Railwail
Пријава

Codestral

КодНедоступно
од Mistral AIID модела: codestral

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

Погледај алтернативеУпореди
Статус
Недоступно
Контекст
256.000 токена
Макс. излаз
8.192 токена
Унос → излаз
Текст → Текст
Програмер
Mistral AI
Ажурирано
23. септембар 2026.

Codestral је тренутно недоступан

Можеш и даље читати детаље на овој страници. Изабери једну од доступних алтернатива испод да одмах покренеш упоредив модел.

Иди на алтернативе
01

Упоредиви модели

Сви у овој категорији
02

Плејграунд

Пробајте Codestral

Разговор

Тренутно недоступно

Тренутно недоступно.

Playground је онемогућен. Упоредиве моделе можете пронаћи у истој категорији: Погледајте алтернативе

Пробајте Codestral

Пошаљи поруку. Одговор стиже у целости када је модел готов (без стриминга).

Системски промпт
Макс. дужина одговора (токени)

Овај покрет

Без цене – тренутно недоступно.

Нов си овде?

10 бесплатних кредита (0,10 US$) када се пријавиш са Google

Употребљиво 24 сати после пријаве, до 5 покрета дневно и највише 2 кредита по покрету. Други начини пријаве почињу без кредита.

03

О Codestral

УкраткоСтање: 23. септембар 2026.

Codestral је модел од Mistral AI из категорије Код. Codestral тренутно није доступан на Railwail-у. Контекстни прозор садржи 256.000 токена, а један одговор може бити дугачак до 8.192 токена.

Позадина

О Mistral AI

Основано 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.

Посетите Mistral AI

Архитектура

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.

Параметри
22B (dense)
Контекст
32.000 токена

Могућности

  • 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.

Обука и лиценца

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.

Лиценца: 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).

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

Позната ограничења

  • 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)

Научни радови

04

Цене

Тренутно недоступно. За овај модел тренутно нема цене, па се не може покренути.

05

API

Позови Codestral са твојим Railwail API кључем. Користи овај ID модела у захтеву:
codestralПогледај API документацијуУзми API кључ

Тренутно недоступно

Модел нема верификовану цену или је деактивиран; API позиви су одбијени.

06

Спецификације

ID модела
codestral
Програмер
Mistral AI
Категорија
Код
Унос
Текст
Излаз
Текст
Контекстни прозор
256.000 токена
Макс. излаз
8.192 токена
Величина модела
22B (dense)
Лиценца
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).
Унос у каталог ажуриран
23. септембар 2026.

Ознаке

  • coding
  • fast
  • multilanguage
07

Примери промпта

Примери из Railwail каталога. Нису генерисани уживо на овој страници.

  • TypeScript API Handler

    Write a type-safe Express middleware for JWT authentication in TypeScript
    Прикажи пример одговора

    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
    Прикажи пример одговора

    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

Области примене

За шта се користи

  • 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

Често постављана питања

Шта је Codestral?

Codestral је модел од Mistral AI у категорији Код. Наведен је на Railwail-у, али се тренутно не може покренути.

Колико кошта Codestral на Railwail-у?

Codestral се тренутно не може покренути на Railwail-у, па нема тренутне цене. Доступне алтернативе са ценама су наведене даље на овој страници.

Колики је контекстни прозор од Codestral?

Контекстни прозор од Codestral садржи 256.000 токена. Један одговор може бити дугачак до 8.192 токена.

Колико је брз Codestral?

За Codestral на Railwail-у још нема довољно измерених покретања да би се наводило време извршавања. Зависи од уноса, поставки и оптерећења код пружаоца услуге.

Да ли је Codestral бољи од Code Llama 13B Instruct?

То зависи од задатка. Codestral (Mistral AI) и Code Llama 13B Instruct (Meta) су оба модела у категорији Код. Страница за поређење приказује њихове цене и спецификације упоредо.

Упоредите Codestral и Code Llama 13B Instruct

Могу ли да користим Codestral управо сада?

Тренутно недоступно. Страница остаје активна; доступне алтернативе из исте категорије су наведене даље.

Сви модели преко једног API-ја

Један API кључ за сваки модел на Railwail. Употреба се наплаћује из унапред припремљених кредита, 1 кредит = 0,01 US$.

Узми API кључПрегледај све моделе