 约 60–75 token/秒，生产级用单张 H100 80GB 跑满精度；48GB 显存可满精度带合理上下文。但务必注意：256K 上下文是服务器/API 层面的能力，消费级显卡在 16K–16K 上下文就会吃紧，远到不了 256K。

• 5. 用户评价 （共 373 字）

  真实开发者社区的声音偏务实。Reddit 和 Hacker News 上，初代 Codestral 发布当天的线程几小时内数百条评论，先是对基准兴奋，随后被许可条款浇了冷水；2026 年 Apache 2.0 重新授权后又被一批团队严肃二次评估。普遍认可的点：FIM 补全接近 Copilot 级别、延迟低（单张 A100 上短补全 80–200 毫秒 token-out，像本地补全而非云端往返）、Python/TypeScript 流畅（干净的 pandas 变换、像样的 pytest 脚手架、合理的类型提示）。被诟病的点：复杂多文件重构和模糊需求下表现不稳，多轮推理弱于更大的模型；许可证历史造成的「我能不能在它上面建生意」的疑虑至今仍在 2026 年的讨论里出现。一位开发者在 HN 上的总结流传很广：「最好的自动补全器，最令人沮丧的结对程序员」——这种「单轮强、多轮弱」的张力是社区共识。

• 6. 行业评价 （共 486 字）

  在开放权重代码模型的 2026 年格局里，Codestral 2 与 Qwen2.5-Coder-32B、DeepSeek-Coder V3、StarCoder 3、IBM Granite Code 34B 同台。多项横向研究指出，在原始代码生成基准上，开放权重与闭源旗舰的差距已经很小；真正的落差在真实 PR 接受率上，因为这取决于 agent loop 的质量而非模型本身。综合评分站点 AIToolTier 给 Codestral 2 打 7.5/10，赞其重新授权的意义、FIM 领先、22B dense 显存可预测、EU 托管满足 GDPR；减分项则是复杂推理落后闭源旗舰、无多模态/原生 tool-use、基准透明度偏弱（Mistral 主要发 MBPP/HumanEval，第三方 SWE-bench / LiveCodeBench 验证较薄），以及 SWE-bench Verified 落后 Qwen Coder 3.5、DeepSeek V3 Coder 几个点。一个常被忽视的事实是：2026 年中，密集模型在本地编码上已被 MoE（Qwen3-Coder、DeepSeek V4 等）反超，22B dense 的优势是显存可预测，而非速度或上限。

• 7. 争议与风险 （共 550 字）

  第一，版本与口径混乱。同一个「Codestral 2」在官方 V2（25.01，2025 年 1 月）、Vertex AI 合作模型（标注 2025 年 10 月 GA、128K）、以及 2026 年 4 月 Apache 2.0 重新授权之间，参数（22B 对 32B）、上下文（256K 对 128K）、发布时间都存在冲突。企业接入前应核实自己拿到的是哪个具体版本，别把初代 MNPL 权重当成可商用版本。   第二，能力边界。它是专注补全的 code-specialist，不是通用智能体。复杂多步 agentic 编码、截图转代码、终端工具执行，要用 Claude Code、Cursor Composer 2 或 Devin；它自身没有原生多模态和 tool-use。   第三，基准可信度。Mistral 自己发布的 HumanEval/MBPP 数字是内部评测，HumanEval 在 2026 年已接近饱和，不应据此排座次；第三方 SWE-bench/LiveCodeBench 验证偏少。   第四，本地部署幻象。256K 上下文是营销亮点，但消费级显卡根本喂不饱 KV 缓存，真实可用上下文只有几千到一万多 token；想用满需要服务器级显存。   第五，保质期风险。开放权重代码模型迭代极快，一枚 22B 密集模型的「货架期按季度计」，12 个月内就可能被更新的 MoE 同尺寸模型在能力和价格上双重碾压。

