Mistral Vibe با برتری در هزینه و کنترل، رقبای قدرتمند خود را شکست داد

اگر مدیر یک تیم مهندسی هستید که بین کیفیت کد و هزینه‌های سرسام‌پیگیان استنتاج گیر کرده‌اید، باید بدانید که بازی تغییر کرده است. انتخاب ابزار کدنویسی دیگر تنها یک رقابت بر سر «هوشمندترین مدل» نیست، بلکه نبردی میان قدرت خام و کنترل کامل بر داده‌هاست. در حالی که مدل‌های بسته و پیشرو (Frontier) هنوز در زمینه هوش خام برتری دارند، چرخش به سمت مدل‌های با وزن‌های باز (Open Weights) و میزبانی شخصی (Self-hosting)، کف رقابتی جدیدی برای تیم‌های مهندسی سازمانی ایجاد کرده است. در این چشم‌انداز متغیر، Mistral Vibe for Code اکنون از نظر ارزش کلی پیشتاز است و در مقایسه‌ی مستقیم قابلیت‌ها در برابر Claude Code، OpenAI Codex و Cursor، امتیاز ۲۲ از ۲۵ را کسب کرده است.

عامل‌های کدنویسی (Coding Agents) در حال حاضر مورد مناقشه‌ترین دسته‌بندی در ابزارهای توسعه‌دهنده هستند. هدف این ابزارها این است که یک ویژگی (Feature) را از یک پرامپت ساده تا مرحله‌ی ارسال درخواست ادغام (Pull Request یا PR) بدون دخالت دستی پیش ببرند. این یک جهش قابل توجه از دوران «تکمیل خودکار» (Autocomplete) به سمت مهندسی نرم‌افزار خودمختار است. این روند به طور خاص در ابزارهای جدیدی مانند Pylon دیده می‌شود که اتوماسیون لایه‌های بک‌اند را برای عامل‌های کدنویسی تسهیل کرده است.

با تکیه بر پوشش‌های قبلی ما در مورد اینکه چگونه شرکت Anthropic در ابزارهای تخصصی مانند Claude for Teachers به حریم خصوصی داده‌ها اولویت می‌دهد، اکنون این ابزارهای عامل-محور با تضاد شدیدی میان استدلال‌های سطح بالای مدل‌های پیشرو و الزامات سخت‌گیرانه‌ی محل استقرار داده‌ها (Data Residency) در صنایع تحت نظارت و رگولاتوری مواجه هستند.

زمینه و روش ارزیابی

برای سنجش واقعی این ابزارها، به‌جای استفاده از اسکریپت‌های ساده و اسباب‌بازی، یک گردش‌کار مهندسی واقعی و پیچیده را هدف قرار دادیم: ساخت یک نقطه-پایان (endpoint) برای اشتراک‌ها (/subscriptions) در یک سرویس پایتونی موجود که با FastAPI پیاده‌سازی شده است. پرامپت ارسالی به عامل ایجاب می‌کرد که مسیرها (Routes)، مدل‌های پایدانتیک (Pydantic) و لایه‌ی سرویس را در فایل‌های صحیح پیاده‌سازی کند، تست‌های واحد (Unit Tests) و یکپارچگی (Integration Tests) تولید کند، آن‌ها را اجرا نماید، شکست‌ها را برطرف کرده و در نهایت یک PR با شرحی واضح باز کند. این متدولوژی سه مرحله حیاتی را آزمایش می‌کند: ساختار (Scaffold)، تست (Test) و ارسال (Ship).

این یک مقایسه‌ی قابلیتی بر اساس ویژگی‌های مستند، بنچمارک‌های منتشر شده و مشخصات سازندگان تا تاریخ ۱۴ جولای ۲۰۲۶ است (که با نسخه‌ی ۲.۱۹.۱ Mistral Vibe از طریق PyPI و npm تأیید شده است). امتیازات در ۵ بُعد مختلف از ۱ تا ۵ محاسبه شده‌اند تا حداکثر امتیاز ۲۵ باشد.

