Déploiement de Codestral 22B sur votre infrastructure, stack d'agents live, grade production en 14 jours

Codestral 22B est le modèle vers lequel les utilisateurs de Cursor et Continue reviennent sans cesse pour la complétion par tabulation. 22 milliards de paramètres, 80+ langages de programmation, contexte 32K, et entraînement natif au fill-in-the-middle qui atteint 95.3 % de FIM pass@1 moyen sur Python, Java et JavaScript, le score fill-in-the-middle le plus élevé de tout modèle open ou fermé.

  • Bascule en production en 14 jours
  • Stack d'agents de code + recherche incluse
  • 22.2B dense Paramètres
  • 32K tokens Fenêtre de contexte
  • 14 j Bascule en production

Codestral 22B en un coup d'œil

Les specs qui comptent pour choisir le modèle et le matériel.

Paramètres

22.2B (dense)

Fenêtre de contexte

32K tokens

Architecture

Transformer decoder-only dense avec FIM natif

Langages supportés

80+ (Python, Java, C, C++, JavaScript, TypeScript, Rust, Go, etc.)

FIM pass@1

95.3 % (benchmark top open/fermé)

Licence

Mistral Non-Production License (MNPL-0.1), commercial requiert accord séparé

VRAM BF16

~44GB

VRAM Q4_K_M

~13GB

Date de sortie

2024-05-29

Variante plus récente

Codestral 25.01 (janvier 2025) avec contexte 256K

Matériel qui fait tourner Codestral 22B en production

Trois tiers, des SKU réels, des chiffres de débit réels.

  1. Tier entrée : RTX 4090 24GB ou RTX 3090 24GB en Q4_K_M

    Débit : 60 à 100 tok/s, premier token sous 200ms. Idéal pour : autocomplétion IDE développeur solo (usage recherche/personnel uniquement sous MNPL).

  2. Tier intermédiaire : 1x A6000 48GB en BF16 ou 1x H100 80GB

    Débit : 120 à 250 tok/s flux unique, 800+ tok/s en batch. Idéal pour : Copilot interne pour une équipe (nécessite la licence commerciale Mistral) ou auto-hébergement en labo de recherche.

  3. Tier entreprise : licence commerciale Mistral + 2x H100 avec vLLM, ou API managée Mistral

    Débit : 1500+ tok/s en batch. Idéal pour : produits IDE en production, outils développeurs multi-tenant (nécessite licence commerciale négociée).

Choix de quantification pour ce modèle

GGUF, AWQ, FP8, INT4.

Quantification recommandée

Q4_K_M pour le déploiement IDE mono-GPU. BF16 si vous avez 48GB+ et que la qualité FIM à pleine fidélité compte.

Compromis

Le FIM est plus sensible à la quantification que le chat. Q4_K_M perd 2 à 4 points sur FIM pass@1 par rapport à BF16. Pour l'UX d'autocomplétion, le gain de vitesse compense généralement la baisse de qualité. Q5_K_M est le juste milieu sûr.

BF16

Taille du fichier : non définie.

Q8_0

Taille du fichier : non définie.

Q5_K_M

Taille du fichier : non définie.

Q4_K_M

Taille du fichier : non définie.

Agents de code que nous connectons à Codestral 22B

Codestral 22B est le modèle de coding de Mistral et le point de douceur mono-GPU pour le travail IDE piloté par FIM, moins convaincant pour les refactorisations agentiques complexes.

Aider

Fonctionne pour les boucles itératives rapides sur des bases de code petites à moyennes. Aider Polyglot autour de 38 à 45 % sur Codestral 22B (vérifier sur le leaderboard). Plus faible que Qwen2.5 Coder 32B et DeepSeek Coder V2 sur les refactorisations difficiles. Meilleur fit : épingler un seul fichier et itérer.

Continue.dev

Support natif de première classe. Continue documente Codestral comme modèle d'autocomplétion recommandé via l'API Mistral. Le mode FIM plus le mode instruction dans un seul modèle signifient une config plus simple que les configurations concurrentes à deux modèles. Continue plus Codestral était le pair d'autocomplétion local canonique avant que Qwen2.5 Coder le rattrape sur le chat. Pointez tabAutocompleteModel sur l'endpoint FIM et vous tournez entièrement hors ligne.

