Mistral выпустила Devstral 2: мощные модели кодирования, которые работают на вашем ноутбуке

Французский стартап Mistral пережил сложный период публичных сомнений за последний год и вот, в декабре 2025, вернулся с новыми моделями, которые нравятся как корпоративным разработчикам, так и индивидуальным программистам. Интересно, правда?

Всего несколько дней назад компания выпустила мощное семейство открытых моделей Mistral 3 для граничных устройств и локального оборудования, а теперь представила Devstral 2. И это не просто обновление. Это попытка переписать правила игры в сегменте кодирования.

Релиз включает две новые модели, оптимизированные для задач разработки ПО — и снова, одна из них достаточно компактна, чтобы запускаться на одном ноутбуке офлайн и приватно. Плюс Mistral Vibe — командный интерфейс (CLI), созданный так, чтобы разработчики могли вызывать модели прямо из терминала.

Модели быстрые, легкие и открытые. По крайней мере, в теории. Но реальная история лежит не в бенчмарках, а в том, как Mistral всё это упаковывает: одна модель совершенно бесплатная, другая — условно, и терминальный интерфейс, который масштабируется с любой из них.

Это попытка не просто сравняться с закрытыми системами типа Claude и GPT-4 по производительности, но переиграть их в удобстве для разработчиков — и всё это, держась за флаг открытого кода.

Обе модели уже доступны бесплатно, но пока только на ограниченный период через Mistral API и Hugging Face.

Модель для кодирования, которая действительно работает

На первом плане стоит Devstral 2 — это 123-миллиардная параметров плотная трансформерная архитектура с окном контекста в 256K токенов, специально разработанная для агентивной разработки ПО. Можете себе представить, что это значит? Модель понимает огромные куски кода.

Mistral заявляет, что модель достигает 72.2% на SWE-bench Verified — это бенчмарк для оценки долгоконтекстных задач разработки в реальных репозиториях.

Младший брат, Devstral Small 2, весит 24 миллиарда параметров, имеет то же длинное окно контекста и показывает 68.0% на SWE-bench. И вот что поражает: это самая мощная открытая модель своего размера. Она даже превосходит множество конкурентов класса 70B.

Но история производительности — это не только про проценты. Mistral ставит на то, что эффективный интеллект лучше, чем просто масштаб. И они явно гордятся тем, что Devstral 2:

• в 5 раз меньше, чем DeepSeek V3.2

• в 8 раз меньше, чем Kimi K2

• и при этом сопоставима или даже превосходит их в ключевых бенчмарках рассуждений о коде

Оценки человеческих экспертов это подтверждают. При прямом сравнении:

• Devstral 2 победила DeepSeek V3.2 в 42.8% задач, проиграв только в 28.6%

• Против Claude Sonnet 4.5 результаты хуже (проиграла в 53.1%) — напоминание о том, что хотя разрыв сужается, закрытые модели всё ещё впереди в целом

Но для открытой модели — это действительно передовой результат среди того, что можно запустить и модифицировать независимо.

Vibe CLI: агент, который живёт в терминале

Рядом с моделями Mistral выпустила Vibe CLI — командный помощник, который интегрируется прямо с Devstral. Это не плагин для IDE и не объяснитель кода в стиле ChatGPT. Это встроенный интерфейс для понимания и организации кода на уровне всего проекта, созданный жить внутри вашего реального рабочего процесса.

Vibe приносит удивительный уровень интеллекта в терминал:

• читает структуру файлов и Git статус, чтобы понять масштаб проекта

• позволяет ссылаться на файлы через @, запускать команды оболочки через !, менять поведение через слэш-команды

• координирует изменения между несколькими файлами, отслеживает зависимости, повторяет неудачные выполнения, и может даже рефакторить на уровне архитектуры

В отличие от большинства агентов для разработчиков, которые имитируют REPL из чата, Vibe начинает с оболочки и подтягивает интеллект оттуда. Это программируемо, скриптируемо и кастомизируемо. И всё это под лицензией Apache 2.0 — то есть действительно бесплатно. Для коммерческих проектов, внутренних инструментов или расширений с открытым кодом.

Лицензионная структура: открыто… но с оговорками

На первый взгляд подход Mistral выглядит просто: модели открытые и публично доступные. Но когда копаешь глубже, видишь линию, пущенную прямо через середину релиза с разными правилами для разных пользователей.

Devstral Small 2, вариант с 24 миллиардами параметров, имеет стандартную лицензию Apache 2.0 — это золотой стандарт открытого кода. Никаких ограничений на доход, никакого мелкого шрифта, не нужно проверяться с юристами. Компании могут использовать это в production, встраивать в продукты, распространять дотюненные версии без разрешения.

