GetInfoUs
Head-to-Head Model Comparison

GPT-5.1 Codex vs Devstral 2

Benchmarks, API Token Pricing, Context Window & Speed Comparison

تمت المراجعة بواسطة فريق أبحاث GetInfoUsآخر مراجعة: October 2026السياسة التحريرية
مشاركة
Related topics (12)
AI CompareAI BenchmarkToken PricingModel CostModel SpecsSWE-bench CodingModel VersusWhich AI ModelLLM Speed & LatencyReasoning ModelsExtended ThinkingPrompt Caching ROI
GPT-5.1 Codex vs Devstral 2: Benchmarks, Pricing & Speed Comparison

يُعد GPT-5.1 Codex من OpenAI وDevstral 2 من Mistral AI من أبرز نماذج الذكاء الاصطناعي. يوفر GPT-5.1 Codex نافذة سياق بحجم 400K رمز بسعر $1.25/$10.00 لكل مليون رمز، بينما يوفر Devstral 2 سياقًا بحجم 262.1K رمز بسعر $1.50/$4.50 لكل مليون رمز. نستعرض أدناه مقارنة شاملة للأداء والسرعة والتكلفة.

مقارنة مباشرة (VS)

بدّل وقارن بين أي نموذجين

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

Profile
Profile
Multi-Model Arena Stack:
5-Model Matrix Workbench
Popular Matchups:
OpenAI

GPT-5.1 Codex

نموذج رائد متقدم

نموذج GPT-5.1 Codex من OpenAI مصمم خصيصاً لـالاستدلال المؤسسي المتقدم وهندسة البرمجيات وتطبيقات الإنتاج واسعة النطاق، حيث يوفر نافذة سياق بسعة 400K وسرعة 125 رمز/ثانية ومؤشر ذكاء 61/100 (بتكلفة $1.25/$10 لكل مليون رمز).

Intelligence Index61 / 100
Input Token:

$1.25 / 1M

Output Token:

$10.00 / 1M

Context Window:

400K tokens

SWE-bench Verified:

76.1%

Mistral AI

Devstral 2

نموذج وكيل مستقل وأدوات

نموذج Devstral 2 من Mistral AI مصمم خصيصاً لـتشغيل الوكلاء المستقلين (Agents) واستدعاء الأدوات وأتمتة المهام متعددة المراحل، حيث يوفر نافذة سياق بسعة 262K وسرعة 70 رمز/ثانية ومؤشر ذكاء 56/100 (بتكلفة $1.5/$4.5 لكل مليون رمز).

Intelligence Index56 / 100
Input Token:

$1.50 / 1M

Output Token:

$4.50 / 1M

Context Window:

262.1K tokens

SWE-bench Verified:

58.2%

أهم الفروقات في لمحة

  • Devstral 2 is 1.6x cheaper for API usage (input + output tokens combined).
  • GPT-5.1 Codex has a larger context window (400K vs 262K tokens).
  • GPT-5.1 Codex is faster at 125 tok/s vs 70 tok/s.
  • GPT-5.1 Codex leads on SWE-bench coding (76.1% vs 58.2%).
Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →
FeatureGPT-5.1 CodexDevstral 2
Intelligence Index
Composite reasoning & knowledge score (0-100)
6156
Provider
OpenAIMistral AI
Input Price
Cost per million input tokens
$1.25 / 1M$1.50 / 1M
Output Price
Cost per million output tokens
$10.00 / 1M$4.50 / 1M
Blended Price
Weighted 7:2:1 cache:input:output per 1M
$1.34 / 1M$0.99 / 1M
Context Window
Maximum input + output tokens
400K tokens~600 A4 pages of text262.1K tokens~393 A4 pages of text
Max Output Tokens
Per single request
128K66K
Throughput Speed
Tokens generated per second
125 tok/s70 tok/s
SWE-bench Verified
Real-world software engineering
76.1%58.2%
GPQA Diamond
Graduate-level reasoning
78.5%66.5%
Cached Input Price
Prompt caching discount per 1M tokens
$0.13 / 1M$0.35 / 1M

من يتفوق في كل مجال؟

At-a-glance decision framework
Coding
GPT-5.1 Codex
+17.9% SWE-bench lead
Cost
Devstral 2
1.6x cheaper monthly runtime
Speed
GPT-5.1 Codex
+79% faster generation
Context
GPT-5.1 Codex
400K tokens window

نتائج الاختبارات المعيارية الموثقة

Official evaluation metrics verified by independent third-party research labs.