Tabby

Intégration Codestral native via ~/.tabby/config.toml. Auto-hébergé ou API cloud. Le support FIM-plus-instruction en un seul modèle signifie des ops plus simples que de faire tourner deux modèles. Bon fit pour les assistants IDE entreprise auto-hébergés où le log d'audit de Tabby répond aux exigences de conformité.

Cody (Sourcegraph)

Cody supporte Codestral comme modèle personnalisé via l'API Mistral. Le combo contexte-repo plus Codestral fonctionne bien pour les bases de code indexées par Sourcegraph. Note de licence : Cody entreprise plus Codestral auto-hébergé nécessite la licence commerciale Mistral.

Cursor (BYOK)

Cursor n'a pas de support Codestral natif. Viable via le plugin Continue à l'intérieur de Cursor ou un proxy compatible OpenAI personnalisé. Le modèle propriétaire de Cursor est plus rapide, Codestral gagne uniquement sur les patterns de complétion à forte composante FIM.

Cline

Fonctionnel via l'API Mistral. Le contexte 32K gère le prompt système verbeux de Cline avec marge. Plus faible que DeepSeek Coder V2 sur les tâches de coding autonome multi-étapes, Codestral est construit pour l'itération pas l'autonomie.

Cas d'usage des agents de code

Où ce modèle plus la stack d'agents produit du travail concret.

Agents de recherche que nous déployons sur Codestral 22B

Pas le bon choix.

Continue.dev plus recherche-repo

Utilisez Codestral pour les sous-tâches de recherche de code dans un chat Continue qui tire le contexte du dépôt. La synthèse en prose pure échoue. Acceptable pour la recherche technique dans une base de code.

Tabby plus RAG docs internes

Le RAG entreprise de Tabby sur des docs API et du code internes peut utiliser Codestral pour l'étape de synthèse. Fit de niche, nécessite que le corpus de docs soit fortement orienté code.

Nœuds LangGraph de recherche-code

Utilisez Codestral uniquement pour le sous-graphe d'analyse de code dans un agent mixte. Routez les nœuds de synthèse et d'écriture vers Mistral Large 3 ou Llama 3.3 70B.

Extraction de code typée Pydantic AI

Très bon fit pour les agents d'extraction de code étroits. Lecture de fichiers sources, émission de schémas Pydantic typés. Codestral gère la sortie structurée de façon fiable à 32K de contexte.

LlamaIndex code-search

Récupération de dépôts GitHub et Q&R sur du code. Codestral plus LlamaIndex est viable pour la recherche technique uniquement, plus faible que DeepSeek Coder V2 sur la même tâche.

Cas d'usage des agents de recherche

Où ce modèle plus la stack d'agents de recherche produit des rapports que votre équipe utilise vraiment.

Frameworks que nous livrons pour les workflows d'agents en production

Choisissez le framework selon la forme du workflow.

Qui choisit Codestral 22B

Trois profils d'acheteurs pour lesquels ce modèle est la bonne réponse.

  1. Chercheur ou utilisateur IDE personnel

    Tâche : Autocomplétion FIM locale dans VS Code via Continue.dev ou Tabby. Résultat : Suggestions inline de meilleure classe sur un GPU 24GB, entièrement hors ligne, sous les termes MNPL autorisés pour la recherche

  2. Entreprise avec licence commerciale Mistral

    Tâche : Remplacement auto-hébergé de Copilot pour une org d'ingénierie avec licence de poids négociée. Résultat : Combiner Codestral pour FIM avec Mistral Large 2 ou Mixtral pour le chat, le tout sous un accord Mistral unique

  3. Client de l'API Mistral

    Tâche : Construire un produit de coding sur l'endpoint Codestral hébergé de Mistral avec droits d'usage commercial. Résultat : Passer outre la licence des poids entièrement, obtenir Codestral 25.01 avec contexte 256K et mise à l'échelle managée

Ce que les clients ont dit après le lancement

Les retours des personnes qui étaient dans la pièce quand les décisions ont été prises.

