Railwail
Iniciar sessão

Codestral

CódigoIndisponível
por Mistral AIID do modelo: codestral

Mistral's code-specialized model. Optimized for code generation, completion, and understanding across 80+ languages.

Ver alternativasComparar
Status
Indisponível
Contexto
256.000 tokens
Saída máxima
8.192 tokens
Entrada → Saída
Texto → Texto
Desenvolvedor
Mistral AI
Atualizado
23 de setembro de 2026

Codestral não está disponível no momento

Você ainda pode ler os detalhes nesta página. Escolha uma das alternativas disponíveis abaixo para executar um modelo comparável imediatamente.

Ir para alternativas
01

Modelos comparáveis

Todos nesta categoria
02

Playground

Experimentar Codestral

Chat

Indisponível no momento

Atualmente indisponível.

O playground está desativado. Encontre modelos comparáveis na mesma categoria: Ver alternativas

Experimentar Codestral

Envie uma mensagem. A resposta chega completa assim que o modelo termina (sem streaming).

Prompt do sistema
Comprimento máximo da resposta (tokens)

Esta execução

Sem preço – indisponível no momento.

Novo por aqui?

10 créditos grátis (US$ 0,10) ao se inscrever com Google

Utilizável 24 horas após inscrição, até 5 execuções por dia e no máximo 2 créditos por execução. Outros métodos de login começam sem créditos.

03

Sobre Codestral

ResumoA partir de 23 de setembro de 2026

Codestral é um modelo de Mistral AI na categoria Código. Codestral não está disponível no Railwail no momento. A janela de contexto contém 256.000 tokens, e uma resposta pode ter até 8.192 tokens.

Fundo

Sobre Mistral AI

Fundado em 2023 · Paris, France

Mistral AI was founded in April 2023 in Paris by Arthur Mensch (CEO, former DeepMind), Guillaume Lample and Timothée Lacroix (both former Meta FAIR co-authors of the LLaMA papers). Mistral has built a frontier-scale European LLM lab with a portfolio mixing fully open-weight releases (Mistral 7B, Mixtral 8x7B, Mixtral 8x22B, Mistral Small) and commercial closed-API models (Mistral Large, Mistral Embed, Mistral Saba). The company has raised over €1B from investors including Andreessen Horowitz, General Catalyst, Lightspeed, Salesforce, Nvidia and Microsoft, with a 2024 valuation around €6B. Codestral was released May 2024 as Mistral's first dedicated code model — a 22B dense transformer trained on 80+ programming languages with native fill-in-the-middle support for IDE integrations. A successor, Codestral 25.01, followed in January 2025.

Visite Mistral AI

Arquitetura

Decoder-only Transformer for code (Mistral architecture)

Codestral-22B is a 22B dense decoder-only transformer using Mistral's standard architecture: 56 layers, 6,144 hidden size, 48-head grouped-query attention with 8 KV heads, sliding-window attention (4,096-token window), RoPE positional embeddings with theta=1M (for long-context support), SwiGLU activations and RMSNorm. The tokeniser is the Mistral BPE with 32,768 entries plus added fill-in-the-middle special tokens (`[PREFIX]`, `[SUFFIX]`, `[MIDDLE]`). Training combined a standard left-to-right autoregressive objective with FIM training for IDE-grade code completion. The training corpus covers 80+ programming languages drawn from public code repositories, plus natural-language code documentation pairs and instruction data for the chat / explain capability. Released May 2024 under the Mistral AI Non-Production License (MNPL), which permits open-weights research and evaluation but not commercial production use without a separate license or hosted API access.

Parâmetros
22B (dense)
Contexto
32.000 tokens

Capacidades

  • 22B dense transformer purpose-built for code
  • Native fill-in-the-middle (FIM) for IDE autocomplete
  • Trained on 80+ programming languages
  • 32K context window
  • Competitive with CodeLlama-34B and DeepSeek-Coder-33B at smaller size
  • Strong on mainstream: Python, JS/TS, Java, C/C++, Go, Rust, Bash, SQL, PHP, Swift
  • Open weights available under MNPL (research only)
  • Best for: IDE code completion, code generation, explanation and refactoring across mainstream languages.

Treinamento & licença

Trained on trillions of tokens (exact figure not disclosed) of public code repositories across 80+ programming languages, natural-language code-documentation pairs, and instruction-style code data for chat and explain capabilities. Knowledge cutoff approximately early 2024. Training combined autoregressive and fill-in-the-middle objectives.

Licença: Mistral AI Non-Production License (MNPL). Open weights for research, evaluation and personal use; commercial production requires Mistral commercial license or hosted API access (la Plateforme, AWS Bedrock, Azure AI Studio).

Testes de segurança: Mistral publishes a model card for Codestral. Safety focus is on code-specific risks (malware, vulnerability generation) rather than general consumer-chat alignment.

