Mistral AI 推出对标编码工具，挑战 GitHub Copilot

本周三，Mistral AI 推出了一款全面的企业编码助手，标志着这家法国人工智能公司进军企业软件开发领域的最有力举措，目前该领域由微软的 GitHub Copilot 和其他硅谷竞争对手领跑。

新产品 Mistral Code 将公司最新的人工智能模型与集成开发环境插件和内部部署选项相结合，专为具有严格安全需求的大型企业量身定制。此次推出的 Mistral Code 提供了无与伦比的定制化和数据主权，直接与现有的编码助手展开竞争。

"Mistral AI 的研究科学家、前 Meta 研究员 Baptiste Rozière 在接受 VentureBeat 独家采访时表示："我们的关键差异化在于更强的定制能力和在企业内部托管模型的能力。"在定制化方面，我们可以针对客户独特的代码库微调我们的模型，从而大大提高代码完成与客户特定工作流的相关性。

这种以企业为中心的战略强调了 Mistral 的目标，即通过优先考虑数据隐私和遵守欧洲法规，从 OpenAI 和其他美国竞争对手中脱颖而出。与典型的 SaaS 编码工具不同，Mistral Code 使企业能够在自己的基础设施中部署整个人工智能堆栈，将专有代码安全地保存在企业服务器上。

"通过内部部署，我们直接在客户的硬件上运行该模型，"Rozière 补充道。"他们可以从服务中获益，同时确保他们的代码永远不会离开他们的服务器，满足他们的安全和保密要求。

Mistral 如何发现企业采用人工智能的四大障碍

该产品推出时，许多企业对人工智能编码助手的采用仍停留在概念验证阶段。通过对工程副总裁、平台负责人和首席信息安全官的调查，Mistral 确定了四个反复出现的挑战：对专有资源库的访问受限、模型定制不足、对复杂工作流的支持不足，以及多个提供商的 SLA 不统一。

Mistral Code 通过 "垂直整合解决方案 "解决了这些问题，该解决方案包括模型、插件、管理控制和同一协议下的全天候支持。该平台以开源 Continue 项目为基础，增加了企业级功能，如基于角色的细粒度访问控制、审计日志和使用分析。

在技术上，Mistral Code 采用了四种专门的人工智能模型：Codestral 用于代码补全，Codestral Embed 用于代码搜索和检索，Devstral 用于多任务编码工作流，Mistral Medium 用于对话支持。该系统支持 80 多种编程语言，可以分析文件、Git 差异、终端输出和问题跟踪系统。

对于企业客户来说，至关重要的是，该平台允许在私有代码库中对核心模型进行微调--这一功能使其有别于依赖外部 API 的专有选项。这种适应性可以大大提高代码完成的准确性，以适应公司特定的框架和编码习惯。

为什么领先的 Meta 研究人员会加入 Mistral 的人工智能编码计划？

Mistral 的技术实力部分归功于吸引了 Meta Llama AI 团队主要研究人员的战略招聘工作。在 Meta 颇具影响力的 2023 Llama 论文（该论文确定了公司的开源 AI 战略）中列出的 14 位作者中，只有三位仍留在这家社交媒体公司。包括 Rozière 在内的 5 位离职者在过去 18 个月内加入了 Mistral。

这种从 Meta 公司的人才流动凸显了人工智能领域的竞争态势，在这个领域，顶级研究人员寻求高额报酬和影响下一代人工智能系统的机会。对于 Mistral 来说，这些新员工带来了在大型语言模型开发方面的深厚专业知识，以及最初在 Meta 先进的训练方法。

Marie-Anne Lachaux 和 Thibaut Lavril 都曾是 Meta 的研究人员，也是 Llama 原始论文的共同作者，现在是 Mistral 的创始成员和人工智能研究工程师。他们的知识直接促进了 Mistral 以编码为重点的模型的开发，尤其是 Devstral，该公司于今年 5 月将其作为开源软件工程代理发布。

Devstral 模型在笔记本电脑上运行时的性能超过了 OpenAI

Devstral 是 Mistral 致力于开源开发的典范，它在 Apache 2.0 许可下提供了一个 240 亿参数的模型。它在 SWE-Bench Verified 基准测试中的得分率为 46.8%，比 OpenAI 的 GPT-4.1-mini 高出 20 多个百分点，而且体积小巧，可以在单个 Nvidia RTX 4090 GPU 或配备 32GB 内存的 MacBook 上运行。