I used to spend every Sunday reconciling contractor invoices. Now they match automatically. I got my weekends back.
Karen, Property ManagerDenver
We didn't rush. We just stopped wasting time on things that didn't matter. The risk was managed, not ignored.
Kwame, Digital DirectorSingapore
Three drivers called out on the same morning. The system reassigned every route before I finished my coffee. That used to take two hours of phone calls.
James, Fleet ManagerDallas

Codestral 22B vs les concurrents les plus proches

Où ce modèle gagne, où il perd.

vs Qwen2.5-Coder 32B

Qwen est Apache 2.0 (aucun problème de licence), plus grand (32B), et gagne sur HumanEval (92.7 vs 81.1) et MBPP (90.2 vs 78.2) ainsi que sur le raisonnement chat. Codestral gagne sur le FIM pass@1 moyen (95.3 sur Python, Java, JavaScript), la vitesse d'inférence à 22B dense, et le saut de contexte de 32K à 256K sur la variante 25.01. Pour la production commerciale, choisissez Qwen sauf si vous avez un accord Mistral. Les deux tiennent sur une seule carte 24GB, donc le réflexe courant est Codestral pour la complétion par tabulation et Qwen pour le chat.

vs DeepSeek Coder V2 Lite (16B / 2.4B)

DeepSeek Coder V2 Lite dispose d'une licence permissive-commerciale, est plus rapide par token (MoE), et supporte 338 langages et 128K de contexte. Codestral gagne légèrement sur le FIM et sur la prévisibilité de latence du modèle dense. La clarté de licence favorise DeepSeek pour la production.

vs CodeGemma 7B

CodeGemma 7B est bien plus petit et tourne sur des cartes 8GB, avec licence Apache 2.0. Codestral 22B le bat de 10 à 20 points sur HumanEval, MBPP et FIM. Choisissez CodeGemma uniquement quand la VRAM est sous 16GB ou quand la licence doit être permissive.

Comment Pineido configure les agents sur Codestral 22B

Sprint de deux semaines avec une revue de licence obligatoire dès le départ.

Jour 1

Revue de licence. Restrictions commerciales MNPL-0.1 confirmées avec le conseil juridique de l'acheteur. Si production commerciale, licence commerciale Mistral signée ou l'API hébergée codestral.mistral.ai confirmée comme chemin de déploiement.

Jour 3

Décision matérielle. RTX 4090 ou 5090 (24GB) en Q4 pour l'auto-hébergement recherche, ou API hébergée Mistral pour la production commerciale. Tabby auto-hébergé plus Codestral téléchargé, ~/.tabby/config.toml configuré.

Jour 6

Continue.dev connecté comme assistant IDE. tabAutocompleteModel pointé sur Codestral avec mode FIM, le modèle de chat pointe sur le même endpoint avec mode instruction. Référence de latence, taux d'acceptation d'autocomplétion mesuré.

Jour 9

Boucles d'itération Aider testées sur une vraie base de code client. Taux de succès diff-apply journalisé. Agents d'outils typés Pydantic AI connectés pour les tâches d'extraction structurée.

Jour 11

Framework d'agents choisi. LangGraph plus Codestral pour les workflows graphe, Pydantic AI pour l'extraction de code typée. Appel d'outils natif testé.

Jour 14

Bascule en production. Attribution de licence livrée (NOTICE Mistral plus référence à la licence commerciale si applicable). SSO, log d'audit, log de prompts, limites de débit live. Tableau de bord admin Tabby remis.

Comment nous déployons Codestral 22B en 14 jours

Frais fixes.

  1. Jour 1

    Confirmer que votre cas d'usage est non-commercial sous MNPL, ou que vous disposez d'une licence commerciale Mistral, ou vous engager à utiliser l'API Mistral. Cette décision conditionne tout le reste

  2. Jour 2

    Télécharger le GGUF Codestral-22B-v0.1 et servir via llama.cpp ou Ollama. Configurer l'endpoint FIM (chemin /api/fim ou /v1/completions compatible OpenAI avec tokens FIM)

  3. Jour 3

    Connecter à Continue.dev ou Tabby dans VS Code. Paramétrer la complétion par tabulation sur Codestral, le chat sur un modèle séparé (Qwen2.5-Coder 32B ou Llama 3.3 70B). Tester la latence sur l'objectif sous 200ms

  4. Semaine 2

    Pour un déploiement commercial, évaluer Codestral 25.01 avec contexte 256K via l'API Mistral. Comparer le coût par token vs Qwen2.5-Coder hébergé. Choisir d'abord par compatibilité de licence, ensuite par qualité

22.2B dense Paramètres

Réservez l'appel de cadrage de 30 minutes. Nous vous disons si Codestral 22B plus notre stack d'agents est le bon choix avant que vous signiez.

Frais fixes.

Jour 1, vous voyez le modèle exact, le matériel exact, la stack d'agents exacte, le calcul de coût exact, et la posture de conformité exacte.