باید توجه داشت که اعداد بنچمارک‌ها مستقیماً قابل مقایسه نیستند. مجموعه‌های SWE-bench Verified، SWE-Bench Pro و Terminal-Bench ابزارهای متفاوتی با درجه سختی‌های متفاوت هستند و نباید آن‌ها را به عنوان یک مقیاس واحد خواند. علاوه بر این، ادعاهای سازندگان — مانند معیارهای بهره‌وری هزینه Mistral — به عنوان ادعای شرکت علامت‌گذاری شده‌اند.

جزئیات مقایسه‌ای و نتایج

Mistral Vibe (که پیش‌تر با نام Le Chat شناخته می‌شد) با کسب ۲۲ امتیاز از ۲۵، جایگاه نخست را به دست آورد. این ابزار یک عامل یکپارچه برای کار و کد است که رابط کدنویسی آن بر روی یک CLI متن‌باز در گیت‌هاب تحت مجوز Apache 2.0 اجرا می‌شود. Vibe از یک استک مدل لایه‌بندی شده و پیچیده بهره می‌برد:

• مدل‌های هسته: خانواده Mistral Medium پرکارآمدترین مدل‌ها برای مهندسی نرم‌افزار پیچیده و چندمرحله‌ای هستند. عامل‌های راه دور (Remote Agents) به‌طور خاص روی Mistral Medium 3.5 اجرا می‌شوند.
• مدل‌های تخصصی: رابط CLI و افزونه‌های IDE توسط Devstral قدرت می‌گیرند. مدل Codestral وظیفه تکمیل سریع کدها را بر عهده دارد، در حالی که Codestral Embed جستجوی معنایی کدها را مدیریت می‌کند.
• عملکرد: مدل Devstral 2 یک مدل متراکم ۱۲۳ میلیارد پارامتری با پنجره‌ی زمینه‌ی (Context Window) ۲۵۶ هزار توکنی است که امتیاز ۷۲.۲٪ را در SWE-bench Verified کسب کرده است. نسخه Devstral Small 2 (با ۲۴ میلیارد پارامتر و مجوز Apache 2.0) امتیاز ۶۸.۰٪ گرفته و قادر است روی سخت‌افزارهای مصرف‌کننده اجرا شود.
• گردش‌کار و تست: Vibe درخت فایل‌ها و وضعیت Git را برای درک زمینه پروژه اسکن می‌کند. تست‌ها شامل تست‌های تولید شده خودکار هستند که هم‌گام با کدبیس تکامل می‌یابند. همچنین می‌توان قلاب‌های شل (Shell Hooks) سفارشی را قبل و بعد از هر نوبت عامل اجرا کرد تا قراردادهای کدنویسی (Conventions) رعایت شوند.
• قابلیت‌های Async: عامل‌های راه دور در محیط‌های ایزوله (Sandbox) برای اجرای موازی اجرا می‌شوند و جلسات حتی در صورت خاموش بودن سیستم محلی، فعال می‌مانند. دستور /teleport اجازه می‌دهد یک جلسه زنده از CLI محلی به عامل راه دور و بالعکس منتقل شود. قابلیت مشاهده‌پذیری راه دور (Remote Observability)، دسترسی کامل به فراخوانی ابزارها، لاگ‌ها و ردپاهای بازرسی (Audit Trails) را فراهم می‌کند.
• پوشش رابط کاربری: Vibe با پشتیبانی از Terminal CLI، VS Code، JetBrains، Zed، اپلیکیشن وب، موبایل و عامل‌های پس‌زمینه (از جمله Tab-to-complete)، امتیاز کامل ۵ را در این بخش گرفت.
• اقتصاد و کنترل: با هزینه ۱۴.۹۹ دلار در ماه برای طرح Pro، ارزان‌ترین سطح ممتاز است. طرح‌های تیمی ۲۴.۹۹ دلار برای هر کاربر و طرح دانشجویی ۵.۹۹ دلار است. Mistral ادعا می‌کند Devstral 2 تا ۷ برابر به‌صرفه‌تر از Claude Sonnet است. نکته حیاتی این است که کاربران می‌توانند مدل را به‌صورت شخصی (Self-host) یا در ابرهای خصوصی و محلی مستقر کنند و آن را روی کدهای اختصاصی خود تنظیم دقیق (Fine-tune) نمایند. در طرح‌های پولی، آموزش مدل به صورت Opt-out (انتخابی برای خارج شدن) است.