Devstral 2, флагманская модель на 123 миллиарда, выпущена под тем, что Mistral называет «модифицированной лицензией MIT». Звучит невинно, но модификация вводит критическое ограничение: компания с ежемесячным доходом больше 20 миллионов долларов не может использовать эту модель вообще — ни внутри, ни снаружи — без отдельной коммерческой лицензии от Mistral.

«Вы не авторизованы пользоваться какими-либо правами по этой лицензии, если глобальный консолидированный ежемесячный доход вашей компании превышает 20 миллионов долларов», — говорится в лицензии.

Это касается не только базовой модели, но и производных, дотюненных версий и переупакованных вариантов, неважно, кто их хостит. По сути, веса «открыты», но их использование закрыто для крупных предприятий — если они не готовы поговорить с командой Mistral или использовать API с тарифицируемым доступом.

По аналогии: Apache 2.0 — это публичная библиотека, входишь, берёшь книгу, используешь как нужно. Модифицированная MIT от Mistral — это скорее коворкинг для корпораций, бесплатный для фрилансеров, но платный, когда компания раскрывает крылья.

Devstral Small 2 для корпоративного использования: подойдёт ли?

Это разделение вызывает очевидный вопрос для крупных компаний: может ли Devstral Small 2 с её более мягкой Apache 2.0 лицензией стать жизнеспособной альтернативой для средних и крупных предприятий?

Ответ зависит от контекста. Devstral Small 2 показывает 68.0% на SWE-bench, что значительно впереди многих других открытых моделей, и может работать на одном GPU или даже на CPU. Для команд, сосредоточенных на:

• внутренних инструментах

• развёртывании на собственных серверах

• низколатентном граничном inference

…она предлагает редкую комбинацию легальности, производительности и удобства.

Но разрыв от Devstral 2 реален. Для многоагентных систем, глубокого рефакторинга крупных монорепозиториев или долгоконтекстного анализа кода, разница в 4 пункта в бенчмарке может не отражать всей разницы в опыте использования.

Для большинства предприятий Devstral Small 2 будет либо низкофрикционным способом прототипирования, либо прагматичным мостиком на время, пока использование Devstral 2 не станет возможным. Это не замена на месте для флагмана, но может быть «достаточно хорошо» в отдельных production срезах, особенно в паре с Vibe CLI.

Но вот что действительно важно: Devstral Small 2 может работать полностью офлайн — включая на одном GPU машине или ноутбуке с достаточной мощностью. Это разблокирует критический вариант использования для разработчиков и команд в жёстко контролируемых окружениях.

Работаешь ли ты соло, создавая инструменты в дороге, или ты часть компании со строгими политиками защиты данных — возможность запустить производительную модель с длинным контекстом без интернета — это мощный бонус. Никаких облачных вызовов, никаких сторонних телеметрий, нулевой риск утечки данных. Просто локальный inference с полной видимостью и контролем.

Это особенно важно в финансах, здравоохранении, обороне и передовом производстве, где данные часто не могут покидать периметр сети. Но это же полезно для разработчиков, которые предпочитают независимость блокировке у вендора — или хотят, чтобы их инструменты работали одинаково в самолёте, в полевых условиях или внутри закрытой лаборатории. На рынке, где большинство топовых кодирующих моделей поставляются как API-only SaaS продукты, Devstral Small 2 предлагает редкий уровень портативности, приватности и владения.

В этом смысле Mistral предлагает не просто открытые модели — они предлагают множество путей адаптации в зависимости от вашего масштаба, compliance позиции и готовности к сотрудничеству.

Интеграция, инфраструктура, доступ

Технически модели Mistral построены для развёртывания. Devstral 2 требует минимум 4 GPU класса H100, и уже доступна на build.nvidia.com.

Devstral Small 2 может работать на одном GPU или даже CPU, вроде тех, что в стандартном ноутбуке. Это открывает двери для соло разработчиков и встроенных команд.

Обе модели поддерживают квантизированные веса FP4 и FP8 и совместимы с vLLM для масштабируемого inference. Fine-tuning поддерживается из коробки.

API pricing — после бесплатного периода — следует токен-ориентированной модели:

• Devstral 2: $0.40 за миллион входных токенов / $2.00 за выходные

• Devstral Small 2: $0.10 входные / $0.30 выходные

Это ниже, чем у OpenAI’s GPT-4 Turbo, и намного ниже, чем у Claude Sonnet при сопоставимой производительности.

Реакция разработчиков: энтузиазм на уровне земли

На X (бывший Twitter) разработчики быстро ответили волной позитива. Глава Product у Hugging Face Victor Mustar спросил, является ли маленький, Apache 2.0 лицензированный вариант новым «локальным королём кодирования» — тем, что разработчики могут запустить на ноутбуке напрямую и приватно, без интернета:

Популярный AI-новостной аккаунт TestingCatalogNews постил, что это «SOTTA в кодировании», то есть «State Of The Tiny Art».