"Rozière告诉VentureBeat："目前，在SWE-bench验证和代码代理方面，它是最好的开放模型。"它还非常紧凑--只有 240 亿个参数，因此你可以在 MacBook 等设备上本地运行它。

这种提供开源模型和专有企业服务的双重策略反映了 Mistral 更广泛的市场定位。在致力于开放式人工智能开发的同时，该公司通过高级功能、定制服务和企业支持合同实现盈利。

银行和铁路实施 Mistral 的预制编码工具

受监管行业的早期企业客户证实了 Mistral 的方法，在这些行业中，数据主权问题阻碍了基于云的编码助手的采用。西班牙和葡萄牙的大型银行 Abanca 采用混合设置大规模推广 Mistral Code，允许基于云的原型开发，同时保护内部核心银行代码。

法国国家铁路运营商 SNCF 使用 Mistral Code Serverless 为其 4000 名开发人员提供人工智能协助。全球系统集成商凯捷为处理受监管行业客户项目的1500多名开发人员部署了内部平台。

这些实施凸显了企业对人工智能编码工具的需求，这些工具既能提供复杂的功能，又不会牺牲数据安全性或监管合规性。与面向消费者的助手不同，Mistral Code 的企业架构支持大型组织所需的管理监督和审计跟踪。

欧洲人工智能法规为 Mistral 提供了超越硅谷竞争对手的优势

企业编码助手市场吸引了大量投资，也吸引了科技巨头的竞争。微软的 GitHub Copilot 拥有数百万个人用户，而 Anthropic 的 Claude 和谷歌的 Gemini 工具等新进入者则在争夺企业市场份额。

根据《通用数据保护条例》（General Data Protection Regulation）和《欧盟人工智能法案》（EU AI Act），人工智能系统在处理个人数据时必须遵守严格的规定。该公司获得了 10 亿欧元的融资，包括最近由 General Catalyst 领投、估值 60 亿美元的 6 亿欧元融资，这为其提供了与资金雄厚的美国竞争对手抗衡的资源。

然而，Mistral 在坚持开源原则的同时，在全球扩张方面也遇到了障碍。该公司最近转向 Mistral Medium 3 等专有模式的做法引发了开源支持者的批评，他们认为这是为追求商业可持续性而背离了创始理想。

超越代码完成：开发完整软件模块的人工智能代理

Mistral Code 的功能远不止完成基本代码，它还能处理完整的项目工作流程。该平台可以打开文件、创建新模块、更新测试和运行 shell 命令--所有这一切都在可配置的审批流程内进行，从而保证了高级工程师的监督。

它的检索增强生成能力使其能够通过检查代码库、文档和问题跟踪系统来掌握项目背景。这种对上下文的理解能带来更精确的代码建议，并最大限度地减少较简单的人工智能编码工具中常见的幻觉问题。

Mistral 将继续建立更大、更强大的编码模型，同时优化本地部署。该公司与 OpenDevin 代理框架开发商 All Hands AI 合作，将 Mistral 的模型集成到能够实现整个功能的自主软件工程工作流中。

Mistral 对企业的重视预示着人工智能编码的未来

Mistral Code 的首次亮相表明，人工智能编码辅助工具正从实验性辅助工具演变为必不可少的企业基础设施。随着企业越来越认为人工智能对开发人员的效率至关重要，供应商必须在高级功能与大型企业的安全性、合规性和定制化需求之间取得平衡。

Mistral 有能力从 Meta 和其他一流的人工智能实验室吸引顶尖人才，这说明专业技术正不断集中于少数资本雄厚的公司。这种整合加快了创新速度，但可能会限制人工智能开发方法的多样性。

对于正在评估人工智能编码工具的企业来说，Mistral Code 提供了一个替代美国平台的欧洲平台，对于强调数据主权和监管一致性的企业来说尤其有利。该平台的成功将取决于它是否有能力实现可衡量的生产率提升，同时又能坚持安全性和定制化，这是它有别于标准化解决方案的地方。

更广泛的影响超出了编码助理的范畴，而涉及到如何在企业环境中实施人工智能系统这一核心问题。Mistral 专注于内部部署和模型定制，这与硅谷许多竞争对手偏好的云优先战略不同。

随着人工智能编码助手市场的发展，成功与否可能不仅取决于模型的性能，还取决于供应商在应对指导企业软件应用的复杂运营、安全和合规性要求方面的能力。Mistral Code 研究了欧洲的人工智能公司是否能通过提出不同的企业部署和数据管理方法来与美国同行竞争。