نقاط ضعف Vibe: امتیاز ۷۲.۲٪ مدل Devstral پایین‌تر از مدل‌های بسته پیشرو است. کاربران از باگ‌های مربوط به محدودیت نرخ درخواست (Rate-limiting) و ناپایداری گزارش داده‌اند. همچنین CLI ابتدا برای UNIX طراحی شده که ممکن است تیم‌های متکی به ویندوز را تحت تاثیر قرار دهد.

Claude Code با امتیاز ۲۱، در رتبه دوم قرار گرفت و در کیفیت اجرا غالب است. این ابزار به‌طور پیش‌فرض از Claude Opus 4.8 استفاده می‌کند و عمیق‌ترین بسته‌ی ابزاری در این حوزه را دارد؛ شامل ۳۰ قلاب چرخه-زیست، مهارت‌ها (Skills)، افزونه‌ها، زیر-عامل‌ها (Subagents)، نقاط بازگشت (Checkpoints) و یک حالت برنامه‌ریزی (Plan Mode) اختصاصی. این ابزار همچنین از پروتکل زمینه‌ی مدل (MCP) بهره می‌برد. در این راستا، تحلیل‌های فنی نشان می‌دهد که تأخیر اندک پروتکل MCP در مقایسه با سرعت استنتاج مدل‌ها عملاً ناچیز است و تأثیری بر بهره‌وری کلی ندارد.

• اجرا: گردش‌کارهای پویا (Dynamic Workflows)، ناوگان بزرگی از زیر-عامل‌های موازی را سازماندهی می‌کنند. حلقه تکامل یافته‌ی «تست-تأیید»، قوس «ساخت-تست-PR» را به قوی‌ترین نقطه قوت آن تبدیل کرده است.
• مورد اثباتی: جرد سامنر، خالق Bun، گزارش داد که توانست تقریباً ۷۵۰,۰۰۰ خط کد را تنها در ۱۱ روز از Zig به Rust منتقل کند، در حالی که نرخ موفقیت تست‌ها ۹۹.۸٪ بود.
• بهای پرداختی: هیچ وزن باز، هیچ امکان میزبانی شخصی و هیچ گزینه‌ای برای محل استقرار داده‌ها برای تیم‌های تحت نظارت وجود ندارد. قیمت‌ها بسیار بالا هستند: ۲۰ دلار برای Pro، ۱۰۰ دلار برای Max 5x و ۲۰۰ دلار برای Max 20x. مصرف توکن‌ها بسیار زیاد است؛ گزارش‌های عمومی نشان می‌دهند اجرای موازی زیر-عامل‌ها می‌تواند هزاران دلار هزینه داشته باشد و به طور متوسط هر توسعه‌دهنده در هر روز فعال (قبل از موازی‌سازی) ۱۳ دلار هزینه می‌کند.

OpenAI Codex نیز امتیاز ۲۱ را کسب کرد. این ابزار یک CLI با مجوز Apache-2.0 است که به عنوان سرویس ابری، افزونه IDE، اپلیکیشن ChatGPT و اپلیکیشن iOS عمل می‌کند. از ژوئن ۲۰۲۶، این ابزار در Amazon Bedrock نیز در دسترس است.