Vous repartez avec

  1. Jour 0 (cette semaine) : appel de cadrage de 30 minutes. Short-list matérielle, choix du modèle, proposition de stack d'agents, projection de coût dans votre boîte mail d'ici vendredi
  2. Jour 1 : Confirmer que votre cas d'usage est non-commercial sous MNPL, ou que vous disposez d'une licence commerciale Mistral, ou vous engager à utiliser l'API Mistral. Cette décision conditionne tout le reste

Des réponses, sans appel commercial

La licence est-elle vraiment non-commerciale ?

Oui, strictement. La MNPL-0.1 interdit toute activité commerciale, y compris l'utilisation par des employés dans le cadre de leur travail, les services hébergés, et les produits générateurs de revenus. Même les fine-tunes de Codestral héritent de la restriction. Le déploiement commercial nécessite une licence séparée de [email protected] ou l'utilisation de l'API Mistral.

Pourquoi Codestral est-il le meilleur sur FIM ?

Mistral a intégré des tokens FIM natifs dans le modèle de base, pas comme un addon de fine-tuning. Cela lui donne un taux FIM pass@1 de 95.3 % qu'aucun autre modèle open n'a atteint. Codestral 25.01 étend cela avec un contexte de 256K plus grand pour le fill-in-the-middle au niveau du dépôt.

Qu'en est-il de Codestral 25.01 ?

Codestral 25.01 est la mise à jour de janvier 2025 avec une fenêtre de contexte 256K (8x les 32K d'origine), un meilleur tokenizer, un décode environ 2x plus rapide et 86.6 % sur HumanEval Python. Il a dominé le classement d'autocomplétion Copilot Arena à son lancement et n'est disponible que via l'API Mistral. Mistral a depuis livré Codestral 25.08 (juillet 2025), qui rapporte 30 % de complétions acceptées en plus et 50 % de générations incontrôlées en moins, livré avec Codestral Embed, l'agent Devstral et le plugin IDE Mistral Code pour l'auto-hébergement en entreprise. Le Codestral 22B v0.1 original reste l'option open-weights, juste avec le contexte de 32K d'origine.

Quelle est l'alternative la plus proche avec une licence commerciale ?

Qwen2.5-Coder 32B sous Apache 2.0 pour le chat et les tâches complexes. DeepSeek Coder V2 Lite pour un FIM rapide. CodeGemma 7B pour les configurations à faible VRAM. Aucun ne correspond à Codestral sur FIM pass@1, mais tous sont commercialement propres.

Un produit commercial peut-il être livré avec Codestral 22B v0.1 auto-hébergé ?

Pas sans une licence commerciale Mistral séparée. Codestral 22B v0.1 est livré sous la Mistral AI Non-Production License (MNPL-0.1), explicitement recherche-et-tests uniquement. Trois voies légales pour la production : un, signer une licence commerciale avec Mistral (tarification personnalisée) ; deux, utiliser l'API Mistral hébergée (codestral.mistral.ai ou api.mistral.ai) avec leurs conditions commerciales ; trois, passer à Qwen2.5 Coder 32B (Apache 2.0) ou DeepSeek Coder V2 (MIT plus DeepSeek License Agreement, libre pour le commercial). Pour une petite consultance qui commercialise un produit, les voies deux ou trois sont la valeur par défaut pratique.

Devons-nous choisir Codestral 22B ou Qwen2.5 Coder 32B pour les workflows Aider ?

Qwen2.5 Coder 32B pour les refactorisations difficiles, Codestral pour l'itération à forte composante FIM. Qwen2.5 Coder 32B mène sur Aider Polyglot de 6 à 12 points et est sous Apache 2.0 (aucune note de licence). Codestral gagne sur les benchmarks FIM (HumanEvalFIM 91.6 %) et se marie le mieux avec l'autocomplétion Continue.dev grâce au support FIM-plus-instruction en un seul modèle. Choix pratique en 2026 : Qwen2.5 Coder pour la boucle de coding agentique, Codestral uniquement quand la latence d'autocomplétion FIM est la contrainte déterminante.

ParFondateur et Imaginator

Pineido, basé à Strumica, North Macedonia, est une société de logiciels qui conçoit des sites web, des boutiques en ligne, des applications web et mobiles, de l’automatisation et de l’IA pour des entreprises d’ici et de l’étranger. Le travail est livré en sprints de 30 jours à prix fixe, et le code appartient au client.

Publié Mis à jour