Codestral 2

codestral 系列在公开认知里偏向代码补全与代码理解，Codestral 2 延续这一定位，把上下文窗口拉到 128K tokens，单次最大输出 8192 tokens：输入侧足以放进多文件中段、依赖清单和较长的改动说明，输出侧则更贴近补丁、函数体、结构化结果这类短中篇内容。它要解决的问题是让模型在一次调用里读完较大范围的代码与配置上下文，并通过工具调用和结构化输出直接接入编辑器插件、CI 流程或内部代码助手，减少人工二次解析结果的步骤。输入输出均为纯文本，不含图像与音频；权重不开放，使用方式以厂商接口为准。温度可调，便于在确定性补丁与发散性重构建议之间切换。价格处在同类偏低的一档，配合 128K 上下文，适合作为高频调用的基础层；但公开跑分缺失，能力判断需要靠自建评测。

选型建议需要长上下文、结构化输出且调用量大的代码类任务可以优先评估它；若要求公开跑分背书、本地部署或多模态能力，则应另选。

• 在编辑器插件里做跨文件代码补全与函数级补丁生成，用 128K 上下文携带相关依赖
• 为 CI 流程生成结构化审查结论，通过结构化输出直接写入工单字段
• 把遗留脚本批量改写到目标语言或框架版本，按 8192 tokens 上限分段提交改动
• 从日志、配置与报错文本中抽取字段，输出稳定 JSON 供下游系统消费
• 接入内部代码助手回答 API 与库用法问题，借工具调用查询仓库元数据

结构上属 codestral 系列的文本到文本模型，主要面向代码与配置类输入；具体参数规模与训练细节公开资料较少。

• 结构沿用该系列的纯文本输入输出路径，128K 上下文可覆盖多数单仓多文件场景，但不接受图像等非文本模态。
• 能力支持工具调用与结构化输出，配合温度调节，可把返回直接映射为补丁、JSON 参数或流程节点，减少后处理代码。
• 披露开源权重为否，参数规模、训练数据与架构细节公开资料较少，接入形态以接口为准，本地私有化不在可选项内。

开源权重

否

模型家族

codestral

第三方跑分未收录，强弱只能从接口能力与上下文规格做定性判断，正式接入前建议用自建代码任务做小规模评测。

• 强项128K 上下文叠加工具调用与结构化输出，适合跨文件检索、批量改造和需要稳定字段格式的自动化环节，且价格便于高频调用。
• 短板单次输出上限 8192 tokens，整文件重写或超大重构需分段；纯文本模态，缺图像与版面理解；无公开跑分，复杂推理缺第三方参照。
• 适合以代码补全、审查、脚本生成和结构化抽取为主的工程流水线；不适合把长文创作或多模态理解当作主要诉求的场景。

官方价格为输入 0.3 美元/百万 tokens、输出 0.9 美元/百万 tokens，缓存读价格未披露，整体处在同类低价区间。

• 定位输入价与 codestral 系列其他条目持平，属该系列基准档，适合放在调用量大、单次价值中等的链路上。
• 横向对比相对 DeepSeek V3.2 Speciale 输入价高约 93.3%，相对 ERNIE 5.0 Thinking Preview 高约 233.3%，但两者侧重点不同，价差反映能力取向而非单纯贵贱。
• 平台差价现有两个报价渠道即 models.dev 与其 google-vertex 条目，输入输出同价、相对输入价差 0.0%，选型不必纠结价格，可看可用性与延迟。
• 省钱输出价是输入价的三倍，把长上下文阅读放在输入侧、让输出保持精简（补丁、字段、短结论），比单纯压低调用次数更有效。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.3/M / $0.9/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径厂商记为 Vertex、家族为 codestral，第三方跑分与缓存价格均未提供，任何能力排序都缺少可比数据支撑。
• 边界不开放权重，无法本地部署或自行微调；单次输出 8192 tokens 且仅支持文本输入，长文档生成与多模态任务不宜由它承担。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。