GPT-5.1 CodexDevstral 2
SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

76.1%vs58.2%
GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

78.5%vs66.5%
MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

86.5%vs83.5%
LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1372ptsvs1365pts
Humanity's Last Exam (Frontier Expert Knowledge)

Extremely difficult, closed-ended questions spanning the frontier of human expert knowledge.

12.6%vsN/A
Terminal-Bench (Agentic Coding & Terminal Use)

Autonomous multi-step tasks executed inside a real command-line terminal environment.

52%vs52%
SciCode (Scientific Computing)

Research-grade coding problems drawn from real scientific and numerical workloads.

46.5%vsN/A
LiveCodeBench (Competitive Coding)

Contamination-free competitive programming problems collected continuously over time.

74%vsN/A
AIME (Advanced Math Competition)

American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.

91.8%vs78%
Long-Context Reasoning

Accuracy when reasoning over very large inputs that fill the model context window.

78.5%vs82%
Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

125 tok/s vs70 tok/s

زمن الاستجابة والسرعة

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better
GPT-5.1 Codex1.20s
Devstral 20.52s
Est. End-to-End Response (500 tokens)TTFT + generation time
GPT-5.1 Codex5.20s
Devstral 27.66s

محاكي تكلفة الرموز التفاعلي

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

100K / day
10K500K1M
30K / day
5K150K300K
50% cached
0% (Cold)50%90% (Warm)
GPT-5.1 Codex Monthly API Bill
$11.06 / month
$1.25/1M in · $10/1M out
Devstral 2 Monthly API Bill
$6.82 / month
$1.5/1M in · $4.5/1M out
Devstral 2 saves approximately $4.24 / month (38%) under this workload.1.6x Savings

GPT-5.1 Codex · Strengths & Key Advantages

  • نافذة سياق بسعة 400K وحد أقصى للمخرجات يصل إلى 128K رمز (SWE-bench Verified 76.1% · GPQA Diamond 78.5%)
  • سرعة توليد عالية تبلغ 125 رمز/ثانية مع زمن استجابة لأول رمز (TTFT) قدره 1200 مللي ثانية
  • تسعير API تنافسي (بتكلفة $1.25/$10 لكل مليون رمز) مع دعم التخزين المؤقت للأوامر والمخرجات المهيكلة بصيغة JSON
Considerations & Trade-offs
  • نموذج سحابي مغلق الأوزان لا يدعم تنزيل الأوزان للتشغيل المحلي المعزول عن الإنترنت
  • في المسائل البحثية فائقة التعقيد، قد تتفوق نماذج الاستدلال الثقيلة المتخصصة في عمق التحليل

Devstral 2 · Strengths & Key Advantages

  • نافذة سياق بسعة 262K وحد أقصى للمخرجات يصل إلى 66K رمز (SWE-bench Verified 58.2% · GPQA Diamond 66.5%)
  • سرعة توليد عالية تبلغ 70 رمز/ثانية مع زمن استجابة لأول رمز (TTFT) قدره 520 مللي ثانية
  • أوزان مفتوحة (123B) تتيح الاستضافة الذاتية محلياً أو عبر السحابة الخاصة باستخدام vLLM وOllama
Considerations & Trade-offs
  • يتطلب خوادم GPU بذاكرة VRAM كافية عند التشغيل المحلي بالدقة الكاملة
  • في المسائل البحثية فائقة التعقيد، قد تتفوق نماذج الاستدلال الثقيلة المتخصصة في عمق التحليل

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

MetricGPT-5.1 CodexDevstral 2
Cost per Task
Estimated USD to finish one task
$1.65$0.65
Output Tokens / Task
Tokens generated per task
58K42K
Reasoning Tokens / Task
Thinking tokens burned per task
33K20K

المواصفات التقنية

Architecture, release timeline, capabilities, and modalities.