Другой пользователь, @xlr8harder, высказал критику по поводу пользовательской лицензии для Devstral 2, написав, что «называть лицензию Devstral 2 ‘модифицированной MIT’ вводит в заблуждение в лучшем случае. Это proprietary лицензия с требованиями атрибуции MIT».

Хотя тон был критичным, это отражало внимание, которое лицензионная структура Mistral привлекала, особенно среди разработчиков, знакомых с нормами открытого использования.

Стратегический контекст: от Codestral к Devstral и Mistral 3

Постоянное продвижение Mistral в инструменты разработки ПО началось не с Devstral 2 — это началось в май 2024 с Codestral, первой кодовой модели компании. Это система на 22 миллиарда параметров, обученная на более чем 80 языках программирования, предназначенная для использования в средах разработчиков от базовых автодополнений до полной генерации функций. Модель запустилась под некоммерческой лицензией и всё равно превосходила тяжеловесы вроде CodeLlama 70B и Deepseek Coder 33B в ранних бенчмарках типа HumanEval и RepoBench.

Relеаз Codestral обозначил первый ход Mistral на конкурентный рынок кодовых моделей, но установил теперь уже знакомый паттерн: технически лёгкие модели с удивительно сильными результатами, широкое окно контекста и лицензионные выборы, которые приглашают разработчиков к экспериментам. Партнёры индустрии вроде JetBrains, LlamaIndex и LangChain быстро начали интегрировать модель в свои потоки работ, называя скорость и совместимость с инструментами ключевыми дифференциаторами.

Год спустя компания последовала Devstral — моделью на 24B, созданной для «агентивного» поведения — обработка долгоранговых рассуждений, навигация по файлам и автономная модификация кода. Выпущенная в партнёрстве с All Hands AI и лицензированная под Apache 2.0, Devstral отличалась не просто портативностью (работала на MacBook или RTX 4090), но производительностью: побила несколько закрытых моделей на SWE-Bench Verified, бенчмарке 500 реальных GitHub issues.

Потом пришла Mistral 3, объявленная в декабре 2025 как портфель 10 открытых моделей, нацеленные на всё: от дронов и смартфонов до облачной инфраструктуры. Этот набор включал как высокопроизводительные модели типа Mistral Large 3 (MoE система с 41 активным параметром и 256K контекстом), так и лёгкие «Ministral» варианты, которые могли работать на 4GB видеопамяти. Все под Apache 2.0, укрепляя приверженность Mistral гибкому, граничному развёртыванию.

Mistral 3 позиционировала компанию не как прямого конкурента передовым моделям типа GPT-5 или Gemini 3, но как платформу разработчиков для кастомизированных, локализованных AI систем. Сооснователь Guillaume Lample описывал видение как «распределённый интеллект» — множество меньших систем, настроенных на спецзадачи и работающих вне централизованной инфраструктуры. «В более чем 90% случаев маленькая модель справится», — сказал он VentureBeat. «Не обязательно нужна модель с сотнями миллиардов параметров».

Эта более широкая стратегия объясняет значимость Devstral 2. Это не просто разовый релиз, а продолжение давней приверженности Mistral к кодовым агентам, локально-ориентированному развёртыванию и открытой доступности — экосистеме, которая началась с Codestral, созрела через Devstral и масштабировалась с Mistral 3. Devstral 2 в этом смысле — не просто модель. Это следующая версия плейбука, который разворачивается публично уже больше года.

Финальные мысли: вилка в дороге

С Devstral 2, Devstral Small 2 и Vibe CLI Mistral AI нарисовала чёткую карту для разработчиков и компаний. Инструменты быстрые, способные и тщательно интегрированные. Но они также предлагают выбор — не только в архитектуре, но в том, как и где вы имеете право их использовать.

Если ты индивидуальный разработчик, стартап или мейнтейнер открытого кода — это одна из самых мощных AI систем, которую ты можешь бесплатно запустить сегодня.

Если ты инженерный лидер в Fortune 500 — нужно либо поговорить с Mistral, либо довольствоваться меньшей моделью и заставлять её работать.

На рынке, всё больше доминируемом чёрными ящиками моделей и SaaS lock-ins, предложение Mistral всё ещё глоток свежего воздуха. Просто внимательнее читай мелкий шрифт, прежде чем начинать строить.

Новые модели кодирования, локальное развёртывание и выбор между открытостью и ограничениями — это главные тренды в AI для разработчиков прямо сейчас.

🔔 Чтобы узнать больше о моделях кодирования, открытом ПО и новостях мира AI, подпишись на мой канал «ProAI» в Telegram!