访问官网
Github
Huggingface项目介绍：Codestral-22B-v0.1
Codestral-22B-v0.1 是一款强大的语言模型，专门针对程序代码而设计。它通过学习超过80种编程语言的数据，包括Python、Java、C、C++、JavaScript和Bash等热门语言，能够帮助开发者解决各类编程问题。
功能特色
Codestral-22B-v0.1 具备以下主要功能：
-
代码解耦与生成：用户可以向模型询问代码片段相关问题，比如撰写文档、解释代码或者将一些代码转换为更可读的形式，并且按照用户提供的特定指示生成新代码。
-
填空功能（FIM）：该模型能够在给出的前缀和后缀之间预测中间的代码片段。这在使用像VS Code这样的软件开发工具进行代码补全时，非常有用。
安装与下载
要使用 Codestral-22B-v0.1，推荐通过 mistral-inference 库来访问模型。
安装命令：
pip install mistral_inference
同时，可以通过 Hugging Face Hub 下载模型：
from huggingface_hub import snapshot_download
from pathlib import Path
mistral_models_path = Path.home().joinpath('mistral_models', 'Codestral-22B-v0.1')
mistral_models_path.mkdir(parents=True, exist_ok=True)
snapshot_download(repo_id="mistralai/Codestral-22B-v0.1", allow_patterns=["params.json", "consolidated.safetensors", "tokenizer.model.v3"], local_dir=mistral_models_path)
使用指南
代码演示提供了两种交互方式：
-
聊天模式：“mistral-chat”命令通过命令行界面运行，可以回答诸如“用Rust写一个计算斐波那契数列的函数”这样的请求。
-
填空模式（FIM）：使用“mistral_inference”库提供的API接口，通过提供代码的前缀和后缀，例如
def add(和return sum，生成完整的代码片段。
集成与扩展
Codestral-22B-v0.1 兼容transformers库。例如，可以通过以下代码轻松集成使用：
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "mistralai/Codestral-22B-v0.1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)
text = "Hello my name is"
inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=20)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
限制
当前版本的 Codestral-22B-v0.1 并未实施内容审核机制。我们期待与社区共同探索如何在需要审核输出的场景中应用模型，并确保模型输出能符合相关的安全与质量标准。
授权许可
Codestral-22B-v0.1 使用 MNPL-0.1 许可证发布，详细内容可以通过许可证链接进行查看。
开发团队
Mistral AI 团队由一群富有经验的开发者和研究者组成，他们共同为Codestral-22B-v0.1的开发和完善做出了重要贡献。团队成员包括但不限于Albert Jiang, Alexandre Sablayrolles, Alexis Tacnet等。