FeatureGPT-5.1 CodexDevstral 2
Official API Model ID (SDK)gpt-5-1-codexdevstral-2-latest
API ProtocolOpenAI Responses API & Chat Completions v1OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
Release Date2025-112025-12
Knowledge CutoffOctober 2024October 2025
ArchitectureCode-specialised unified reasoning modelAdvanced Agentic Code Transformer
ParametersConfidential123B
Enterprise Rate Limits (RPM / TPM)10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPMUnlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
Long-Context Tier (>128K/200K)Flat rate ($1.25/1M in) across full 400K windowFlat rate ($1.5/1M in) across full 262K window
Prompt Cache Policy & TTLAutomatic prefix caching at $0.125/1M (no extra cache-write fee)Cached input at $0.35/1M tokens
Computer Use / GUI AgentSupported (Screen coordinate grounding, browser & desktop GUI action loops)API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
MCP & Parallel Tool CallingNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON SchemaNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & SandboxNative Web Search tool + Hosted Code Interpreter & File Search RAGSupported via external Tavily/Exa Search & E2B/Docker Sandbox tools
Official Fine-Tuning SupportSupervised Fine-Tuning (SFT), Direct Preference (DPO) & Reinforcement Fine-Tuning (RFT)Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
Multimodal Token BillingText BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)Text BPE (~4 chars/token)
Quantization & Min GPU VRAMCloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API)BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 76 GB VRAM (4-bit Quantized) · 264 GB VRAM (Native BF16)
Safety & Frontier ClassificationOpenAI Preparedness Framework Audited & System Card PublishedOpen-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
Enterprise Compliance (ZDR/HIPAA/SOC2)SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Input Modalitiestext, visiontext
Output Modalitiestexttext

GPT-5.1 Codex vs Devstral 2: إجابات سريعة (FAQ)

Which is more intelligent, GPT-5.1 Codex or Devstral 2?

GPT-5.1 Codex is more intelligent. It scores 61 compared with 56 on the composite Intelligence Index.

Which model is faster?

GPT-5.1 Codex is faster, generating 125 tokens per second compared with 70 tokens per second.

Which model is cheaper to run?

Devstral 2 is cheaper at $0.99 per 1M tokens blended, compared with $1.34 (7:2:1 cache:input:output ratio).

Which model has lower latency?

Devstral 2 has lower latency, with a time to first token of 0.52s compared with 1.20s.

Which model has a larger context window?

GPT-5.1 Codex has a larger context window, supporting 400K tokens compared with 262.1K tokens.

الحكم النهائي

يتميز كل من GPT-5.1 Codex (مثالي لـالاستدلال المؤسسي المتقدم وهندسة البرمجيات وتطبيقات الإنتاج واسعة النطاق وأنظمة RAG المؤسسية وربط واجهات البرمجة (API) القابلة للتوسع.) وDevstral 2 (مثالي لـتشغيل الوكلاء المستقلين (Agents) واستدعاء الأدوات وأتمتة المهام متعددة المراحل وأنظمة RAG المؤسسية وربط واجهات البرمجة (API) القابلة للتوسع.) بنقاط قوة واضحة؛ حيث يتفوق GPT-5.1 Codex في اختبارات الذكاء والبرمجة، ويقدم GPT-5.1 Codex سرعة توليد أعلى، بينما يُعد Devstral 2 الخيار الأكثر توفيراً للتشغيل عبر API.

الأسئلة الشائعة (FAQ)

أيهما أفضل للبرمجة والاستدلال، GPT-5.1 Codex أم Devstral 2؟+

يتصدر GPT-5.1 Codex في مؤشر الذكاء المركب واختبارات البرمجة. يمكنك مراجعة نتائج SWE-bench وGPQA أعلاه لمقارنة دقيقة.

ما الفرق في تكلفة API بين GPT-5.1 Codex وDevstral 2؟+

يبلغ سعر GPT-5.1 Codex نحو $1.25 / $10.00 لكل مليون رمز (إدخال/إخراج)، بينما يبلغ سعر Devstral 2 نحو $1.50 / $4.50. ومن حيث التكلفة الإجمالية يُعد Devstral 2 الأرخص.

أي نموذج يوفر نافذة سياق أكبر وسرعة أعلى؟+

يدعم GPT-5.1 Codex سياقًا بحجم 400K رمز مقابل 262.1K رمز لنموذج Devstral 2، بينما يتفوق GPT-5.1 Codex في سرعة تدفق الرموز.

AI Terminology & Guide
Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & PricingContext WindowAI BenchmarksReasoning ModelsTool CallingModel Context Protocol (MCP)

Related reading

Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.

المصادر الرسمية: وثائق API الرسمية من OpenAI وMistral AI وتقييمات الاختبارات القياسية المستقلة (2026).