• 8. 适用人群与使用建议 （共 548 字）

  适合：想要合法自托管代码补全的个人和团队、代码隐私敏感（代码不出本地、客户代码在 NDA 下）、把模型作为 IDE 补全后端（尤其 Continue.dev 的 FIM 槽位）、在闭源商用产品里内嵌代码模型（Apache 2.0 放开）、跑 CI 代码审查 bot 或夜间重构批处理（按量计费比闭源便宜数倍）。   不适合：需要复杂多步智能体编码的（选 Claude Code / Devin / DeepSeek V4-Flash）、需要截图转代码或终端工具执行的、需要整库超大上下文问答的（Llama 4 Scout 的 10M 上下文更像这类「派对把戏」）。   具体到编辑器：如果你要的是最好的内联补全且能合法跑在自己 GPU 上，把它接进 Continue.dev 的 FIM 槽位；如果用 Cursor，它只能接管 Chat/Cmd-K，Tab 还是 Cursor 自己的。如果要做 Cline 的 agent 后端，它适合「应用这个聚焦改动」类任务，不适合「搞清楚集成测试为什么飘并修好它」。   替代方案：纯云端 agent 后端选 DeepSeek V4-Flash（更便宜更强）；想要开源权重里的 agentic 冠军看 DeepSeek-Coder V3（236B MoE）；整库长上下文问答看 Llama 4 Scout；企业最宽松许可看 IBM Granite Code 34B（Apache 2.0）。

• 9. 总结 （共 156 字）

  Codestral 2 真正值钱的地方不是参数或基准，而是那张 Apache 2.0 许可证——它把一枚质量过硬、22B 可预测、FIM 领先、能自托管的代码补全模型，从「研究玩具」变成了「可以装进产品卖钱」的合规组件。把它用在它擅长的地方（内联补全、隐私本地化、商用内嵌），它物超所值；指望它替代前沿智能体编码器，则会失望。

暂无深度报告

• 

  MarthaKing_202389

  —

  Copilot 替代品完全够格，自托管不用担心代码被拿去训练。隐私这块确实比 Copilot 强，而且代码生成质量也不输多少。

---

• 

  MetaHub_io

  —

  FIM 是亮点，但跨文件重构能力比 Cursor 差远了。写新代码很合适，改老代码不太行，上下文一多就糊了。

---

• 

  rkm6ukb6

  —

  想拿来给 Cline 做 backend 跑 agent 任务，结果多文件改代码的时候经常掉链子，上下文理解不够深。还是换回 DeepSeek 当主力了。

---

• 

  greendog148

  —

  建议所有考虑自托管代码模型的人都试试，22B 的 dense 模型部署最简单，不像 DeepSeek 那么大。而且 Apache 2.0 完全没法律风险。

---

• 

  BillyMurray369

  —

  用了两个月 Codestral 2 的感受：API 做补全很好但做 chat 不够聪明，自托管做补全也够用但 token/s 上不去。总体来说值回票价。

---

• 

  RavenRocketGreen

  —

  shiporskip 上 4-0 全票通过，说 Apache 2.0 + Ollama 自托管这个组合确实能打。看了那篇评测写得挺客观的，优点缺点都说了。

---

• 

  DKing

  —

  Mistral 这次把 Codestral 2 做成 Apache 2.0 是真的有诚意。仔细想想这个决定的影响：之前因为许可证不敢用的企业现在都可以上了，整个开��代码补全的市场格局都会变，Copilot 不再是唯一的选择了。

---

• 

  韩艳

  —

  Apache 2.0 之后终于敢在公司项目里用了，之前那个非商业许可证太坑了，问法务都说不行。改完协议直接 ollama pull 就在本地跑了。

---

• 

  Marilyn_Simmons_77

  —

  用 Continue.dev 接上 Codestral 2 做代码补全，确实比之前用 DeepSeek 快，响应基本在 200ms 以内，写 TypeScript 的时候体验很好。

---

• 

  Angela_Davis520

  —

  22B 的 dense 模型显存占用很稳定，我 3090 跑 Q4_K_M 大概 40 tok/s，够用了。但长上下文就吃力了，256K 完全吃不下。

---

• 

  TheCarlPedersen_pro

  —

  不过 agentic coding 的话 DeepSeek V4 和 Qwen Coder 确实比它强，多步推理差距明显。Codestral 2 做补全一流，做 agent 二流。

