Mistral Codestral 2

Mistral 第二代代码专用模型，Apache 2.0 重新授权后可合法自托管与商用，擅长 IDE 内联补全

大语言模型 LLM

https://codestral.ai/

前往官网

深度报告

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。
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。
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。
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。
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。
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。
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。
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）。
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。

用户评论

BrittanyMendoza_2020

—

Codestral 2 的 FIM 是真的顶，回不去了。

Madk637

—

接进 Continue.dev 当补全模型，灰字补全比 Cursor 自带的差点意思，但代码不出本地很安心。

Frances.Perry3697

—

在公司内网部署了一版，Apache 2.0 直接省了采购扯皮。之前初代那个非生产许可根本不敢碰商用，现在终于能名正言顺塞进我们自己的 IDE 插件里了。

wcmqo0d703

—

我在一张 3090 上跑 Q4_K_M，短补全大概 45 token/秒，写 TS 的 hook 和类型客户端很顺。但说实话多文件重构它就开始露怯，上次让它改一个跨三文件的重构，第三轮就跑偏了。日常 tab 补全神器，别指望它当结对程序员。

Martha_Anderson_2024

—

256K 上下文就是个噱头，我 24G 卡实际只能撑到 16K，再多就 OOM。

xEstebanDueñas_x

—

「最好的自动补全器，最令人沮丧的结对程序员」这句 HN 老哥总结得精准。单轮生成质量没话说，多轮推理是真不行。

李星妍

—

作为欧洲团队我们比较在意数据驻留，Codestral 2 走 Mistral 的欧盟托管 API，GDPR 这关好过。不过北美的同事抱怨延迟比 DeepSeek 和 Copilot 高，北美节点确实有点亏，反而是自托管那台 3090 最快。

GClark_7

—

0.3 刀百万 token，真香。

宋娜

—

Cursor 的 Tab 补全没法重定向到外部模型，这点挺坑。想用它的 FIM 最好老老实实上 Continue.dev，Continue 能直接吃专用 FIM 端点，体验才对。

CryptoNinjaChavez

—

跟 Qwen3-Coder 比，密集 22B 在本地编码速度上已经不占优了，MoE 同尺寸又快又强。但 Codestral 2 胜在许可证干净和可预测——没有专家路由的意外，显存占用一眼能算清。要补全选它，要 agent 选别的。

KellyKelly_66

—

版本号真乱，25.01、2、2.1 到底哪个能商用？踩过初代非生产许可的坑后现在看到版本就先查许可证。

nzdw4jan52

—

做 CI 代码审查 bot 用它的 API，批处理比 OpenAI 便宜好几倍。HumanEval 86.6% 看着还行，但这榜 2026 年早饱和了，别拿来排座次。

CAcox

—

Mac M4 24G 跑 Q4 也挺香，离线写代码毫无卡顿感。

SatoshiSnakeJones

—

想用满 256K 上下文基本得服务器级显存，消费卡就别想了。我日常 8K 上下文已经够用，补全质量没觉得比云端差，隐私还更好。

Mistral Codestral 2

深度报告

用户评论

相关链接

同类产品