Limitações conhecidas

  • MNPL blocks commercial production use of open weights
  • Smaller than successor Codestral 25.01 and below DeepSeek-Coder V2 on top benchmarks
  • 32K context shorter than newer code models (DeepSeek-Coder V2: 128K)
  • Weaker on rare languages and DSLs
  • Not as strong on agentic / repo-level reasoning as longer-context code models
  • No multimodal input (no image-of-code understanding)

Artigos de pesquisa

04

Preços

Atualmente indisponível. Não há preço para este modelo no momento, portanto não pode ser executado.

05

API

Chame Codestral com sua chave de API Railwail. Use este ID de modelo na solicitação:
codestralDocumentação da APIObter uma chave de API

Indisponível no momento

O modelo não tem preço verificado ou está desativado; chamadas de API são recusadas.

06

Especificações

ID do modelo
codestral
Desenvolvedor
Mistral AI
Categoria
Código
Entrada
Texto
Saída
Texto
Janela de contexto
256.000 tokens
Saída máx.
8.192 tokens
Tamanho do modelo
22B (dense)
Licença
Mistral AI Non-Production License (MNPL). Open weights for research, evaluation and personal use; commercial production requires Mistral commercial license or hosted API access (la Plateforme, AWS Bedrock, Azure AI Studio).
Entrada do catálogo atualizada
23 de setembro de 2026

Etiquetas

  • coding
  • fast
  • multilanguage
07

Prompts de exemplo

Exemplos do catálogo Railwail. Eles não foram gerados ao vivo nesta página.

  • TypeScript API Handler

    Write a type-safe Express middleware for JWT authentication in TypeScript
    Mostrar resposta de exemplo

    import { Request, Response, NextFunction } from 'express'; import jwt from 'jsonwebtoken'; interface JwtPayload { userId: string; email: string; role: 'admin' | 'user'; } declare global { namespace Express { interface Request { user?: JwtPayload; } } } export const authenticate = ( req: Request, res: Response, next: NextFunction ): void => { const token = req.headers.authorization?.split(' ')[1]; if (!token) { res.status(401).json({ error: 'No token provided' }); return; } try { const decoded = jwt.verify( token, process.env.JWT_SECRET! ) as JwtPayload; req.user = decoded; next(); } catch (err) { res.status(403).json({ error: 'Invalid or expired token' }); } };

  • Rust Error Handling

    Write a Rust function that reads a JSON config file and returns a parsed struct with proper error handling
    Mostrar resposta de exemplo

    use serde::Deserialize; use std::fs; use std::path::Path; use thiserror::Error; #[derive(Debug, Deserialize)] pub struct AppConfig { pub host: String, pub port: u16, pub database_url: String, pub max_connections: Option<u32>, } #[derive(Error, Debug)] pub enum ConfigError { #[error("Failed to read config file: {0}")] IoError(#[from] std::io::Error), #[error("Failed to parse config JSON: {0}")] ParseError(#[from] serde_json::Error), #[error("Config file not found: {0}")] NotFound(String), } pub fn load_config(path: &str) -> Result<AppConfig, ConfigError> { if !Path::new(path).exists() { return Err(ConfigError::NotFound(path.to_string())); } let contents = fs::read_to_string(path)?; let config: AppConfig = serde_json::from_str(&contents)?; Ok(config) } // Usage: // let config = load_config("config.json")?;

08

Casos de uso

Para que é utilizado

  • IDE code completion (continue.dev, JetBrains)
  • Code generation and refactoring
  • Code explanation and review
  • Cross-language code translation
  • Self-hosted developer assistants (research)
  • Production deployments via Mistral hosted API
09

Perguntas frequentes

O que é Codestral?

Codestral é um modelo de Mistral AI na categoria Código. Está listado no Railwail, mas não pode ser executado no momento.

Quanto custa Codestral no Railwail?

Codestral não pode ser executado no Railwail no momento, portanto não há preço atual. Alternativas disponíveis com preços estão listadas mais abaixo nesta página.

Qual é a janela de contexto de Codestral?

A janela de contexto de Codestral contém 256.000 tokens. Uma resposta pode ter até 8.192 tokens.

Qual é a velocidade de Codestral?

Ainda não há execuções medidas suficientes de Codestral no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.

Codestral é melhor que Code Llama 13B Instruct?

Depende da tarefa. Codestral (Mistral AI) e Code Llama 13B Instruct (Meta) são ambos modelos na categoria Código. A página de comparação mostra seus preços e especificações lado a lado.

Comparar Codestral e Code Llama 13B Instruct

Posso usar Codestral agora?

Atualmente indisponível. A página permanece online; alternativas disponíveis da mesma categoria estão listadas mais abaixo.

Todos os modelos através de uma API

Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.

Obter chave APIExplorar todos os modelos