---

• 

  兰花279

  —

  不能做 screenshot-to-code 这些多模态任务，毕竟纯代码模型。但如果你只需要写代码，它的专注反而是优势，不会东拉西扯。

---

• 

  剑客_2

  —

  说实话它跟 GPT-5 Mini 比还是有差距的，但考虑到价格是后者的五分之一，这差距完全可以接受。小团队无脑入就对了。

---

• 

  iChandranSaha_88

  —

  在 Continue.dev 里用了两周 Codestral 2 做后端，配合 Tabnine 做前端，感觉后端的补全质量明显比前端好。Python 和 TypeScript 的补全准确率差距还是挺大的，Python 的话基本能猜中我要写什么。

---

• 

  琉璃_15

  —

  部署体验不错，vLLM 一行命令就起来了。22B dense 模型比 MoE 好调度，不用纠结 expert 路由问题，显存预估特别准。

---

• 

  Ryan693

  —

  把我们团队 6 个人的编辑器都换成了指向自托管 Codestral 2 的 Continue.dev，跑了两个月还挺稳定的。唯一的问题就是高峰期并发高了推理会慢下来，但总体能接受。

---

• 

  Sarah.Murray5209

  —

  欧洲出身的代码模型终于有个能打的了。之前 Copilot 的数据跑美国心里总有点隔应，换了 Mistral Code 踏实多了，反正我们主要写后端。

---

• 

  Pglar

  —

  自托管之后最大的好处就是没有速率限制了，以前用 Copilot 或者 Cursor 的 API 总是担心配额用完。自己在 4090 上跑，一天用几百万 token 都没人管，而且 22B 的功耗也比跑 70B 的模型省电多了。

---

• 

  JoshuaRussell_Plus

  —

  对比了 Qwen3 Coder 14B 和 Codestral 2，写指令式任务比如「写个 FastAPI CRUD」Qwen 更好，但纯补全和 FIM Codestral 更顺，看场景选。

---

• 

  heavymeercat299

  —

  之前以为 22B 的模型写代码应该没什么问题，实际用下来写日常业务代码确实可以，但我拿它写一个跨模块的重构方案就力不从心了。还是要结合场景来，别神话任何一个模型。

---

• 

  RitaKing

  —

  官方 VS Code 插件体验还可以，跟 Copilot 差别不大。但偶尔补全会吞字符，需要手动撤销再重来，频率大概一天一两次吧。

---

• 

  Janice_Perez_2024

  —

  刚把 Codestral 2 接进 Cursor 做 tab 补全，感觉比 Copilot 默认模型要准一些，补全大段重复代码的时候差别特别明显。

---

• 

  GAbro

  —

  一键生成 Go 语言的 gRPC 服务代码，proto 文件解析很准，Generate 出来的 server stub 和 client 基本不用改，接上业务逻辑就能跑。这种体验才是 AI 编程该有的样子。

---

• 

  Ronald_Foster369

  —

  Dockerfile 和 CI/CD 配置生成得很棒，给个上下文就能写出完整的多阶段构建脚本，包括依赖缓存优化那些细节都有，比自己手写快太多了。

---

• 

  DeltaDef_i309

  —

  做 RAG 项目写 Python 后端，FIM 确实强，光标放在函数中间也能补全，而且生成风格跟现有代码保持一致，不用手动调格式。

---

• 

  lARRY436

  —

  试了一下 Ollama 本地跑，Q4_K_M 大概 13GB，4060 Ti 16GB 勉强能跑，但上下文一长就 OOM，还是得换 3090。

---

• 

  hwwfqkq3vy

  —

  开源 license 解锁才是 Codestral 2 最大的新闻。之前多少人因为许可证望而却步，现在终于能往产品里塞了。这比 benchmark 提升有意义多了。

---

• 

  Lawrence_Johnson

  —

  Codestral 第一代那个 Non-Production License 搞得我很烦，不敢往产品里集成。二代直接变 Apache 2.0，这才是开源该有的态度。

---

• 

  u3t7blj

  —

  用它写 Python 的 FastAPI 接口简直是享受，模板代码几乎不用改，写多了感觉工作效率提升了一个档次。我一天能多写出 30% 的接口。

---

• 

  CosmosCris726

  —

  太强了！

暂无评论