• تکامل مدل: مدل GPT-5.6 در ۹ جولای ۲۰۲۶ به‌طور عمومی منتشر شد و در سه سطح Sol، Terra و Luna معرفی گردید تا جایگزین پیش‌فرض‌های GPT-5.5 شود.
• زیرساخت: Codex عملیات ساختاردهی و تست را در یک Sandbox در سطح هسته (Kernel-level) انجام می‌دهد که دسترسی شبکه در آن به‌طور پیش‌فرض غیرفعال است. این ابزار از مهارت‌ها، بازارچه افزونه‌ها، زیر-عامل‌ها، قلاب‌ها و MCP پشتیبانی می‌کند.
• قدرت Async: ویژگی منحصر‌به‌فرد آن، قابلیت Async متقاطع-سطحی است که اجازه می‌دهد یک تسک بین CLI، ابر، اپلیکیشن و موبایل جابجا شود بدون اینکه وضعیت (State) آن از دست برود.
• قیمت‌گذاری و محدودیت‌ها: قیمت‌ها از رایگان تا Go (۸ دلار)، Plus (۲۰ دلار)، Pro 5x (۱۰۰ دلار) و Pro 20x (۲۰۰ دلار) متغیر است. اما نکته منفی، پنجره‌ی زمانی ۵ ساعته متغیّر است؛ توسعه‌دهندگان گزارش می‌دهند که جلسات روی مخزن‌های کد بزرگ (Serious-repo) می‌توانند این سهمیه را در حدود یک ساعت تمام کنند. هزینه‌ی تخمینی ۱۰۰ تا ۲۰۰ دلار برای هر توسعه‌دهنده در ماه است.

Cursor، یک فورک از VS Code توسط شرکت Anysphere، امتیاز ۱۶ را کسب کرد. این ابزار برای ویرایش‌های درون-خطی از طریق موتور Composer 2.5 بهینه شده است که امتیاز ۶۲ را در شاخص عامل‌های کدنویسی Artificial Analysis به دست آورد. برای بهینه‌سازی هزینه‌ها در این ابزار، تغییر پارادایم از نویسندگی کد به نظارت معماری می‌تواند به‌طور چشم‌گیری اتلاف توکن‌ها را کاهش دهد.

• قابلیت‌ها: Cursor درخواست‌ها را بین مدل‌های پیشرو Anthropic، OpenAI و Google توزیع می‌کند. این ابزار دارای قوانین (Rules)، MCP، قلاب‌ها، مهارت‌ها، افزونه‌ها و زیر-عامل‌ها است.
• کاربرد: Cursor برای تکرارهای تک‌فایلی و تکمیل کد با Tab بهترین در کلاس خود است. با این حال، برای حلقه‌های خودمختار «ساخت-تست-PR»، عامل‌های ترمینال-محور یک مزیت ساختاری دارند.
• ساختار هزینه: استفاده بر اساس استخرهای اعتبار (Credit Pools) است. مدل Hobby رایگان، Pro ۲۰ دلار، +Pro ۶۰ دلار، Ultra ۲۰۰ دلار و Teams هر کاربر ۴۰ دلار است. پس از اتمام استخر، هزینه‌ها بر اساس نرخ API محاسبه می‌شود. در به‌روزرسانی ژوئن ۲۰۲۶، صندلی Premium با قیمت ۱۲۰ دلار اضافه شد و استفاده‌ها به دو استخر «طرف اول» و «طرف سوم» تقسیم شدند.

برای توسعه‌دهندگان، این تغییر به این معنی است که انتخاب دیگر تنها بر سر این نیست که کدام مدل «هوشمندتر» است. اکنون موضوع، توازن میان قدرت خام Claude، یکپارچگی اکوسیستمی OpenAI، حس بومی-IDE در Cursor و بهره‌وری هزینه و حاکمیت داده‌ای در Mistral است.

برنده نهایی توسط محدودیت‌های استقرار شما تعیین می‌شود. تیم‌هایی که نیاز به محل استقرار داده‌ها در اتحادیه اروپا یا میزبانی در ابر خصوصی دارند، در این گروه تنها یک گزینه عملی دارند: Mistral Vibe. توجه داشته باشید که وزن‌های باز Vibe برای تحقیقات تحت Apache 2.0 هستند و استقرار تجاری نیازمند مجوز Mistral است.

منتظر موج بعدی عامل‌های «مدل کوچک» باشید که می‌توانند کاملاً روی سخت‌افزار مصرف‌کننده اجرا شوند و احتمالاً هزینه‌های سوزاندن توکن را که در حال حاضر کاربران Claude و Codex را آزار می‌دهد، حذف کنند.