Codestral 2508
Red Neuronal
Codestral 2508 para código de Mistral: baja latencia, autocompletado en medio del archivo, corrección de errores y generación de pruebas.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Codestral 2508?
Codestral 2508 es un modelo de lenguaje de Mistral, lanzado a finales de julio de 2025 y optimizado para trabajar con código. Su perfil son tareas de baja latencia y alta frecuencia: autocompletado de código en medio del archivo (fill-in-the-middle), corrección de errores en fragmentos existentes y generación de pruebas, es decir, todo lo que se repite en el editor decenas de veces por hora. En BotHub, Codestral está disponible sin VPN ni tarjetas extranjeras; el pago se realiza con tarjetas rusas en rublos según el uso de tokens, y los tokens no utilizados no caducan. La conexión al editor o CI se realiza a través de la API unificada de BotHub: puede cambiar el proyecto a otro modelo sin reescribir la integración, ya que más de 250 modelos están reunidos en una sola ventana. La comunicación se cifra mediante AES-GCM y el contenido de las solicitudes no se guarda, lo cual es importante cuando el código fuente privado entra en el prompt. Es útil si está ajustando el autocompletado directamente en el IDE, corrigiendo errores mediante trazas de pila, cubriendo un módulo con pruebas unitarias, adaptando código antiguo al estilo del equipo o creando un asistente interno para desarrolladores.Preguntas frecuentes sobre Codestral 2508
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de Mistral orientado al trabajo con código: escritura de funciones, refactorización, explicación de fragmentos desconocidos, búsqueda de errores y sugerencias de autocompletado. El contexto de 256 000 tokens permite cargar archivos grandes y documentación completa, y el modo batch es conveniente para el procesamiento por lotes de tareas.
El límite de salida es de 204 800 tokens por respuesta. Esto es suficiente para generar un módulo completo, reescribir un archivo grande con pruebas o proporcionar un análisis detallado del código sin dividir la tarea en múltiples solicitudes separadas.
No se indica un modo separado de razonamiento paso a paso en nuestros datos, por lo que no podemos prometerlo. En la práctica, ayuda formular la solicitud paso a paso y pedirle al modelo que primero describa un plan de solución y luego proporcione el código. Para cadenas de razonamiento complejas, es fácil cambiar a otro modelo en BotHub.
Sí, el modelo admite function calling y salida estructurada en JSON. Esto permite conectarlo a herramientas externas, bases de datos y servicios propios, obtener un formato de respuesta predecible e integrar el modelo en escenarios de agentes a través de la API de BotHub compatible con OpenAI.
Además de texto, el modelo acepta documentos, incluso en formato nativo, lo cual es útil para analizar especificaciones, términos de referencia y volcados de código. No se admite la entrada de imágenes, audio o video; para ellos, BotHub tiene modelos multimodales separados en la misma ventana.
Codestral fue creado principalmente para lenguajes de programación y trabajo con código. No hay información en nuestros datos sobre los idiomas de los prompts y las respuestas, por lo que es más seguro probar el modelo con sus propias tareas: en BotHub puede hacerlo sin VPN ni tarjetas extranjeras, pagando en rublos.