AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
Mistral AI 发布 Devstral 2 系列编码模型和 Mistral Vibe CLI。Devstral 2 为 123B 参数模型，在 SWE-bench Verified 上 đạt 72.2%，Devstral Small 2 为 24B 参数模型，得分 68.0%，支持 API、本地部署和微调。
推荐理由：Devstral 2 同时覆盖大规模部署与本地运行场景，并配套 Vibe CLI，材料还提供了 SWE-bench Verified 成绩、许可方式和 API 定价，便于比较其性能与使用门槛。
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 已通过 Gemini API 在 Google AI Studio 和 Vertex AI 提供预览，价格为 $2/million input tokens 和 $12/million output tokens，适用于 200k tokens 或更短的 prompts。
推荐理由：Gemini 3 Pro同时覆盖智能体编码、单提示词应用生成和多模态推理，并公布了API价格与接入方式，便于评估其开发价值。
Google DeepMind 发布 Gemini 3，首先推出 Gemini 3 Pro 预览版，并在 Gemini app、AI Mode in Search、AI Studio、Vertex AI 和 Gemini CLI 等入口提供使用。
推荐理由：Gemini 3 Pro、Deep Think 与 Google Antigravity 同步亮相，原文集中展示了模型能力、开发入口和智能体工作流变化。
Google DeepMind 发布 Google Antigravity 智能体开发平台，面向端到端软件任务提供浏览器控制、异步交互和多智能体协作。公开预览现已免费开放，兼容 macOS、Linux 和 Windows，并支持 Gemini 3、Claude Sonnet 4.5 和 GPT-OSS。
推荐理由：Antigravity把IDE、浏览器控制和异步多智能体协作整合到同一开发平台，展示了智能体如何执行并验证端到端软件任务。
Mistral AI 发布 Devstral Medium，并将 Devstral Small 升级至 Devstral Small 1.1，面向代码智能体提升性能、提示词泛化和 agentic scaffold 适配能力。
推荐理由：这次更新同时覆盖 Apache 2.0 开源模型与 API 模型，并给出 SWE-Bench Verified 成绩、价格和部署方式，便于比较不同使用路径。
Mistral AI 推出企业级 AI 编码助手 Mistral Code，将 Codestral、Codestral Embed、Devstral 和 Mistral Medium 等模型与 IDE 助手、管理控制和企业支持整合到一个产品中。
推荐理由：Mistral Code 将编码模型、IDE 助手、本地部署和企业管控整合在一起，具体展示了受监管团队采用 AI 编码的部署路径。
Mistral AI 发布首个专用于代码的嵌入模型 Codestral Embed，面向真实代码数据上的检索场景，并声称在多项比较中优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由：Codestral Embed同时给出代码检索基准、可调维度与精度，以及API价格和分块建议，便于评估接入成本与使用方式。
Mistral AI 与 All Hands AI 发布面向软件工程任务的智能体大语言模型 Devstral，并以 Apache 2.0 许可证开源。Devstral 在 SWE-Bench Verified 上取得 46.8% 的成绩，较此前开源 SoTA 模型高出 6 个百分点以上；模型可在单张 RTX 4090 或 32GB RAM 的 Mac 上运行。
推荐理由：Devstral 同时给出 SWE-Bench Verified 成绩、部署条件与 Apache 2.0 许可，便于比较其编码能力和实际使用门槛。
Mistral AI 发布 Codestral 25.01，这是 Codestral 的升级版，采用更高效的架构和改进后的 tokenizer，代码生成与补全速度约提升 2 倍，上下文长度为 256k。
推荐理由：这次更新同时给出了架构、速度、上下文窗口和 FIM 基准变化，并说明了 IDE、API 及本地部署入口。
Mistral AI 宣布在 La Plateforme 上支持定制包括 Mistral Large 2 和 Codestral 在内的旗舰及专业模型，可使用基础提示词、few-shot prompting、微调和自有数据集。
推荐理由：Mistral AI 同时开放模型定制、Agents 早期版本和 1.0 SDK，覆盖从模型适配到应用集成的开发环节。
Mistral AI 发布 Mistral Large 2，提供 128k 上下文窗口、123B 参数和 80+ 编程语言支持，并面向单节点推理优化。模型强化了编码、推理、指令遵循、函数调用和多语言能力，API 名称为 mistral-large-2407，权重已在 Hugging Face 提供；商业自部署需获取 Mistral Commercial License。
推荐理由：Mistral Large 2 同时覆盖长上下文、编码、推理和工具调用，并公布了性能、授权与部署入口，便于评估其应用价值。
Mistral AI 与 NVIDIA 合作发布 Mistral NeMo，一款 12B 模型，支持最高 128k tokens 上下文窗口，并提供 base 与 instruction-tuned checkpoints。
推荐理由：Mistral NeMo同时给出128k上下文窗口、Tekken分词器和Apache 2.0许可，便于比较其多语言与部署适用性。
Mistral AI 发布 Codestral Mamba，一款采用 Mamba 架构的 7,285,403,648 参数指令模型，支持免费使用、修改和分发。该模型提供线性时间推理和理论上的无限长度序列建模能力，并在最长 256k tokens 的上下文检索上进行测试。
推荐理由：Codestral Mamba 将线性时间推理与代码能力结合，并开放权重和部署路径，适合关注长上下文本地代码助手的读者了解其架构取向。
Mistral AI 发布首个代码模型 Codestral，这是一个面向代码生成的 22B 开放权重模型，支持 80+ 种编程语言和 fill-in-the-middle。
推荐理由：Codestral同时提供开放权重模型、32k上下文窗口和多种接入方式，便于比较代码生成性能与实际部署路径。
Mistral AI 发布 Mixtral 8x22B，这是一款采用稀疏 Mixture-of-Experts 的开放模型，141B 参数中仅有 39B 激活，并提供 64K tokens 上下文窗口。
推荐理由：这次发布同时给出开放许可、稀疏激活规模和基准结果，便于比较 Mixtral 8x22B 的性能与成本取舍。
Mistral AI 发布 Mistral Large，称其为最新且最先进的语言模型，可通过 La Plateforme 和 Azure 使用，并支持多语言推理、32K tokens 上下文、函数调用与 JSON 输出。公司同时发布面向低延迟和成本优化的 Mistral Small，以及 mistral-small-2402 和 mistral-large-2402 endpoints。
推荐理由：Mistral Large 同时提供多语言推理、32K tokens 上下文、函数调用和 JSON 输出，并通过 La Plateforme 与 Azure 开放。
Mistral AI 发布 Mistral 7B，这是一个 7.3B 参数的语言模型，官方称其在所有基准上超过 Llama 2 13B，并在多项基准上超过 Llama 1 34B。
推荐理由：这篇发布同时给出 Mistral 7B 与 Llama 系列的基准对比、推理优化机制和 Apache 2.0 使用方式，便于判断小模型的性能与部署成本。