/ Модель

Характеристики

Размер весов
14,6 ГБ
Лицензия
Apache 2.0
Библиотека
vllm
Опубликована
16 июл 2024

Mamba-Codestral-7B-v0.1

Языковая модель8 профессий

Открытая модель Mistral AI на архитектуре Mamba2 для генерации и дополнения программного кода.

18 749скачиваний за 30 дней622лайкавеса обновлены24 июл 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mamba-Codestral-7B-v0.1 — открытая модель для генерации кода, разработанная командой Mistral AI. Она построена на архитектуре Mamba2 и предназначена для написания и дополнения программного кода в диалоговом и других сценариях генерации. В карточке модель сравнивается с кодовыми моделями Transformer сопоставимого размера на стандартных бенчмарках.

Репозиторий содержит веса в формате safetensors, а для запуска рекомендуется библиотека mistral-inference; в метаданных также указана поддержка vLLM. Модель распространяется по лицензии Apache-2.0. Подтверждены возможности работы с кодом, но список поддерживаемых языков программирования и длина контекста в предоставленных данных не приведены.

Сценарии применения

  • генерация функций и фрагментов кода по описанию
  • автодополнение программного кода
  • создание скриптов на Bash
  • подготовка примеров кода для разных языков программирования

Ограничения

Предоставленные материалы не перечисляют поддерживаемые языки программирования и длину контекста. Результаты бенчмарков сами по себе не гарантируют корректность сгенерированного кода в конкретной задаче.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Mamba-Codestral-7B-v0.1

Codestral Mamba is an open code model based on the Mamba2 architecture. It performs on par with state-of-the-art Transformer-based code models.
You can read more in the official blog post.

Installation

It is recommended to use mistralai/Mamba-Codestral-7B-v0.1 with mistral-inference

pip install mistral_inference>=1 mamba-ssm causal-conv1d

or directly with the original mamba package:

pip install mamba_ssm causal-conv1d

Download

from huggingface_hub import snapshot_download
from pathlib import Path

mistral_models_path = Path.home().joinpath('mistral_models', 'Mamba-Codestral-7B-v0.1')
mistral_models_path.mkdir(parents=True, exist_ok=True)

snapshot_download(repo_id="mistralai/Mamba-Codestral-7B-v0.1", allow_patterns=["params.json", "consolidated.safetensors", "tokenizer.model.v3"], local_dir=mistral_models_path)

Chat

After installing mistral_inference, a mistral-demo CLI command should be available in your environment.

mistral-chat $HOME/mistral_models/Mamba-Codestral-7B-v0.1 --instruct  --max_tokens 256

Evaluation

We evaluate Codestral Mamba, Codestral and open-weight models of similar size on industry-standard benchmarks.

BenchmarksHumanEvalMBPPSpiderCruxEHumanEval C++HumanEvalJavaHumanEvalJSHumanEval Bash
CodeGemma 1.1 7B61.0%67.7%46.3%50.4%49.1%41.8%52.2%9.4%
CodeLlama 7B31.1%48.2%29.3%50.1%31.7%29.7%31.7%11.4%
DeepSeek v1.5 7B65.9%70.8%61.2%55.5%59.0%62.7%60.9%33.5%
Codestral Mamba (7B)75.0%68.5%58.8%57.8%59.8%57.0%61.5%31.1%
Codestral (22B)81.1%%78.2%%63.5%%51.3%65.2%63.3%-42.4%
CodeLlama 34B43.3%75.1%50.8%55.2%51.6%57.0%59.0%29.7%

The Mistral AI Team

Albert Jiang, Alexandre Sablayrolles, Alexis Tacnet, Alok Kothari, Antoine Roux, Arthur Mensch, Audrey Herblin-Stoop, Augustin Garreau, Austin Birky, Bam4d, Baptiste Bout, Baudouin de Monicault, Blanche Savary, Carole Rambaud, Caroline Feldman, Devendra Singh Chaplot, Diego de las Casas, Eleonore Arcelin, Emma Bou Hanna, Etienne Metzger, Gaspard Blanchet, Gianna Lengyel, Guillaume Bour, Guillaume Lample, Harizo Rajaona, Henri Roussez, Hichem Sattouf, Ian Mack, Jean-Malo Delignon, Jessica Chudnovsky, Justus Murke, Kartik Khandelwal, Lawrence Stewart, Louis Martin, Louis Ternon, Lucile Saulnier, Lélio Renard Lavaud, Margaret Jennings, Marie Pellat, Marie Torelli, Marie-Anne Lachaux, Marjorie Janiewicz, Mickaël Seznec, Nicolas Schuhl, Niklas Muhs, Olivier de Garrigues, Patrick von Platen, Paul Jacob, Pauline Buche, Pavan Kumar Reddy, Perry Savas, Pierre Stock, Romain Sauvestre, Sagar Vaze, Sandeep Subramanian, Saurabh Garg, Sophia Yang, Szymon Antoniak, Teven Le Scao, Thibault Schueller, Thibaut Lavril, Thomas Wang, Théophile Gervet, Timothée Lacroix, Valera Nemychnikova, Wendy Shang, William El Sayed, William Marshall

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · vllm

Нельзя запустить

У модели не указана задача.

Ревизия весов
4f086c0

0 моделей